[发明专利]基于残差反馈的多模型高速高机动目标跟踪方法

摘要

本发明公开一种基于残差反馈的多模型高速高机动目标跟踪方法，主要解决现有技术计算量大的问题。其步骤是：1)初始化雷达观测值，得到初始状态向量和初始协方差矩阵；2)选择若干运动模型，确定运动模型的状态转移矩阵；3)由运动模型的个数假定初始权值；4)利用状态向量和状态转移矩阵作一步预测；5)利用初始权值对一步预测值加权求和，得到状态估计向量和估计协方差矩阵；6)根据观测值和状态估计向量得到预测误差；7)由预测误差和估计协方差矩阵计算增益矩阵；8)利用增益矩阵和状态估计向量更新状态向量和状态协方差矩阵；9)利用预测误差和状态估计向量更新权值。本发明跟踪性能稳定、计算量小，可用于对临近空间目标的跟踪。

主权项

1.一种基于最小均方误差的强机动目标跟踪方法，包括如下步骤：(1)雷达对接受到的机动目标的位置检测值进行N次采样，得到一个长度为N的观测值序列{Z(k)}，k＝1，2，…，N；(2)从观测值序列{Z(k)}中取出前三个采样点的观测值Z(1)，Z(2)，Z(3)，并利用差分法初始化机动目标的运动状态，得到机动目标在第3个采样点的状态向量和初始协方差矩阵P(3)；(3)根据机动目标的运动特性选择M个目标运动模型，得到M个目标运动模型的状态转移矩阵F_i，i=1，2，…M，M≥2；(4)根据选择的目标运动模型个数M，确定目标运动模型在第3采样点的权值：W(3)=[1/M 1/M … 1/M]_1×M,其中，[·]_1×M表示该矩阵为1行M列的矩阵；(5)利用步骤2中得到第k采样点的状态向量和步骤(3)中得到的目标运动模型的状态转移矩阵F_i进行一步预测，得到对应模型的一步预测值X^i(k+1/k):]]>Xi^(k+1/k)=FiX^(k)]]>其中，表示第i个目标运动模型在第k采样点预测的机动目标在第k+1采样点的状态向量；(6)利用步骤(4)中得到的权值对步骤(5)中得到的各个目标运动模型的一步预测值和协方差矩阵P(k)进行加权求和，得到基于LMS算法的状态估计向量和估计协方差矩阵P（k+1/k)：X^(k+1/k)=Σi=1Mwi(k)Xi^(k+1/k)]]>P(k+1/k)=Σi=1Mwi(k)(FiP(k)FiT+Qi(k))]]>其中，w_i(k)表示在第k采样点权值W(k)的第i个元素；[·]^T表示矩阵的转置；P(k)表示机动目标在第k采样点的协方差矩阵；Q_i(k)表示第i个目标运动模型在第k采样点的过程噪声协方差；(7)根据步骤(1)中得到的雷达对机动目标位置的观测值Z(k+1)和步骤(6)中得到的基于LMS算法的状态估计向量通过下式求解机动目标在第k+1采样点的预测误差Z~(k+1)=Z(k+1)-Z^(k+1/k)]]>其中，其表示第k采样点预测机动目标在第k+1采样点的观测值；Z(k+1)表示雷达在第k+1采样点对机动目标位置的观测值；H表示机动目标的量测矩阵。(8)由步骤7)中得到的预测误差和步骤(6)中得到的估计协方差矩阵P(k+1/k)确定预测误差的协方差矩阵S(k+1)，继而得到增益矩阵G(k+1)：S(k+1)＝HP(k+1/k)H^T+R(k+1)G(k+1)＝P(k+1/k)H^TS^-1(k+1)，其中，S(k+1)是预测误差在第k个采样点的协方差矩阵；R(k+1)是观测噪声在第k+1采样点的协方差矩阵；G(k+1)表示第k+1采样点的滤波增益矩阵；[·]^-1表示矩阵的逆；(9)利用步骤(8中得到的增益矩阵G(k+1)和步骤(6)中得到的状态估计向量完成对状态向量和协方差矩阵P(k)的更新，即：X^(k+1)=X^(k+1/k)+G(k+1)Z~(k+1)]]>P(k+1)＝P(k+1/k)-G(k+1)S(k+1)G^T(k+1)其中，表示机动目标更新后在第k+1采样点的状态向量；P(k+1)表示机动目标在第k+1采样点的协方差矩阵；[·]^T表示矩阵的转置；(10)通过步骤(7)中得到的预测误差和步骤(5)中得到的目标运动模型的一步预测值对权值W(k)进行更新，得到更新后的权值：W(k+1)=W(k)+2μZ~T(k+1)HX^1(k+1/k)X^2(k+1/k)···X^M(k+1/k)]]>其中，W(k+1)表示第k+1采样点目标运动模型的权值，μ表示步长因子，M为采用的目标运动模型的个数；(11)判断跟踪是否完成，即判断k是否满足k≤N-1，若条件满足，则k递增，并继续执行步骤(5)；若条件不满足，则跟踪过程结束。