[发明专利]基于高斯滤波的机动目标跟踪方法

摘要

本发明提供了一种基于高斯滤波的机动目标跟踪方法，其包括以下步骤：根据目标是否发生机动选择最佳滤波模型和滤波内存长度；生成总体观测矩阵，具体包括以下步骤：生成转移矩阵、生成量测矩阵；最后建立总体观测矩阵。本发明提供的基于高斯滤波的机动目标跟踪方法克服了现有跟踪滤波方法对高速高机动目标适用性差的缺点，进而改善了跟踪精度和跟踪稳定性。

主权项

1.基于高斯滤波的机动目标跟踪方法，其特征在于，包括以下步骤：S1：根据目标是否发生机动选择最佳滤波模型和滤波内存长度；S2：生成总体观测矩阵，具体包括以下步骤：S21：生成转移矩阵：在线性滤波模型下，t_n时刻和t_n‑k时刻的m维真实状态向量分别为X_n和X_n‑k，得到转移方程X_n‑k＝Φ(t_n‑k‑t_n)X_n，Φ(t_n‑k‑t_n)与X_n相乘，将t_n时刻状态向量X_n变为t_n+ξ时刻的状态向量X(t_n+ξ)，Φ(t_n‑k‑t_n)为对应该滤波模型的转移矩阵；S22：生成量测矩阵：设Y_n为t_n时刻的k维量测向量，X_n为t_n时刻的m维真实状态向量，N_n为t_n时刻的量测误差向量，对于线性系统而言，观测方程可表示为Y_n＝MX_n+N_n，M为相应的量测矩阵，是一个k×m维的系数矩阵，表示了Y_n与X_n之间的关系；S23：建立总体观测矩阵：将转移矩阵与量测矩阵组合得到总体观测矩阵TS3：求解加权最小二乘问题，找到最优状态向量估计，具体过程为：估计向量的加权残差平方和对待估计向量求导数，令导数等于零，得到最小方差估计向量，该向量使得t_n时刻的加权残差平方和取得可能的最小值，其解析形式为其中：表示t_n时刻最优状态向量估计，W_n表示t_n时刻的滤波矩阵，表示t_n时刻状态估计的误差协方差矩阵，表示t_n时刻的k维量测向量Y_n误差协方差矩阵的逆。