[发明专利]基于卡尔曼滤波的记忆跟踪算法

权利要求书

1.一种基于卡尔曼滤波的记忆跟踪算法，其特征在于，包括以下步骤：

(1)设备跟踪角度提取：在自跟踪状态下提取伺服跟踪角度数据，判断数据合法性并存入缓存；

(2)卡尔曼滤波：建立天线跟踪运动模型，设定滤波的初始条件，根据天线的初始状态来建立滤波器的起始估计，完成实时递推滤波；

(3)数据外推：对滤波后的位置、角速度和角加速度数据采用外推算法进行数据外推，外推最大时长限定为10s；

(4)插值运算：对记忆跟踪外推后的数据按照设备采样要求进行插值，保证记忆跟踪时天线能够平滑运行。

2.根据权利要求1所述的基于卡尔曼滤波的记忆跟踪算法，其特征在于：步骤1所述的设备跟踪角度提取：

2.1在实际的目标飞行器测控中，均已获得飞行器的理论弹道，通过遥测设备获取目标飞行器的实测数据，在遥测设备自跟踪状态下提取伺服跟踪角度数据即飞行器失锁转记忆跟踪前产生跳变的角度、速度及加速度数据；

2.2数据合法性的判断，通过与理论弹道进行对比，判定转记忆跟踪前收集到的实测数据是否有效；

2.3将上述有效的数据进行缓存，作为观测值，用于卡尔曼滤波算法的输入数据，完成实时递推。

3.根据权利要求1所述的基于卡尔曼滤波的记忆跟踪算法，其特征在于：步骤2所述的卡尔曼滤波：

2.1卡尔曼滤波算法

设在时刻j得到的观测值为X₁,X₂,...,X_j，卡尔曼滤波通过这些观测值求得状态S(n)的最佳线性估计卡尔曼滤波方程如下；

滤波方程：

信息方程：

预测方程：

增益方程：K(n)＝P(n|n-1)C^T(n)[C(n)P(n|n-1)C^T(n)+R(n)]^-1

预测误差：P(n|n-1)＝A(n)P(n-1)A^T(n)+Q(n-1)

误差方程：P(n)＝[I-K(n)C(n)]P(n|n-1)

其中为当前滤波值，为上一次的滤波值，为预测值，X(n)为当前观测值，为滤波所需新息值，A(n)为状态转移矩阵，Q(n)为状态噪声协方差矩阵，R(n)为测量噪声协方差矩阵，C(n)为测量转移矩阵；滤波从已知的初始值P(0)出发，以递推的方式进行；

2.2天线运动模型建立

使用卡尔曼滤波器作为预测器，要建立系统的状态方程，即确定A(n)和C(n)；在测站坐标系下目标运动模型其卡尔曼滤波方程关键参数如下：

其中，A_x、A_v和A_a分别为天线方位向角度、角速度和角加速度，E_x、E_v和E_a分别为天线俯仰向角度、角速度和角加速度，T为飞行相对时间；

2.3滤波器初始化

根据卡尔曼滤波方程建立滤波器，对缓存数据进行滤波；假设目标状态即缓存数据中的方位向初始两点角度为A_x(1)、A_x(2)，俯仰向初始两点角度为E_x(1)、E_x(2)，则有：

为目标信息方程代入初始参数A_x(1)、A_x(2)、E_x(1)、E_x(2)后得到的状态，T为初始两点之间统计间隔时间；

起始估计的误差为：

X'代表起始估计的误差，X(2)为在初始统计第二点的位置、速度信息，代表目标信息方程代入初始参数A_x(1)、A_x(2)、E_x(1)、E_x(2)后得到的位置、速度信息；

起始估计的误差协方差阵为：

其中，和分别为天线方位向角度协方差、角加速度协方差和天线俯仰向角度协方差、角加速度协方差，T为飞行相对时间。