[发明专利]一种视线坐标系内的解耦CMKF跟踪方法及系统

权利要求书

1.一种视线坐标系内的解耦CMKF跟踪方法，其特征在于，包括以下步骤：

S1：滤波器初始化

设时刻k获得的雷达观测为r_k、θ_k，估计视线坐标系的目标状态和协方差阵其中k＝0,1；

S2：更新视线坐标系

在k时刻，预测目标状态，更新视线坐标系，其中k＞1；

S3：构造转换量测模型

构造视线坐标系内转换量测模型；

S4：视线坐标系内状态估计

计算目标在视线坐标系内的状态估计；

S5：递推估计目标状态

下一个采样时刻，重复步骤S2～S4，递推估计目标状态；

假设雷达位于坐标原点，k时刻的状态方程和量测方程分别如下：

其中，x_k为目标当前状态，F_k为状态转换矩阵，G_k为噪声输入矩阵，系统噪声v_k＝[v_x v_y]^T，分量v_x、v_y分别是沿着X轴、Y轴的独立零均值高斯过程噪声，其协方差阵为Q_k；z_k为转换量测值，H_k为量测系数矩阵，w_k为量测噪声向量，其协方差阵为R_k；

雷达对目标等间隔跟踪，扫描周期为T，非线性量测包含距离量测r_m，方位量测θ_m，量测噪声是零均值高斯白噪声，对应的标准差分别为σ_r、σ_θ，目标运动模型为CV运动模型；

在所述步骤S1中，具体过程如下：

S11：初始化状态估计

S12：初始化协方差阵估计

S13：初始化直角坐标系到视线坐标系的转换矩阵M₁：

在所述步骤S2中，具体过程如下：

S21：计算状态预测和协方差阵

其中，x_p、y_p是在视线坐标系的位置预测，是速度预测，是k-1时刻状态估计；

S22：基于位置预测追踪雷达视线变化角Δθ，更新转换矩阵M_k；

其中Δθ如下：

M_k如下：

M_k＝ΔM_kM_k-1

其中

M_k更新后，雷达视线指向也相应更新为：

θ_s＝cos^-1(M_k(1,1))

M_k(1,1)是M_k矩阵的第一行、第一列的元素；

在新的视线坐标系内更新状态预测和协方差阵

在所述步骤S3中，具体过程如下：

S31：计算径向加权系数α_k：

S32：构造视线坐标系内的无偏转换量测模型z_k：

其中，α_k小于1时，z_k的径向分量的非线性被有效抑制，其统计特性逼近高斯分布；

在所述步骤S31中，α_k的求解过程如下：

由于位置预测不精确，对雷达视线变化角的估计Δθ有偏差，其方差为如下：

其中，是第i行、第j列的元素；

在引入径向加权系数α_k，抑制方位误差余弦非线性的同时，为保证的鲁棒性，的误差要比视线估计误差Δθ高一个数量级，即：

κ是比例系数，取值大于10，求解出α_k：

在所述步骤S4中，具体过程如下：

S41：在线估计转换量测误差协方差阵R_k和滤波增益K_k：

其中，

采取解耦的方式，在两个正交轴上分别滤波，滤波增益K_k的表达式如下：

S42：计算目标状态估计及其协方差阵：

2.一种视线坐标系内的解耦CMKF跟踪系统，其特征在于，利用如权利要求1所述的解耦CMKF跟踪方法对目标进行跟踪，包括：

初始化模块，用于设时刻k获得的雷达观测为r_k、θ_k，估计视线坐标系的目标状态和协方差阵其中k＝0,1；

坐标系更新模块，用于在k时刻，预测目标状态，更新视线坐标系，其中k＞1；

模型构造模块，用于构造视线坐标系内转换量测模型；

第一估计模块，用于计算目标在视线坐标系内的状态估计；

第二估计模块，用于在下一个采样时刻，重复步骤S2～S4，递推估计目标状态；

中央处理模块，用于向其他模块发出指令，完成相关动作；

所述初始化模块、坐标系更新模块、模型构造模块、第一估计模块、第二估计模块均与中央处理模块电连接。