[发明专利]一种基于多维时空数据的高精度动态轨迹约束方法

权利要求书

1.一种基于多维时空数据的高精度动态轨迹约束方法，其特征在于：包括根据CA数学模型描述方法选取含时变噪声的静止状态、螺旋半径逐渐增大的螺旋上升运动和直线加速蛇形运动三种运动状态，通过仿真实验，将区间卡尔曼滤波算法和传统卡尔曼滤波算法进行对比；

第一种运动状态：静止状态

真实运动轨迹静止在点上，运动方程为公式(1-1)，真实运动轨迹加上时变噪声后，分别经过卡尔曼滤波和区间卡尔曼滤波后的三维坐标点得出经过区间卡尔曼滤波的轨迹更接近目标真实位置，处理时变噪声有很大的优势；

静止状态仿真运动方程：

当静止目标加上时变噪声后，分别经过卡尔曼滤波、区间卡尔曼滤波以及未进行滤波处理的数据与目标真实轨迹的误差，得出经过区间卡尔曼滤波的数据与目标真实轨迹误差最小，处理时变噪声有很大的优势；

第二种运动状态：螺旋上升运动

真实运动轨迹为螺旋上升运动，运动方程为公式(1-2)，真实轨迹加入时变噪声后，分别经过卡尔曼滤波和区间卡尔曼滤波的三维坐标点得出区间卡尔曼滤波的结果更接近真实轨迹；

螺旋上升状态仿真运动方程：

当螺旋上升运动目标加上时变噪声后，分别经过卡尔曼滤波、区间卡尔曼滤波以及未进行滤波处理的数据与目标真实轨迹的误差，得出经区间卡尔曼滤波的数据与目标真实轨迹误差最小，处理时变噪声有很大的优势；

第三种运动状态：加速蛇行运动

真实运动轨迹直线加速蛇形运动，运动方程为公式(1-3)，真实轨迹加入时变噪声后，分别经过卡尔曼滤波和区间卡尔曼滤波的三维坐标点得出区间卡尔曼滤波的结果更接近真实轨迹；

加速蛇行运动状态仿真运动方程：

当螺旋上升运动目标加上时变噪声后，分别经过卡尔曼滤波、区间卡尔曼滤波以及未进行滤波处理的数据与目标真实轨迹的误差，得出经区间卡尔曼滤波的数据与目标真实轨迹误差最小，处理时变噪声有很大的优势。

2.根据权利要求1所述的一种基于多维时空数据的高精度动态轨迹约束方法，其特征在于：所述CA数学模型中，Φ_k,k-1和H_k表示为：

通常用来描述在高动态目标导航定位，通过全球定位系统(GPS)，惯性导航系统(INS)等系统得到运动物体的位置、速度、加速度信息，即假设在两个采样点间隔内的加速度值是常量。

3.根据权利要求1所述的一种基于多维时空数据的高精度动态轨迹约束方法，其特征在于：所述动态目标的运动数学模型采用CA数学模型，三种运动状态中加入的噪声均为时变噪声。

4.根据权利要求3所述的一种基于多维时空数据的高精度动态轨迹约束方法，其特征在于：所述时变噪声采样时间t＝0.1s，并且取相同的估计值和区间范围：

R_k＝10×diag([1 1 1 1 1 1 1 1 1])

Q_k＝diag([1 1 1 1 1 1 1 1 1])

ω(x)＝[1 1 1 0.2 0.2 0.2 0.02 0.02 0.02]。

5.根据权利要求1所述的一种基于多维时空数据的高精度动态轨迹约束方法，其特征在于：所述三种运动状态的动态目标对应的位置、速度和加速度信息，分别用卡尔曼滤波和区间卡尔曼滤波处理，然后把处理结果同未进行滤波的数据作比较。

6.根据权利要求1所述的一种基于多维时空数据的高精度动态轨迹约束方法，其特征在于：所述第一种运动状态中真实运动轨迹静止的点坐标为(10,10,10)。

7.根据权利要求1所述的一种基于多维时空数据的高精度动态轨迹约束方法，其特征在于：所述静止状态、螺旋上升运动和直线加速蛇形运动目标的运动信息采用不同滤波算法分别进行1000次模拟，取信噪比的平均值，得到信噪比数据，以进行定量分析。