[发明专利]用于改进的卡尔曼滤波目标跟踪的自适应过程噪声描述

说明书

一种使用卡尔曼滤波器的雷达系统执行目标跟踪的系统和方法，其包括：预测由雷达系统所检测到的目标在一帧内的预测目标位置。该帧是从雷达系统的每个发射元件依次发射并接收来自目标范围的反射的一段时间。该方法还包括基于雷达系统针对该帧所接受到的反射来确定雷达系统所检测到的目标的实际目标位置，并且紧接着该帧基于预测目标位置和实际目标位置计算下一帧的过程噪声协方差矩阵Q。基于过程噪声协方差矩阵Q来预测下一帧中目标的位置。

引言

本发明涉及目标跟踪。

雷达系统用于检测和跟踪来自各种平台的目标。示例性的平台包括车辆(例如，汽车、建筑设备、农场设备、自动化工厂)、飞机和船舶。一旦检测到目标，就可以使用一组算法来从一帧到下一帧跟踪该目标。在使用移动平台的情况下，平台上的目标和雷达系统都可以移动。该算法基于其运动学行为和测量值来估算下一雷达帧中目标的投射状态。卡尔曼滤波器通常用于目标跟踪，该目标跟踪既考虑目标运动模型又考虑测量值以提供目标状态的更新。经典的卡尔曼滤波器适用于线性模型，但当估计雷达返回参数时所必须考虑的空间是球形的。因此，期望提供一种考虑遵循非线性运动模型的目标的目标追踪模型。

发明内容

在一个示例性实施例中，一种使用卡尔曼滤波器的雷达系统执行目标跟踪的方法，其包括：预测由雷达系统所检测到的目标在一帧内的预测目标位置。该帧是从雷达系统的每个发射元件依次发射并接收来自目标范围的反射的一段时间。确定雷达系统所检测到的目标的实际目标位置是基于雷达系统针对该帧所接收到的反射，并且紧接着该帧计算下一帧的过程噪声协方差矩阵Q是基于预测目标位置和实际目标位置。基于过程噪声协方差矩阵Q来预测下一帧中的目标的位置。

除了这里描述的一个或多个特征之外，计算过程噪声协方差矩阵Q是作为两个协方差矩阵的加权线性组合。

除了这里描述的一个或多个特征之外，过程噪声协方差矩阵Q由下式给出：

Δ_x，Δ_y，Δ_vx和Δ_vy分别为预测目标位置和实际目标位置之间的x位置、y位置、沿x轴速度、以及沿y轴速度上的误差。

除了本文描述的一个或多个特征之外，确定Δ_x，Δ_y，Δ_vx和Δ_vy中的每一个作为第一模型和第二模型的加权线性组合，第一模型假设沿着y轴的速度为零而第二模型假设沿x轴的速度为零。

除了本文描述的一个或多个特征之外，确定加权线性组合的每个分量的权重是作为预定义的值，或是基于第一模型相关分量和第二模型相关分量的比较。

在另一个示例性实施例中，用卡尔曼滤波器执行目标跟踪的系统包括用于检测帧中目标的雷达系统。该帧是从雷达系统的每个发射元件依次发射并接收来自目标范围的反射的一段时间。该系统还包括具有处理器的控制器，以预测帧中目标的预测目标位置，基于雷达系统针对该帧所接收到的反射来确定目标的实际位置，紧接着该帧基于预测目标位置和实际目标位置计算下一帧的过程噪声协方差矩阵Q，并且基于过程噪声协方差矩阵Q来预测下一帧中目标的位置。

除了本文描述的一个或多个特征之外，控制器将过程噪声协方差矩阵计算为两个协方差矩阵的加权线性组合。

除了本文描述的一个或多个特征之外，控制器计算过程噪声协方差矩阵Q，如下式：

Δ_x，Δ_y，Δ_vx和Δ_vy分别为预测目标位置和实际目标位置之间的x位置、y位置、沿x轴速度、以及沿y轴速度上的误差。