[发明专利]一种基于渐进无迹卡尔曼的移动目标跟踪方法

说明书

一种基于渐进无迹卡尔曼的目标跟踪方法，该方法考虑到量测线性化过程中的截断误差问题,提出渐进无迹卡尔曼滤波算法使其更好地处理在量测线性化过程中存在的线性化误差、数值计算误差增大问题。本方法首先根据贝叶斯法则构造系统状态的同伦函数，通过对量测更新过程进行迭代渐进地引入当前观测信息，进而得到系统的后验状态。同时，在渐进过程中引入一个新息判定条件，确保在渐进过程中系统的估计误差有界，保证滤波器的稳定。相比现有的目标跟踪方法，该方法充分考虑了线性化误差的影响，在保证计算复杂度的前提下，提高了目标跟踪精度和鲁棒性。

技术领域

本发明属于移动目标跟踪领域，是一种针对非线性量测的移动目标跟踪方法。

背景技术

目标跟踪是军事和民用领域中的一个基本问题，在军事国防、环境监测、城市交通、家庭服务等领域发挥着重要的作用。同时，随着微电子技术、通信技术的发展，无线传感器网络在移动目标跟踪与定位中的应用得到了学术界和工业界的广泛关注。无线传感器网络利用大量分散节点对移动目标进行协同感知，并提供丰富的环境信息以及准确的定位服务。

在无线传感器网络环境下，移动目标的跟踪通常会涉及非线性滤波问题，例如多传感器测距的目标系统。无迹卡尔曼滤波算法作为一种有效的非线性估计方法被广泛地应用于目标跟踪系统中。在现有跟踪技术中，为减少线性化误差以及提高跟踪精度，通常会对其中的量测更新过程进行多次的迭代运算，如迭代无迹卡尔曼滤波方法和高斯渐进滤波方法。然而，现有方法在量测更新的迭代过程中，没有充分考虑到量测线性化过程中的截断误差问题，不能根据当前移动目标的线性化误差大小实时地调整量测噪声协方差，导致系统跟踪性能下降。特别地，当量测噪声协方差较小的情况下，易出现估计器无法满足一致性要求的情况，从而导致滤波器性能下降甚至滤波发散。目前在无线传感器网络中还没有迭代滤波方法能够依据移动目标的线性化误差情况，实时调整量测协方差以提高对移动目标跟踪的精度。

发明内容

为了克服现有移动目标跟踪方法对线性化误差鲁棒性差的不足，本发明提供了一种基于渐进无迹卡尔曼的移动目标跟踪方法，在保证计算复杂度的前提下，提高了目标跟踪精度和鲁棒性。

本发明解决其技术问题所采用的技术方案是：

一种基于渐进无迹卡尔曼的移动目标跟踪方法，所述方法包括以下步骤：

步骤1，初始化参数，确定系统的状态向量及其对应的噪声协方差；

步骤2，根据k-1时刻目标的后验状态向量，通过UT变换预测k时刻移动目标的先验状态向量与协方差P_kk-1；

步骤3，对量测更新过程进行迭代，将量测噪声R_k放大N倍并计算第i次更新后的量测预测值及其协方差然后，判断第i次更新后的状态估计误差是否在均方意义下有界，结果为是，则执行步骤4；结果为否，则k时刻目标后验状态向量及其协方差P_k为第i-1次目标后验状态向量与协方差并令k＝k+1，执行步骤2；

步骤4，根据量测预测值与协方差以及互协方差得到i次更新后的目标后验状态向量与协方差

步骤5，判断i＝N是否成立，若成立，则执行步骤2，k＝k+1；否则，执行步骤3。

进一步，在所述步骤1中，k时刻的目标状态向量x_k和y_k分别为k时刻移动目标在x轴和y轴上的位置，为k时刻移动目标的方向。

再进一步，通过判定条件来判断第i次更新后的状态估计误差是否在均方意义下有界，其中为第i次迭代时的新息，为第i-1次迭代时的新息，当不满足判定条件时，则说明没有必要再进行渐进迭代。