[发明专利]一种无源装置同步增广测量可变维数融合滤波方法

说明书

技术领域

本发明涉属于目标跟踪技术领域，具体涉及一种无源装置同步增广测量可变维数融合滤波方法。

背景技术

反辐射导弹、隐身技术、低空和超低空突防、综合性电子干扰等技术的发展，对雷达的生存提出了严重的挑战，掌握和控制电磁优势成为战争胜败的关键。因而，无源或被动探测跟踪技术成为解决这一问题很有希望的途径，其中利用红外探测和跟踪系统进行防御是一个主要方向。

由于红外传感器采用被动工作方式，其具有较强的抗低空和超低空突防、抗反辐射导弹、抗电磁干扰和反隐身能力。红外传感器可获取目标的角度信息，但缺少目标的距离信息。为了补充目标信息维度，可利用两部或两部以上红外传感器可以实现对目标的定位，确定目标的三个维度(在)的坐标。目前利用多部红外传感器实现对机动目标跟踪的融合算法很少，何友、王国宏等提出采用集中式扩展卡尔曼滤波器(EKF)进行融合，在此基础上对多个冗余采用模糊判决的方法提高精度，但没有提到其对机动目标跟踪的效果。

发明内容

本发明提出一种无源装置同步增广测量可变维数融合滤波方法，可对多个红外传感器等无源装置的运动目标观测数据进行融合滤波，且能在红外传感器个数发生变化的情况下，实现对目标的高精度跟踪。

为了解决上述技术问题，本发明提供一种无源装置同步增广测量可变维数融合滤波方法，用状态向量描述跟踪目标，用无源装置的测量向量组成可变维数的增广测量矩阵，对多个无源装置的跟踪数据进行融合滤波完成目标跟踪，其中，维数指无源装置的个数。

较佳地，使用无迹卡尔曼方法进行融合滤波，其过程为：

步骤1，初始化：初始化目标的过程噪声矩阵Q和观测噪声矩阵R，以及目标的初始状态向量x₀和状态协方差矩阵P₀；

步骤2，预测；

2.1根据k-1时刻的状态向量x_k-1和状态协方差矩阵P_k-1，按照公式(1)所示方法，计算k-1时刻的状态向量的2n+1个sigma点X_k-1⁽ⁱ⁾，其中n为无源装置的个数，λ为常数，

2.2根据2n+1个sigma点X_k-1⁽ⁱ⁾和过程噪声q_k-1，按照式(2)所示方法，获得经过状态转移矩阵A_k-1变换后的sigma点集

2.3根据经过状态转移矩阵A_k-1变换后的sigma点集按照式(3)所示方法，得到状态预测值

其中，权重W⁽ⁱ⁾的计算过程如下：

2.4根据sigma点集和k时刻的过程噪声矩阵Q_k，按照式(4)所示方法，计算状态向量的协方差矩阵

其中，T为矩阵转置符号；

步骤3，更新：

3.1根据k时刻预测的状态向量和状态协方差矩阵按照式(5)所示方法，计算k-1时刻的状态向量的sigma点集，

3.2根据红外传感器的个数n，选择相应的测量函数hⁱ(·)，按照式(6)所示方法，得到预测的状态向量sigma点集经过测量函数hⁱ(·)变换后，预测的测量向量sigma点集

其中，测量函数h^i(·)实现不同坐标系的转换；

3.3根据sigma点集的权重按照式(7)所示方法得到预测测量值μ_k，

3.4按照式(8)所示方法，计算测量值的方差S_k，

3.5按照式(9)所示方法，计算状态值与测量值的协方差C_k，

3.6按照式(10)所示方法，计算滤波器增益K_k，

K_k＝C_kS_k^-1 (10)

3.7按照式(11)所示方法，得到可变维数的增广测量矩阵Z_k，

3.8按照式(12)和(13)所示方法，计算后验状态值m_k及状态协方差矩阵P_k，