[发明专利]一种调整网格间距的改进AGIMM跟踪方法

说明书

本发明公开了一种调整网格间距的改进AGIMM跟踪方法，思路为：确定雷达，所述雷达扫描范围内存在目标，雷达对目标进行扫描探测；建立雷达直角坐标系和雷达极坐标系，确定在雷达直角坐标系下雷达对目标的量测值，分别得到雷达对目标的初始状态向量以及雷达对目标的初始误差协方差矩阵P₀；分别确定交互模型集及交互模型集初始值；确定交互模型集的卡尔曼滤波初始值；计算3采样时刻第j个机动转弯子模型的状态向量滤波输出值至N采样时刻第j个机动转弯子模型的状态向量滤波输出值和3采样时刻第j个机动转弯子模型的误差协方差滤波输出值P_j(3|3)至N采样时刻第j个机动转弯子模型的误差协方差滤波输出值P_j(N|N)，并记为一种调整网格间距的改进AGIMM跟踪结果。

技术领域

本发明属于机动目标跟踪领域，特别涉及一种调整网格间距的改进AGIMM跟踪方法，即一种调整网格间距的改进自适应网格交互多模型跟踪方法，适用于通过机动判别调整网格间距以及搜索相对最佳的角速度自适应跟踪高速大机动目标，以取得很好地跟踪滤波效果。

背景技术

一直以来，目标跟踪在军事上都是重点研究领域，而对高速大机动目标跟踪则是重点研究中的难点；高速大机动目标因其速度大、机动迅速且难以预测的特点使得跟踪滤波建模有很大的难度。

针对目标的机动性，学者们提出了一些机动模型，在一定程度上提高了机动目标的跟踪精度，但仍然无法很好的适应强机动目标的跟踪；而交互多模型的提出则解决了单模型跟踪适应性差的问题，具有很好的鲁棒特性；研究人员也相继在交互多模型的基础上提出了一系列的改进算法，主要改进方向是模型集的选择、模型概率的计算以及跟踪滤波算法的改进等。

目前根据交互多模型算法结合图论思想的自适应网格交互多模型(AGIMM)算法是最有效的跟踪算法之一，AGIMM算法主要的特点是将有不同转弯速率的转弯模型作为跟踪的模型集，借鉴图论的思想自适应更新转弯速率使模型集一直处于动态更新中，相对于模型固定的交互多模型算法，具有更好的自适应能力；但是同样地，AGIMM算法存在着模型网格间距不能自适应调整以及角速度估计速度慢的问题。

发明内容

针对上述现有技术存在的问题，本发明的目的在于提出一种调整网格间距的改进AGIMM方法，该种调整网格间距的改进AGIMM方法是一种根据残差信息进行机动判别进而自适应调整网格间距的改进AGIMM方法，并且在非机动时刻利用一维搜索的思想搜索最佳角速度以适应真实角速度，不仅能够改善对机动时刻的自适应能力，而且也能够提高对非机动时刻的跟踪精度和对角速度的估计速度。

为达到上述技术目的，本发明采用如下技术方案予以实现。

一种调整网格间距的改进AGIMM方法，包括以下步骤：

步骤1，确定雷达，所述雷达扫描范围内存在目标，雷达对目标进行扫描探测；建立雷达直角坐标系和雷达极坐标系，确定在雷达直角坐标系下雷达对目标的量测值，分别得到雷达对目标的初始状态向量以及雷达对目标的初始误差协方差矩阵P₀；分别确定交互模型集及交互模型集初始值，交互模型集包括L个机动转弯子模型

步骤2，初始化：令k′表示k'采样时刻，k′＝3～N，k'的初始值为3；根据雷达对目标的初始状态向量以及雷达对目标的初始误差协方差矩阵P₀确定交互模型集的卡尔曼滤波初始值；

步骤3，根据k'-1采样时刻交互模型集的卡尔曼滤波值，计算k'采样时刻第j个机动转弯子模型的新息值V_j(k')和k'采样时刻第j个机动转弯子模型的新息协方差矩阵 S_j(k')，以及k'采样时刻第j个机动转弯子模型的状态向量滤波输出值和k'采样时刻第j个机动转弯子模型的误差协方差滤波输出值P_j(k'|k')；j＝1,2,…,L；