[发明专利]一种针对单雷达直线航迹线的目标状态估计方法

说明书

本发明属于传感器目标跟踪与数据融合技术领域，具体涉及一种在复杂数据环境中，且系统噪声和观测噪声均未知的情况下，针对单雷达直线航迹线的目标状态估计方法。该方法其充分利用目标处于匀速直线运动状态这一特点，分别对当前有限测量点的X、Y分量进行相对于的测量时间的垂直距离加权估计，然后根据得到的分量直线航迹线模型参数确定最终的目标状态估计(位置、速度、航向)结果。对比试验表明，该方法不但易于工程实现，而且比传统卡尔曼滤波方法具有更优的目标状态估计效果。

技术领域

本发明属于传感器目标跟踪与数据融合技术领域，具体涉及一种在复杂数据环境中，且系统噪声和观测噪声均未知的情况下，针对单雷达直线航迹线的目标状态估计方法。

背景技术

目标跟踪是指利用传感器(雷达、声纳、红外等)所获得的对运动目标(飞机、坦克、舰艇等)的时序离散观测数据，对目标的运动状态(位置、速度、航向、加速度等)进行估计和跟踪的方法。卡尔曼滤波是目标跟踪与数据融合应用中一种经典的最优线性无偏估计方法，当目标状态空间和测量空间均为线性高斯系统时，可以在干扰噪声背景中对目标运动状态进行最小方差估计和跟踪，而且它是一种递推估计方法，根据每一时刻的观测数据进行滤波更新，大大减少了计算量和存储量，容易满足实时计算要求，因而得到了广泛的实际应用并成为目标跟踪领域的理论基础。

在多雷达组网探测与目标跟踪系统(以下简称“系统”)中，虽然传感器类型相对单一，但是雷达跨代使用、部署分散且地域跨度大，微波、短波、光缆、电缆等多种数据传输手段并存，探测环境易受电磁、气象、季节等因素影响，因此，传统卡尔曼滤波方法在本系统应用中存在以下难点：

1、传统卡尔曼滤波应用条件比较苛刻，与实际系统中复杂的应用数据环境之间存在矛盾。实际系统中测量数据采样间隔较大、测量误差、坐标转换误差以及数据标定与传输误差同时存在。而卡尔曼滤波要求系统模型精确以及系统误差模型和观测误差模型已知，这在实际应用中是很难满足的，或者在系统工作过程中，任一误差分量模型发生变化，都将导致传统卡尔曼滤波方法发散或精度降低。

2、过程噪声协方差Q和量测噪声协方差R在参数值选取上存在困难，且不能兼顾稳态性和瞬时性。传统卡尔曼滤波算法中需要预先估计过程噪声协方差Q和量测噪声协方差R，且在整个滤波过程中保持不变，所以当这两个估计噪声协方差矩阵参数不准确时，在滤波过程中将产生累计误差，导致滤波发散。同时，当Q取值较小，R取值较大时，滤波后形成的目标状态估值稳态性较好，但瞬时性变差，表现在目标位置估计上就是时间配准点(同一时刻目标真实位置点与估计位置点)间距较大，有时可能落后一个测量周期。反之，当Q取值较大，R取值较小时，滤波后形成的目标状态估值瞬时性较好，但稳态性较差，表现为：目标位置估计上更加靠近测量点位置，但是目标航向和速度估值变化较大，这样滤波也就失去了意义。

3、系统测量中不可避免的野值出现，对传统卡尔曼滤波器的工作产生严重影响。由于雷达故障、人为因素或外部观测条件发生改变，就有可能使观测数据发生突变，即出现野值(也称为飞点)。野值可能导致滤波发散或目标状态估计在短时间内失效，表现为估值航迹线出现较大锯齿、目标航向和速度估计突变。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何提供一种在复杂数据环境中，且系统噪声和观测噪声均未知的情况下，针对单雷达直线航迹线的目标状态估计方法。

(二)技术方案

为解决上述技术问题，本发明提供一种针对单雷达直线航迹线的目标状态估计方法，所述估计方法应用于单雷达数据跟踪与多雷达数据融合系统的前期数据预处理过程中；

所述修正方法包括如下步骤：