[发明专利]一种基于预测值处理多普勒量测的机动目标跟踪系统及方法

权利要求书

1.一种基于预测值处理多普勒量测的机动目标跟踪方法,首先设交互多模算法包含N个运动模型,已知雷达采样周期为T，获取的量测数据分别为距离量测r_m(k)、方位角量测α_m(k)和多普勒量测带下标m字符表示量测数据,其量测噪声是零均值高斯白噪声，距离量测、方位角量测和多普勒量测的方差分别为和距离量测和多普勒量测噪声相关系数为ρ,在直角坐标系下，系统状态噪声v(k)＝[v_x v_y]^T，v_x和v_y是位置状态在x和y方向的高斯过程噪声，其均值为零，协方差Q(k)＝diag(q,q)，q表示各个方向上的噪声方差；

该方法包括以下步骤；

步骤1：输入交互的计算；

步骤1.1计算混合概率；

k时刻运动模型为j条件下，k-1时刻运动模型为i的概率为

其中，μⁱ(k-1)为k-1时刻运动模型i的更新概率，π_ij为运动模型转换概率，C_j为归一化常数，有

步骤1.2：计算运动模型j的位置状态滤波器输入的位置状态估计和误差自相关矩阵

步骤1.3：计算运动模型j的多普勒伪状态滤波器输入的多普勒伪状态估计和误差自相关矩阵

步骤1.4:计算运动模型j滤波器输入的位置和多普勒伪状态估计误差互协方差矩阵；

其中，为上一时刻运动模型i的位置和多普勒伪状态误差互协方差，表示上一时刻模型i位置状态估计结果，表示上一时刻模型i多普勒伪状态估计结果；

步骤2：计算无偏量测；

步骤2.1：位置量测的无偏量测

步骤2.2：多普勒伪量测的无偏量测

步骤3：滤波器j的位置状态估计；

步骤3.1：目标位置状态预测

其中：x_t、y_t、和分别表示目标在j运动模型下x和y方向的位置、速度和加速度；

步骤3.2：目标位置状态预测误差协方差P_p^(j)(k|k-1)；

步骤3.3：在预测距离r_t和预测方位角α_t及其预测误差方差条件下，计算位置去偏量测转换误差协方差R_p^(j)；

各元素详情如下：

R_xy＝R_yx

其中，

步骤3.4：计算位置状态滤波增益；

其中，H_p为位置量测矩阵；

步骤3.5：计算位置量测新息

步骤3.6：计算位置状态估计和状态估计误差协方差矩阵

其中，

步骤4：滤波器j的多普勒伪状态估计；

步骤4.1：计算多普勒伪状态的预测值

步骤4.2：计算多普勒伪状态的预测误差协方差

步骤4.3：在预测距离r_t、预测多普勒速度及其预测误差方差条件下，计算多普勒量测转换误差协方差R_η^(j)；

R_η^(j)＝[R_ηη] (7)

各元素值如下：

其中，

步骤4.4：计算多普勒伪量测预测误差协方差；

其中，H_η为多普勒伪量测矩阵，表示多普勒伪状态的预测误差协方差，表示多普勒量测转换误差协方差；

步骤4.5：计算多普勒伪状态滤波增益；

步骤4.6：计算多普勒伪量测新息；

其中，n_η是多普勒伪状态的维数；

步骤4.7：计算多普勒伪状态估计；

表示多普勒伪状态滤波增益，表示多普勒伪量测新息；

步骤4.8：计算多普勒伪状态估计误差协方差；

步骤5：运动模型j的位置和多普勒估计误差互协方差；

步骤5.1：在预测距离r_t、预测方位角α_t和预测多普勒速度及其预测误差方差条件下，计算位置量测和多普勒伪量测转换误差互协方差

各元素值如下：

步骤5.2：计算位置和多普勒伪状态估计误差互协方差

其中：I表示单位矩阵，表示位置状态滤波增益，H_p表示位置量测矩阵，表示模型j的状态转移矩阵，表示模型j滤波器输入的位置和多普勒伪状态估计误差互协方差矩阵，表示模型j的多普勒伪状态转移矩阵，和表示模型j的多普勒伪状态噪声输入矩阵，x_Γ^(j)表示模型j的位置状态在多普勒伪状态中的噪声输入矩阵分量，表示模型j的位置量测和多普勒伪量测转换误差互协方差；

步骤6：运动模型j的位置状态估计和多普勒伪状态估计进行融合；

步骤6.1：根据如下公式计算量测先验均值

其中，向量函数c()表示直角坐标系下位置状态和多普勒伪状态关系，表示c()在第i个状态元素的Hessian矩阵，表示当前时刻模型j的位置状态估计值，n_η表示多普勒伪状态维数，e_i表示第i个n_η维基向量，表示当前时刻模型j的位置状态估计误差协方差；

步骤6.2：计算先验状态和先验量测估计误差互协方差

其中表示c()的Jacobian矩阵，表示模型j的位置和多普勒伪状态估计误差互协方差矩阵；

步骤6.3：计算先验量测估计误差协方差；

其中：表示模型j的多普勒伪状态估计误差协方差，e_j表示第j个n_η维基向量；

步骤6.4：计算最终状态估计结果；

其中：表示模型j的多普勒伪状态估计结果；

步骤6.5：计算最终状态估计误差协方差；

步骤7：计算更新的运动模型概率；

步骤7.1：计算位置模型概率其中，表示运动模型j位置信息的似然函数，表示模型j的位置状态归一化常数；

步骤7.2：计算多普勒模型概率其中，表示运动模型j多普勒信息的似然函数，表示模型j的多普勒伪状态归一化常数；

步骤7.3：计算运动模型概率μ^j(k)；

步骤8：计算加权的状态估计和状态误差自相关矩阵的组合；

步骤9、重复步骤1-8进行递推滤波算法，实现目标跟踪。