[发明专利]一种基于多普勒量测自适应处理的雷达目标跟踪方法

说明书

本发明属于多普勒雷达目标跟踪领域，特别涉及一种基于多普勒量测自适应处理的雷达目标跟踪方法。本发明基于BLUE‑KF的位置量测滤波方法和自适应伪信息的选取，实现可处理多普勒量测的序贯滤波。其中，基于BLUE‑KF方法的位置量测滤波方法实现了基于预测值量测转换的无偏估计；同时利用基于预测值的转换伪量测，获得伪状态的无偏估计。在此基础上，基于伪量测误差协方差与伪状态估计误差协方差的差异度变化率自适应地选取转换伪量测或伪状态估计进行序贯滤波。本发明在系统能够同时获得目标位置量测和多普勒量测的情况下，实现对目标非线性量测的自适应处理和目标的有效跟踪，且具有较高的跟踪精度。

技术领域

本发明属于多普勒雷达目标跟踪领域，特别涉及一种基于多普勒量测自适应处理的雷达目标跟踪方法。

背景技术

在雷达目标跟踪中，目标的状态方程一般是建立在直角坐标系下的，而量测值一般是在极坐标系下获得的。这样，目标跟踪就成为一个非线性估计问题。为了解决这一问题，许多研究都集中在混合坐标系中的非线性量测跟踪问题上，包括扩展卡尔曼滤波器(Extend Kalman Filter，EKF)，不敏卡尔曼滤波器(Unscented Kalman Filter,UKF)和粒子滤波器(Particle Filter,PF)。由于EKF中的泰勒级数展开近似，不敏卡尔曼滤波器的确定性采样方法，这些方法在强非线性度时滤波效果不佳，甚至发散。粒子滤波方法虽然比其他非线性滤波器具有更好的性能，但由于其滤波方法涉及到大量粒子的计算，其复杂的运算量使得粒子滤波的实现较为困难。

除上述方法外，可以利用基于MMSE准则的最佳线性无偏估计(Best linearunbiasedEstimation,BLUE)滤波器解决量测非线性问题,文献[Zhao Z,Li X R,Jilkov VP.Best linear unbiased filtering with nonlinear measurements for targettracking.IEEE Transactions on Aerospace and Electronic Systems,2004,40(4):1324-1336.]推导了基于位置量测信息的BLUE方法。当目标的多普勒量测信息可以同时获取时,文献(WeiWang,DanLi,LipingJiang.BestlinearunbiasedestimationalgorithmwithDopplermeasurementsinsphericalcoordinates.系统工程与电子技术(英文版),2016,27(1):128-139.)提出可处理多普勒量测的最佳线性无偏估计滤波器的递归形式。