[发明专利]一种噪声相关系统跟踪滤波方法

说明书

本发明涉及一种噪声相关系统跟踪滤波方法，包括：从观测雷达处获取k时刻目标量测数据并建立噪声相关系统的状态空间模型，其中量测数据包括距离量测数据和方位角量测数据；将k时刻距离量测数据和方位角量测数据转换为直角坐标系下目标在x方向和y方向的位置量测数据，计算量测转换中的偏差项以及位置量测协方差矩阵，构建转换后的量测方程，并计算k‑1时刻和k时刻目标位置量测噪声的互协方差；在最小均方误差的准则下构建滤波器，利用k‑1时刻和k时刻量测噪声的互协方差补偿两个时刻噪声之间的相关性，对转换后的位置量测数据进行滤波处理，更新k时刻目标状态估计和状态估计误差协方差，完成目标跟踪。该方法可用于解决噪声相关问题，跟踪结果好，性能稳定。

技术领域

本发明涉及空间目标跟踪技术领域，尤其涉及一种噪声相关系统跟踪滤波方法。

背景技术

空间目标跟踪时，由于噪声干扰，在信噪比较低的环境下运动目标的检测和跟踪精度不高，因此在某些信噪比较低的场合中，需要通过时间累积来增强信号强度，减弱噪声的影响，以此来提高信噪比，完成后面的信号检测、跟踪、滤波等一系列步骤。为了在提高目标检测性能的同时，保证较高的探测数据率，一些雷达系统会采用滑窗积累的方式，即相邻时刻会用到同一部分数据进行积累处理，这导致相邻积累时刻的观测噪声存在相关性问题。也就是说，虽然量测噪声仍然是均值为零的高斯随机变量，但是由于不同时刻间的量测噪声存在相关问题，因此量测噪声不再是高斯白噪声。而以卡尔曼滤波为基础的现代跟踪滤波方法，均假设观测噪声为高斯白噪声，当观测噪声存在自相关性时，现有滤波方法无法实现有效的状态估计，因此不能直接应用于以上噪声相关系统。

目前，主要有两种方法解决时间相关量测误差问题，第一种方法是将量测矢量作为增强状态变量中的一组约束，将量测噪声相关转化为量测与状态向量相关。但是增强的状态空间方程导致量测协方差矩阵存在奇异，这可能导致系统变得发散。第二种方法通过使用量测差分步骤来构造一个新的量测方程，新构造的量测方程受高斯白噪声影响并且没有时间相关量测部分。但是在存在多个量测的情况下，该方法要求每个量测应该同时时间相关。

发明内容

本发明的目的是针对上述现有技术的至少一部分缺陷，提供一种目标跟踪滤波方法，实现噪声相关条件下的精确状态估计。

为了实现上述目的，本发明提供了一种噪声相关系统跟踪滤波方法，包括如下步骤：

S1、从观测雷达处获取k时刻目标量测数据并建立噪声相关系统的状态空间模型，其中量测数据包括距离量测数据和方位角量测数据；

S2、将k时刻距离量测数据和方位角量测数据转换为直角坐标系下目标在x方向和y方向的位置量测数据，计算量测转换中的偏差项以及位置量测协方差矩阵，构建转换后的量测方程，并计算k-1时刻和k时刻目标位置量测噪声的互协方差；

S3、在最小均方误差的准则下构建滤波器，利用k-1时刻和k时刻量测噪声的互协方差补偿两个时刻噪声之间的相关性，对转换后的位置量测数据进行滤波处理，更新k时刻目标状态估计和状态估计误差协方差，完成目标跟踪。

优选地，所述步骤S3包括如下步骤：

S3-1、利用由状态空间模型得到的状态方程计算状态一步预测及状态一步预测协方差，同时利用转换后的量测方程计算量测一步预测，结合位置量测协方差矩阵和相邻两时刻位置量测噪声的互协方差，计算量测预测协方差；

S3-2、利用状态一步预测、量测一步预测，并结合相邻两时刻位置量测噪声的互协方差，计算状态预测与量测预测间的互协方差；

S3-3、利用状态一步预测、状态预测协方差、量测一步预测、量测预测协方差，以及状态预测和量测预测之间的互协方差，更新目标状态估计和状态估计误差协方差，实现当前时刻的目标跟踪。

优选地，所述步骤S1中，建立噪声相关系统的状态空间模型为：