[发明专利]基于卡尔曼滤波的机动目标状态预测优化方法

摘要

本发明公开了一种基于卡尔曼滤波的机动目标状态预测优化方法，主要解决现有卡尔曼滤波对目标状态预测结果误差大的问题。其实现方案是：设定离散时间线性随机动态系统参数；根据设定的系统参数，计算卡尔曼滤波系统状态一步提前预测值和增益矩阵；根据设定的系统参数，计算系统状态误差预测值和系统量测误差预测值；根据系统误差预测值，计算系统误差的增益阵；根据系统误差的增益阵，计算系统状态预测误差的估计值，从而对系统状态预测值进行修正。本发明提高了预测的准确率，使得预测的结果能够更加接近目标运动状态的真实值，可用于对飞机、舰船、汽车这些机动目标状态的预测。

主权项

1.基于卡尔曼滤波的机动目标状态预测优化方法，其特征在于，包括如下：(1)设定离散时间线性随机动态系统的如下参数：xk+1＝Fkxk+Γkwk，zk＝Hkxk+vk其中，xk是k时刻的系统状态向量，Fk是k时刻系统状态转移矩阵，wk是k时刻过程演化噪声，Γk是k时刻噪声矩阵，Hk是k时刻量测矩阵，vk是k时刻量测噪声，xk+1是k+1时刻的系统状态向量，zk是k时刻对系统状态的量测向量，k是时间指标，取值为任意整数；(2)根据(1)中设定的参数，计算卡尔曼滤波中的一步提前预测值和预测误差协方差阵P_k/k‑1：其中，是k‑1时刻的系统状态估计值，F_k‑1是k‑1时刻的系统状态转移矩阵，是k‑1时刻的系统状态转移矩阵的转置，P_k‑1/k‑1是k‑1时刻的估计误差协方差，是k‑1时刻的一步预测误差，Γ_k‑1是k‑1时刻的噪声矩阵，是k‑1时刻的噪声矩阵的转置，Q_k‑1是k‑1时刻过程噪声的协方差；(3)根据(1)中设定的参数，计算系统的量测误差为：其中，表示k‑1时刻的一步预测误差；(4)根据(1)中设定的参数，计算卡尔曼滤波中k时刻的一步预测误差其中，是k时刻的误差系统状态转移矩阵，K_k是k时刻的卡尔曼增益矩阵；(5)根据(3)和(4)的结果，计算误差的一步提前预测值和预测误差协方差阵P_temp：其中，是0时刻到k‑1时刻系统量测向量误差的序列，是k‑1时刻的误差模型状态转移矩阵，是k‑2时刻的一步预测误差，是k‑1时刻的误差模型状态转移矩阵转置，是k‑2时刻预测误差的误差协方差阵，K_k‑1是k‑1时刻的卡尔曼增益矩阵，R_k‑1是k‑1时刻的量测噪声的协方差矩阵，是k‑1时刻的卡尔曼增益矩阵转置；(6)根据(1)和(5)的结果，计算k时刻的误差增益矩阵Mk:其中，是k时刻的量测矩阵转置，R_k是k时刻的量测噪声的协方差矩阵转置；(7)根据(3)和(6)的计算结果，计算一步预测误差估计及其误差协方差阵其中，是0时刻到k时刻系统量测向量误差的序列；(8)根据(7)中的结果，对(2)中卡尔曼滤波的一步预测值进行修正，得到修正后的系统状态预测值(9)将(7)中的结果代替(2)中k‑1时刻的估计误差协方差，将(8)中的结果代替(2)中k‑1时刻的系统状态估计值，进行下一次预测，直到达到设定步数，结束预测。