[发明专利]一种融合多普勒量测的转换量测跟踪方法及系统

说明书

本发明公开了一种融合多普勒量测的转换量测跟踪方法及系统，属于雷达目标跟踪技术领域，包括步骤：S1：初始化目标状态；S2：更新视线坐标系；S3：构造转换量测模型；S4：估计目标状态；S5：下一时刻目标状态估计。为了克服多普勒量测的强非线性，在视线坐标系内对目标跟踪；在每个滤波时刻，追踪雷达到目标视轴的变化并更新视线坐标系，将目标状态、雷达量测转换到更新后的视线坐标系内；视线坐标系内的转换量测和目标状态间满足线性关系，从而提高滤波性能，减小计算量。该融合方法可以扩展到带多普勒的三坐标雷达的跟踪应用中。发明克服了多普勒量测和目标状态间的强非线性，能够以较小的计算量对目标跟踪，在估计精度和置信度都具有较好性能。

技术领域

本发明涉及雷达目标跟踪技术领域，具体涉及一种融合多普勒量测的转换量测跟踪方法及系统。

背景技术

雷达目标跟踪中，目标状态模型一般在直角坐标系下建立，而量测模型是在极/球坐标系下获得，状态和量测的不兼容产生非线性估计问题。为解决该问题，扩展卡尔曼滤波

(EKF)、无迹滤波(UKF)、容积卡尔曼滤波(CKF)、粒子滤波(PF)、转换量测卡尔曼滤波(CMKF)等多种方法被相继提出。其中的CMKF方法因为精度较高、实时性好、实现简单等特点，在实际中得到广泛应用。CMKF的思想是先将极/球坐标下的非线性量测变换为直角坐标系内的伪线性表达，再用标准卡尔曼滤波器跟踪，具有较好综合性能。

理论计算和实践证明：利用多普勒信息可以有效提高目标跟踪精度。由于多普勒和目标状态的强非线性关系，EKF等方法的处理效果很差。有学者提出用斜距和多普勒量测的乘积构造伪量测，减弱多普勒量测和目标状态的非线性程度，再用CMKF方法序贯滤波跟踪的思想，该方法需要对位置和伪量测去相关，再用位置量测和伪量测分别序贯滤波，计算复杂度较高。另有学者提出基于转换多普勒量测的最优线性无偏滤波器，克服了CMKF方法的固有缺陷，但是该方法的滤波参数的表达式比较复杂。还有学者提出基于静态融合的CMKF方法，用位置量测和伪量测分别独立滤波，再通过静态融合去除二者的相关性，取得满意的结果。但该方法需要两个滤波器和一个静态估计器，计算复杂度高。为克服以上方法缺点，提出一种融合多普勒量测的转换量测跟踪方法及系统。

发明内容

本发明所要解决的技术问题在于：克服多普勒量测和目标状态间的强非线性，以较小的计算量对目标状态精确估计，提供一种融合多普勒量测的转换量测跟踪方法。

本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：

S1：初始化目标状态

在k＝0时刻，获得雷达量测；在k＝1时刻，再次获取雷达量测，设雷达对目标均匀采样，采样间隔为T，估计k＝1时刻视线坐标内的初始状态估计和初始协方差阵，以及直角坐标系到视线坐标系的初始转换矩阵M₁；

S2：更新视线坐标系

在k＞1时刻，收到雷达各量测后，预测目标状态及其协方差阵，更新视线坐标系；

S3：构造转换量测模型

在步骤S2更新后的视线坐标系内，基于步骤S2中更新后的目标预测及其协方差阵，判断是否能够引入多普勒量测，并根据判断结果构造含或不含多普勒量测的转换量测，估计转换量测的协方差阵以及量测系数矩阵；

S4：估计目标状态

根据步骤S2中更新后的目标预测及其协方差阵，结合步骤S3中得到的转换量测、转换量测的协方差阵以及量测系数矩阵，估计目标状态，根据需要输出目标在直角坐标系的状态估计和估计协方差阵；

S5：下一时刻目标状态估计

进入下一个采样时刻，重复步骤S2～S4，递推估计目标在视线坐标系内的状态。