[发明专利]一种基于径向速度的无偏量测转换的多普勒雷达目标运动状态估计方法

权利要求书

1.一种基于径向速度的无偏量测转换的多普勒雷达目标运动状态估计方法，其特征在于，包括以下步骤：

(1)基于多普勒雷达的目标量测值r_m、θ_m、和量测误差求取乘性的无偏转换量测值；其中，r_m、θ_m和分别为多普勒雷达测量目标的径向距离、方位角和径向速度的量测值；和分别为多普勒雷达测量目标的径向距离、方位角和径向速度的量测误差；

(2)利用乘性的无偏转换量测值，结合多普勒雷达的目标量测值r_m、θ_m、量测值的误差方差径向距离和径向速度之间的相关系数ρ，求取无偏转换量测值的误差协方差矩阵R_c；

(3)利用无偏转换量测值的误差协方差矩阵R_c，采用卡尔曼滤波算法，对目标的运动位置进行估计，得到目标的估计位置坐标

(4)基于径向速度和目标的估计位置坐标采用二阶EKF，并利用目标运动状态的二次型函数进行递推序贯卡尔曼滤波算法，完成目标运动状态估计。

2.根据权利要求1所述的多普勒雷达目标运动状态估计方法，其特征在于，所述步骤(1)基于多普勒雷达的目标量测值r_m、θ_m、和量测误差求取乘性的无偏转换量测值的具体过程如下：

I.在极坐标系下，以多普勒雷达所处位置为坐标原点，多普勒雷达对目标的观测方程为：Z_m＝f(X_k)+V_m，其中，r_k、θ_k和分别为多普勒雷达测量运动目标的径向距离、方位角和径向速度的真实值；同时，假定它们都是高斯白噪声序列，量测值的方差分别为和且和不相关，和不相关，和的相关系数为ρ；

II.将极坐标系下的目标量测值转换为笛卡尔座标系下的目标量测值，转换量测值为：

其中η为伪量测；

III.对转换量测值求取期望，即其中参数e表示自然底数，x_m、y_m、η_m分别为笛卡尔座标系下目标的x方向、y方向的量测值以及构造的伪量测；

IV.乘性的无偏转换量测值为其中分别为基于乘性去偏后的目标在x方向、y方向的无偏转换量测值以及无偏转换伪量测。

3.根据权利要求2所述的多普勒雷达目标运动状态估计方法，其特征在于，所述步骤(2)利用乘性的无偏转换量测值，结合多普勒雷达的目标量测值r_m、θ_m、量测值的误差方差径向距离和径向速度之间的相关系数ρ，求取无偏转换量测值的误差协方差矩阵R_c的具体运算过程如下：

R_c中各参数由以下公式计算得到，具体如下：

其中，

4.根据权利要求3所述的多普勒雷达目标运动状态估计方法，其特征在于，所述步骤(3)中利用无偏转换量测值的误差协方差矩阵R_c，采用卡尔曼滤波算法，对目标的运动位置进行估计，得到目标的估计位置坐标的具体过程如下：

其中，表示预测的k+1时刻时目标的位置状态向量K代表状态转移矩阵；表示k时刻估计的目标位置状态向量；P_k+1|k表示k+1时刻的预测误差协方差矩阵；表示k时刻的估计误差协方差矩阵；表示k+1时刻预测目标位置信息时的卡尔曼增益；表示k时刻目标位置信息的状态转移矩阵；表示k+1时刻目标位置部分的量测转换误差协方差矩阵，表示k+1时刻的目标位置状态向量估计值；表示k+1时刻雷达量测值转换后的目标位置信息，

5.根据权利要求4所述的多普勒雷达目标运动状态估计方法，其特征在于，所述步骤(4)基于径向速度和运动目标的估计位置坐标采用二阶EKF，利用目标运动状态的二次型函数进行递推序贯卡尔曼滤波算法，完成运动目标的状态估计，具体过程如下：

其中，为在处的Jacobian矩阵，即：

由的二阶导数组成，为：

A_k+1的组成为：

最后，将本次滤波过程中的和作为下次迭代过程的输入：