[发明专利]目标初始运动状态估计方法、装置、设备和存储介质

说明书

本发明适用于雷达技术领域，提供了一种目标初始运动状态估计方法、装置、设备和存储介质，目标初始运动状态估计方法包括：获取目标在直角坐标下的当前运动状态测量数据和目标的运动模型，运动模型包括匀速直线运动模型、匀加速直线运动模型和匀减速直线运动模型；根据当前运动状态测量数据和运动模型，确定目标在极坐标系下的初始位置参数的量测模型；根据量测模型通过多项式拟合计算目标初始位置参数的第一估计值。本方案通过目标当前运动状态的测量数据以及目标的运动模型可以确定目标初始位置参数的量测模型，进而可以通过多项式拟合算法计算出目标初始位置参数的一个估计值，实现无测角能力低成本雷达在目标运动状态估计中的应用。

技术领域

本发明属于雷达技术领域，尤其涉及一种目标初始运动状态估计方法、装置、设备和存储介质。

背景技术

目前雷达技术蓬勃发展，各种雷达应用层出不穷，除了军事领域之外，现如今雷达在民用领域也得到了广泛的应用，不同的应用会对雷达提出不同的任务和功能要求。在某些低成本的应用中，应用本身并不关注目标的具体方位，而是比较关注目标的运动状态，方便预测目标之后的运动趋势，以提前做出相应的决策。基于成本、尺寸、功耗等多方面的考虑，这类应用通常都不具备角度测量能力，只提供目标的距离和速度量测，其中对目标的运动状态估计和运动趋势预测都将从这些量测数据中得到。

在雷达对目标的探测过程中，目标状态一般在直角坐标系下建立，而非线性量测则是在极/球坐标系下获得，状态和量测的不兼容导致所谓的非线性估计问题。针对这种非线性估计问题常用采用贝叶斯滤波器进行参数估计，其中包括扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)、容积卡尔曼滤波(CKF)、粒子滤波(PF)、转换量测卡尔曼滤波(CMKF)等等，这些方法精度较高、实时性好且容易实现，在实际中得到广泛应用。

但是对于无测角能力的雷达而言，缺少关键的角度信息导致采用现有的上述方法时无法较好地进行状态初始化，而基于贝叶斯滤波器的方法又受初值影响较大。可见，对于无测角能力的低成本雷达，现有目标运动状态估计方法对目标的初始运动状态的估计效果差。

发明内容

本发明实施例的目的在于提供一种目标初始运动状态估计方法，旨在解决对于无测角能力的低成本雷达，现有目标运动状态估计方法对目标的初始运动状态的估计效果差的技术问题。

本发明实施例是这样实现的，所述目标初始运动状态估计方法包括：

获取目标在直角坐标下的当前运动状态测量数据和目标的运动模型，所述运动模型包括匀速直线运动模型、匀加速直线运动模型和匀减速直线运动模型；

根据所述当前运动状态测量数据和所述运动模型，确定目标在极坐标系下的初始位置参数的量测模型；

根据所述量测模型通过多项式拟合计算目标初始位置参数的第一估计值。

本发明实施例的另一目的在于提供一种目标初始运动状态估计装置，所述目标初始运动状态估计装置包括：

数据获取模块，用于获取目标在直角坐标下的当前运动状态测量数据和目标的运动模型，所述运动模型包括匀速直线运动模型、匀加速直线运动模型和匀减速直线运动模型；

量测模型确定模型，用于根据所述当前运动状态测量数据和所述运动模型，确定目标在极坐标系下的初始位置参数的量测模型；以及

第一估计值计算模块，用于根据所述量测模型通过多项式拟合计算目标初始位置参数的第一估计值。

本发明实施例的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述目标运动状态估计方法的步骤。