[发明专利]偏态分布条件下的非线性扩展目标跟踪滤波方法和装置

说明书

本发明公一种偏态分布条件下的非线性扩展目标跟踪滤波方法和装置，包括：步骤S1、获取雷达量测数据；步骤S2、根据所述量测数据进行目标状态初始化；步骤S3、根据目标状态初始化结果，得到目标测量信息；步骤S4、根据目标测量信息，得到偏态分布下非线性量测模型；步骤S5、在偏态非线性条件下对偏态非线性量测模型进行线性化处理；步骤S6、根据线性化处理结果，在偏态非线性条件下对目标状态进行预测；步骤S7、偏态非线性条件下对预测的目标状态进行更新。采用本发明的技术方案，有效地解决了偏态和非线性共存条件下的扩展目标跟踪问题。

技术领域

本发明属于雷达跟踪技术领域，具体涉及一种偏态分布条件下的非线性扩展目标跟踪滤波方法和装置。

背景技术

雷达目标跟踪是指雷达目标跟踪系统利用当前时刻和过去时刻的测量值对目标位置和状态的最优估计。建立雷达目标跟踪模型库，雷达发射机产生射频信号，经雷达发射天线辐射到空间，当电磁波遇到目标发生反射，回波信号经雷达接收天线，到达接收机，经接收机处理后，送给信号处理机进行处理，获取雷达检测到的量测数据。目标跟踪技术是基于雷达检测到的量测数据对目标状态做出实时估计的过程，该技术在军事和民用领域一直都有广泛应用，且伴随着跟踪环境的日益复杂和传感器技术的高速发展对跟踪系统提出了更高的要求。现代电子技术的飞速发展伴随着高分辨率雷达等检测设备的运用而生，其直接观测效应是目标在采样周期内对应多个量测，即为扩展目标(Extended Object,EO)，利用EO的多源量测数据，借助现代信息融合技术可以对目标的多特征信息进行更深层次的智能感知，例如目标的形状，尺度和方向等。EOT的发展经历了几个重要的阶段，Gilholm和Salmond通过不断的研究试错，提出了经典的扩展目标泊松量测模型，该模型可理解为远离传感器的目标获得了没有形状特征的噪声量测簇。随后，Koch开创性的提出一种贝叶斯随机矩阵(Random Matrices,RM)方法，RM方法被广泛应用于各种复杂的集群目标跟踪问题，且可以很好的对目标形状进行建模和估计。但是在许多实际场合中，雷达能量的不平衡反射导致整个目标观测的分布特性是不对称的，而是呈现显著的偏态分布，而且该现象伴随着高速行进的目标呈现常态化。基于上述现象，Arellano-Valle,Cabral和Lan等分别提出偏态分布量测模型，该分布拓展了正态分布，表征了随机变量关于其均值的概率分布的不对称性。进一步可利用变分贝叶斯(Variational Bayesian,VB)的方法递推估计运动状态，并通过收敛迭代的方法进行扩展，这种算法有利于延续RM方法的简便性。

Koch建立的RM模型基于是线性观测模型的假设。然而，在实际的跟踪系统中，雷达量测是对应在极坐标或者球坐标下测得的，与目标状态呈显著的高度非线性关系。纵观国内外研究，在非线性与偏态分布共存条件下的扩展目标问题尚未得到解决。该复杂条件的解决面临两个很大的难题：(1)如何在高度非线性和偏态共存条件下通过复杂的推导过程找到最优线性化函数，这样就可继续沿用RM建模方法，保证扩展状态和运动状态的联合递推；(2)如何有效处理量测偏态的影响，并在非线性函数最优线性化的条件下，构造椭圆扩展目标的联合分布，保证递推过程的共轭性。

发明内容

本发明旨在解决现有技术的不足，提出一种偏态分布条件下的非线性扩展目标跟踪滤波方法和装置，在复杂不确定性跟踪环境下，解决考虑由于雷达的不平衡反射导致的偏态分布问题和将目标状态呈现显著高度非线性的量测进行最优线性化的问题。

为实现上述目的，本发明提供了如下方案：

一种偏态分布条件下的非线性扩展目标跟踪滤波方法，包括以下步骤：

步骤S1、获取雷达量测数据；

步骤S2、根据所述量测数据进行目标状态初始化；

步骤S3、根据目标状态初始化结果，得到目标测量信息；

步骤S4、根据目标测量信息，得到偏态分布下非线性量测模型；

步骤S5、在偏态非线性条件下对偏态非线性量测模型进行线性化处理；