[发明专利]一种纯角度跟踪伪线性滤波方法

说明书

本发明涉及一种纯角度跟踪伪线性滤波方法，该方法对每个跟踪周期依次执行如下步骤：从观测雷达处获取量测信息，若当前周期为起始周期，则通过在真实目标状态周围形成高斯分布，生成目标状态估计；根据获取的量测信息，利用状态方程计算状态一步预测及状态预测协方差；利用拟线性量测方程计算量测一步预测和量测预测协方差；根据状态的一步预测得到方位角预测值和预测量测矩阵，进而计算被估计的状态和量测之间的互协方差；计算更新状态估计和状态估计协方差，完成当前周期的目标跟踪。本发明提供的纯角度跟踪伪线性滤波方法能够有效改善目标跟踪性能。

技术领域

本发明涉及空间目标跟踪技术领域，尤其涉及一种纯角度跟踪伪线性滤波方法。

背景技术

雷达一般是通过距离、方位角以及多普勒速度等量测信息来定位和跟踪目标。而纯角度跟踪是仅通过使用移动传感器测量移动目标的时变方位角来估计目标运动轨迹的方法，即量测信息只有方位角这一种参量。纯角度跟踪通常需要传感器平台做超前于目标运动状态的机动运动，从而使得目标跟踪轨迹可以被观测。

纯角度跟踪问题的主要挑战是方位角量测与目标状态向量(目标位置和速度)之间是非线性关系。因此传统的卡尔曼滤波器已经不再适用于纯角度跟踪问题，于是解决非线性问题的各种滤波器开始应用于纯角度跟踪问题中。目前，一种重要的方法是通过数学运算构造伪量测，将非线性量测方程转换为伪线性量测方程，从而将卡尔曼滤波器应用于纯角度跟踪中，即伪线性卡尔曼滤波(pseudo-linear Kalman filter，PLKF)。PLKF经过构造伪量测方程导致了量测矩阵和量测噪声相关，因此其的主要缺点是存在状态估计偏差，这会严重恶化其跟踪性能，最小均方根误差(RMSE)性能非常不好。偏差补偿(Biascompensation)伪线性卡尔曼滤波方法(BC-PLKF)在PLKF基础上分析PLKF的偏差，并推导出一种状态偏差补偿方法，得到了一种闭合形式的降阶偏差伪线性估计方法。该方法与PLKF相比，其最小均方根误差改善很大，但是当量测噪声变大时，BC-PLKF的RMSE性能仍然相对比较差。选择方位角测量(the selective-angle-measurement，SAM)工具变量(instrumental variable，IV)卡尔曼滤波方法(SAM-IVKF)将IV估计方法应用于BC-PLKF中，形成一种新的混合估计方法，与PLKF、BC-PLKF相比，SAM-IVKF有最好的RMSE估计性能，但是同时也增加了计算复杂度。

因此，针对以上不足，需要提供一种性能更佳的纯角度跟踪伪线性滤波方法。

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解决现有技术中纯角度跟踪方法往往存在状态估计偏差大、跟踪性能差等问题。

(二)技术方案

为了解决上述技术问题，本发明提供了一种纯角度跟踪伪线性滤波方法，对每个跟踪周期依次执行如下步骤：

S1、从观测雷达处获取量测信息，若当前周期为起始周期，则通过在真实目标状态周围形成高斯分布，生成目标状态估计；

S2、根据获取的量测信息，利用状态方程计算状态一步预测及状态预测协方差；其中状态方程通过纯角度跟踪问题的状态空间模型得到；

S3、利用拟线性量测方程计算量测一步预测和量测预测协方差；其中拟线性量测方程通过构造伪量测得到；

S4、根据状态的一步预测得到方位角预测值和预测量测矩阵，进而计算被估计的状态和量测之间的互协方差；

S5、利用状态一步预测、状态预测协方差、量测一步预测、量测预测协方差，以及状态和量测之间的互协方差，计算更新状态估计和状态估计协方差，完成当前周期的目标跟踪。

优选地，所述步骤S3中利用拟线性量测方程计算量测预测协方差时，采用如下步骤计算量测预测协方差中的交叉项：