[发明专利]极坐标系下含多普勒量测的机动目标跟踪方法

说明书

本发明属于多普勒雷达目标跟踪领域，特别涉及利用多普勒量测信息的目标跟踪系统及方法。本发明将带径向速度的转换量测卡尔曼滤波方法引入交互多模型方法中，给出一种能够对带多普勒量测的机动目标进行精确跟踪的多普勒雷达机动目标跟踪方法。在求解相关算法时，首先通过传统交互多模型算法计算初始混合概率和输入状态估计交互；然后经过无偏量测转换获得笛卡尔坐标系下的无偏量测值，并基于模型概率得到目标状态一步预测的加权结果；之后基于预测信息计算量测误差的统计特性；最后对各模型进行信息卡尔曼滤波以及模型概率更新从而得到最终状态估计。

技术领域

本发明属于多普勒雷达目标跟踪领域，特别涉及利用多普勒量测信息的目标跟踪系统及方法。

背景技术

在雷达目标跟踪中，目标的状态方程一般是建立在直角坐标系下的，而量测值一般是在极坐标系下获得的。有些雷达除了能获得位置量测信息，还能获得多普勒量测，目标的位置和多普勒量测与运动状态之间呈非线性关系。为了解决这种非线性关系，各种各样的滤波方法被不断提出，包括以下几种：基于序贯滤波的量测转换卡尔曼滤波方法(Measurement Conversion Kalman Filter Based On Sequential Filter,SQ-MCKF)、基于静态融合的量测转换卡尔曼滤波方法(Measurement Conversion Kalman Filter BasedOn Statistical Fusion,SF-MCKF)、带径向速度的无偏量测转换(Unbiased ConvertedMeasurement Kalman Filter with Range Rate,UCMKF-R)等。其中，序贯滤波(Z.Duan,C.Han,X.R.Li.Sequential Nonlinear Tracking Filter with Range-rateMeasurements in Spherical Coordinates,in Proceedings of the 7thInternational Conference on Information Fusion,2004,50(1):300-316)是用Cholesky分解对位置量测和多普勒伪量测进行解相关，先对位置量测进行标准卡尔曼滤波处理，再将滤波结果作为输入对多普勒伪量测进行二阶扩展卡尔曼滤波，得到最终的序贯滤波结果，但是由于多普勒伪量测的非线性滤波结果会反馈到下一次线性滤波中，导致非线性滤波误差随着滤波的进行而迭代增加；静态融合滤波方法(G.Zhou,Z.Guo,X.Chen,R.Xu and T.Kirubarajan,Statically Fused Converted Measurement Kalman Filtersfor Phased-Array Radars,in IEEE Transactions on Aerospace and ElectronicSystems,vol.54,no.2,pp.554-568,April 2018.)是将目标未知状态和多普勒伪量测状态分开进行标准卡尔曼滤波估计，然后再将位置和多普勒伪状态进行静态融合，得到最终的状态估计结果；带径向速度的无偏量测转换方法(H.Liu,Z.Zhou,L.Yu and C.Lu,Twounbiased converted measurement Kalman filtering algorithms with range rate,in IET Radar,SonarNavigation,vol.12,no.11,pp.1217-1224,11 2018.)是通过改变量测矩阵H，使得目标的位置和多普勒量测与运动状态之间呈线性关系，从而进行完全线性的卡尔曼滤波，但是H矩阵中的理论值应为真实值，实际上只能使用量测值，使得估计结果精确性下降。带径向速度的转换量测卡尔曼滤波方法(S.Bordonaro,P.Willett and Y.Bar-Shalom,Consistent Linear Tracker With Converted Range,Bearing,and Range RateMeasurements,in IEEE Transactions on Aerospace and Electronic Systems,vol.53,no.6,pp.3135-3149,Dec.2017.)是在多普勒量测的基础上，引入无信息性的切向速度量测，将多普勒量测的量测转换变为完全线性的形式，从而可以用一个单一的线性滤波器对量测值进行滤波得到最终估计结果。