[发明专利]一种基于分数阶卡尔曼滤波的毫米波雷达单目标跟踪方法

说明书

本发明公开了一种基于分数阶卡尔曼滤波的毫米波雷达单目标跟踪方法，包括如下步骤：从雷达端输出目标的回波点云数据；对点云数据分堆选择；进行分数阶卡尔曼滤波；进行马氏距离判断；目标位置更新。其中，分数阶卡尔曼滤波基于目标的分数阶运动模型，且模型随目标状态更新而改变，最后通过计算马氏距离判断当前时刻最佳目标状态。本发明针对毫米波雷达的目标跟踪问题，利用分数阶卡尔曼滤波实现对分堆点云目标位置的预测与更新，其目标运动模型随着每一次目标状态更新而改变，有利于改善目标在速度变化剧烈，运动轨迹复杂的情况产生的目标关联失稳，延迟，丢失等情况，提高的系统的跟踪性能。

技术领域

本发明涉及目标跟踪算法技术领域，尤其涉及一种基于分数阶卡尔曼滤波的毫米波雷达单目标跟踪方法。

背景技术

近年来以雷达传感技术为基础的目标识别跟踪成为无线电侦查与测距领域的研究热点，其在军事和民用的多个场合具有广阔的应用和发展前景，例如弹道导弹、海洋监视、战场监视以及交通监管，智能驾驶，智能家居及物联网等等。而其中毫米波雷达因具有小体积、轻自重、低成本、高精度、高分辨率、强抗干扰能力等独特优点，正逐渐扩大其民用应用前景，发挥越来越重要的作用。

目标跟踪算法作为毫米波雷达应用研究的一个重要分支，对于目标检测，多传感器信息融合等技术有着重要意义。目前传统算法使用概率数据关联来处理单目标跟踪问题，该方法可以将被监视目标和雷达之间的关系计算出来，把接收数据和状态信息分配给被跟踪目标，但是实际应用中易受环境干扰及杂波影响；引入卡尔曼滤波算法首先对目标位置进行预测后再与检测结果进行匹配能有效提高数据关联的准确度，而随着目标机动性的增强，常速度与常加速度的卡尔曼滤波模型受到雷达自身性能的限制，在目标进行高速、高频率、急变速运动时，有较大概率出现跟踪过程中目标失稳，延迟，丢失等情况。

目标的运动模型影响了卡尔曼滤波对其状态信息的预测值，从而影响目标关联的准确性，因此考虑采用一种分数阶卡尔曼滤波算法，实时调整目标预测模型以应对急剧变速条件下目标跟踪性能降低的问题。

发明内容

针对毫米波雷达单目标跟踪过程中，运动目标速度大小及方向变化复杂的问题，本发明提供一种基于分数阶卡尔曼滤波的毫米波雷达单目标跟踪方法，其目的在于调整受跟踪目标预测模型的速度变化及目标的位置信息，保证目标跟踪过程实时可靠。

本发明采用的技术方案是：提供一种基于分数阶卡尔曼滤波的毫米波雷达单目标跟踪方法，包括如下步骤：

从雷达端输出目标的回波点云数据；

对点云数据分堆选择；

进行分数阶卡尔曼滤波；

进行马氏距离判断；

目标位置更新。

进一步的，所述雷达端输出目标的回波点云数据包括点的数量信息、距离信息、多普勒信息、方位角信息、信噪比信息和当前帧编号。

进一步的，所述分数阶卡尔曼滤波算法包括如下步骤：

S1、初始化分数阶运动模型并预设分数阶卡尔曼滤波的相关参数；

S2、建立并完成关于跟踪目标的分数阶卡尔曼滤波状态更新方程；

S3、建立并完成关于跟踪目标的分数阶卡尔曼滤波量测更新方程；

S4、根据分数阶卡尔曼滤波结果更新运动模型的分数阶阶次。

进一步的，步骤S1中，分数阶运动模型为利用分数阶微积分建立关于目标在系统绝对坐标系下，时域内的连续运动模型，具体包括：

其中，为分数阶微分算子，α为分数阶阶次，F为系统矩阵，x(t)为运动目标的状态向量，具体包括：