[发明专利]一种基于当前统计模型的机动目标跟踪方法

说明书

本发明公开了一种基于当前统计模型的机动目标跟踪方法，属于雷达信号处理领域，主要解决当前统计模型对弱机动以及非机动目标跟踪精度较低的问题。本发明首先进行运动状态初始化和参数预设，建立针对机动目标的当前统计模型；然后通过一种反正切函数调整当前加速度极值进而调整加速度方差；进一步地确定渐消因子来调整预测协方差；最后完成目标的状态更新。本发明在保持当前统计模型对强机动目标良好跟踪性能的同时，提高了对弱机动和非机动目标的跟踪性能，可用于对机动目标的跟踪。

技术领域

本发明属于信号处理技术，特别涉及一种对机动目标的跟踪方法。本发明可用于实现对机动目标的跟踪，提高对弱机动目标的跟踪性能。

背景技术

机动目标跟踪一直是跟踪领域研究的热点，在国防和民用各领域具有重要价值，一直以来很多学者致力于研究目标跟踪算法。但由于现代飞行器的机动性不断增强，对目标进行可靠并准确的跟踪已经成为一大难题。实现目标跟踪主要包含两大功能模块：建立目标运动模型和实现自适应滤波。

最早提出的机动目标运动模型是Singer模型，它将机动控制项作为有色噪声建模，它实质上是一个加速度具有指数自相关的零均值随机过程。但由于Singer模型对加速度的分布假设不合理，导致其跟踪精度较低。因此，当前统计模型被提出了，该模型假设目标下一时刻的加速度服从修正的瑞利分布，均值为当前加速度的预测值，它实质上是一个加速度具有自适应非零均值的Singer模型。当前统计模型在估计目标状态的同时还可以辨识出机动加速度均值，从而实时地修正加速度分布，并且反馈到下一时刻的滤波增益中去。

虽然当前统计模型比singer模型的设置更为合理，但还存在以下缺陷：1)当前统计模型固定机动频率γ不符合实际情况；2)固定的加速度极值a_max难以适应加速度突变的情况；3)修正瑞利分布的局限性导致对弱机动及非机动目标的跟踪性能较差。

发明内容

本发明的目的在于提出一种基于当前统计模型的机动目标跟踪方法，提高对机动目标的跟踪性能。

实现本发明的基本思路是：利用一种反正切函数根据加速度估计值来调整当前时刻加速度极值，以提高对弱机动目标的跟踪性能，并设置渐消因子合理调整预测协方差，以提高对强机动目标的跟踪性能。

本发明技术方案为一种基于当前统计模型的机动目标跟踪方法,该方法包括：

步骤1：运动状态的初始化和预设参数

1a)预设目标最大加速度极值a_max、目标最小加速度极值a_min和机动频率γ；

1b)利用雷达量测的前三个量测值确定机动目标的初始状态和初始协方差；

步骤2：建立针对机动目标的当前统计模型

2a)用下式对机动目标建立运动状态方程：

其中，X_k和X_k-1分别表示机动目标k和k-1时刻的状态向量，x_k表示目标k时刻位置，表示目标k时刻速度，表示目标k时刻加速度；F_k-1为状态转移矩阵；G_k-1表示机动目标k-1时刻的控制矩阵；为机动目标加速度均值；V_k-1是k-1时刻离散时间白噪声序列；

2b)用下式建立目标的量测方程：

Z_k＝H_kX_k+W_k

其中，Z_k表示k时刻雷达的量测值；H_k为k时刻量测矩阵；W_k为k时刻量测噪声，其均值为0，方差为R_k；