[发明专利]一种基于MGEKF的多传感器目标跟踪方法

权利要求书

1.一种基于MGEKF的多传感器目标跟踪方法，其特征在于，所述跟踪方法包括观测和卡尔曼滤波处理，具体如下：

所述观测为通过多传感器完成对运动目标的方位角探测：令有N个观测站，k时刻坐标分别为(x_i(k),y_i(k)),i＝1,2...,N，k时刻获得观测向量Z＝[Z₁,...,Z_N]^T；k时刻目标的运动状态为其中x,y表示目标位置信息，表示目标速度信息；建立观测方程为：

其中为非线性观测方程，可以转化为θ_i(k)，θ_i(k)为k时刻第i个传感器的观测值，传感器测量的是目标与正北方的夹角，W(k)是零均值高斯白噪声，其功率谱密度为σ²，目标的运动方程X(k)为

X(k)＝F(k,k-1)X(k-1)+V(k)

其中为状态转移矩阵，I是单位矩阵，T是采样间隔，为系统扰动噪声，w_xk是x方向的扰动，w_yk是y方向的扰动；

所述卡尔曼滤波处理的具体方法为：

S1、利用第1时刻的观测值得到目标运动状态初始值，状态估计值估计误差自相关矩阵

S2、根据k-1时刻的X(k-1)和P(k-1)，获得目标状态一步预测值及误差自相关矩阵：

P(k|k-1)＝F(k,k-1)P(k-1)F(k,k-1)+V(k-1)

S3、将观测矩阵线性化：

其中r_i²＝(y_i-y)²+(x_i-x)²,i＝1,2,...,N，X^-为运动状态向量在预测点的一阶泰勒展开；

S4、计算卡尔曼增益：

K＝P(k|k-1)H(X^-)^T(H(X^-)P(k|k-1)H(X^-)^T+W(k))^-1

S5、计算状态估计：

S6、计算修正增益矩阵，任意设置一个伪目标，其运动状态向量为其中是伪目标的x坐标，是y坐标，是x方向加速度，是y方向加速度，则获得修正增益矩阵：

其中x(k)，y(k)为k时刻的状态估计的位置信息，x_i,y_i是第i个传感器的位置；

S7、计算状态估计自相关矩阵：

S8、输出k时刻的更新状态量和P(k)作为目标跟踪结果。