[发明专利]一种基于强跟踪滤波的雷达目标跟踪方法

权利要求书

1.一种基于强跟踪滤波的雷达目标跟踪方法，其特征在于，适用于目标运动状态的雷达目标跟踪过程，所述方法包括：

根据目标的运动特征，通过引入次优渐消因子，构建用于对目标运动状态进行强跟踪滤波的强跟踪滤波器模型；

基于所述强跟踪滤波器模型，重复执行目标的强跟踪滤波，获得目标的运动状态跟踪信息。

2.根据权利要求1所述的基于强跟踪滤波的雷达目标跟踪方法，其特征在于，所述根据目标的运动特征，通过引入次优渐消因子，构建用于对目标运动状态进行强跟踪滤波的强跟踪滤波器模型，包括：

根据目标的运动特征，确定目标的运动模型，进而确定目标的过程噪声协方差和观测噪声协方差；

根据所述过程噪声协方差和观测噪声协方差，构建Kalman滤波器第一模型；

于所述过程噪声协方差矩阵中引入次优渐消因子，将所述Kalman滤波器第一模型变换为Kalman滤波器第二模型。

3.根据权利要求2所述的基于强跟踪滤波的雷达目标跟踪方法，其特征在于，所述于所述过程噪声协方差矩阵中引入次优渐消因子，将所述Kalman滤波器第一模型变换为Kalman滤波器第二模型，包括：

构建次优渐消因子，并将所述次优渐消因子引入所述过程噪声协方差；

采用近似次优方法解算所述次优渐消因子；

基于解算后的所述次优渐消因子，将所述Kalman滤波器第一模型变换为Kalman滤波器第二模型。

4.根据权利要求3所述的基于强跟踪滤波的雷达目标跟踪方法，其特征在于，所述于所述过程噪声协方差矩阵中引入次优渐消因子，将所述Kalman滤波器第一模型变换为Kalman滤波器第二模型，还包括：

于构建所述次优渐消因子过程中，引入用于削弱所述次优渐消因子调节作用的弱化因子β。

5.根据权利要求1所述的基于强跟踪滤波的雷达目标跟踪方法，其特征在于，所述根据目标的运动特征，通过引入次优渐消因子，构建用于对目标运动状态进行强跟踪滤波的强跟踪滤波器模型，包括：

根据目标的运动特征，确定目标的运动模型，进而确定目标的过程噪声协方差和观测噪声协方差；

根据所述过程噪声协方差和观测噪声协方差，构建Kalman滤波器第一模型；

于所述过程噪声协方差矩阵中引入多种次优渐消因子，将所述Kalman滤波器第一模型变换为Kalman滤波器第三模型。

6.根据权利要求1所述的基于强跟踪滤波的雷达目标跟踪方法，其特征在于，所述目标的强跟踪滤波，包括：

获取目标于当前时刻的运动状态信息，作为当前时刻目标运动状态的观测值；

获取目标于上一时刻的强跟踪滤波结果；所述强跟踪滤波结果包括于上一时刻的运动状态的最优估计，和于上一时刻的运动状态的估计误差协方差；

根据所述上一时刻的估计误差协方差，获取当前时刻的运动状态的预测误差协方差，以及根据当前时刻的预测误差协方差，确定当前时刻的所述滤波增益，进而确定了当前时刻的所述强跟踪滤波器模型；

根据上一时刻的最优估计，结合当前时刻的观测值，并基于所述当前时刻的强跟踪滤波器模型，获取当前时刻的最优估计；以及，根据当前时刻的所述滤波增益，结合当前时刻的观测值，获取当前时刻的估计误差协方差；所述当前时刻的估计误差协方差和当前时刻的最优估为当前时刻的强跟踪滤波结果。