[发明专利]基于无人机的运动目标UKF滤波方法

摘要

本发明公开了一种基于无人机的运动目标UKF滤波方法，首先根据目标运动模型输出当前时刻目标在大地直角坐标系中的位置、速度和加速度一步预测值；然后以无人机机载传感器感知目标斜距、方位角和俯仰角度值为量测变量，结合载机导航设备输出位置、姿态角值构建量测变量和状态变量之间非线性量测方程；最后通过UKF滤波方法融合输出目标最优状态值。本方法既简化了混合坐标系中复杂的求导过程，又提高了直角坐标系中的目标跟踪精度，具有良好的实际意义。

主权项

一种基于无人机的运动目标UKF滤波方法，其特征在于，包含以下步骤：步骤1)，在无人机上设置红外光电吊舱和雷达，其中，所述红外光电吊舱用于测量运动目标相对无人机的距离，所述雷达用于测量运动目标相对无人机的方位角和俯仰角；步骤2)，利用无人机上的红外光电吊舱、雷达对运动目标进行测量，获得运动目标相对无人机的距离、方位角和俯仰角(R,α,λ)T，其中，R为运动目标相对无人机的距离，α为运动目标相对无人机的方位角，λ为运动目标相对无人机的俯仰角；步骤3)，根据运动学原理建立运动目标的匀加速数学模型，其系统状态方程如下：Xk＝Φk,k‑1Xk‑1+Gk‑1Wk‑1其中，Xk为运动目标k时刻的状态量，Xk‑1为运动目标k‑1时刻的状态量，Wk‑1为k‑1时刻状态方程零均值高斯白噪声，I3×3为单位矩阵，T为采样周期；步骤4)，令运动目标的非线性量测方程为Zk＝h(Xk)+Vk，其中，h(Xk)为量测函数，Vk是k时刻量测零均值高斯白噪声，方差为R，Zk＝[R,α,λ]T；建立运动目标在大地直角坐标系与运动目标相对无人机传感器基座坐标系之间的关系：xbybzb1=Cgbxyz1]]>采用齐次坐标转换方法，得到运动目标的大地直角坐标系坐标值(x,y,z)到基座坐标系坐标值(xb,yb,zb)的转换矩阵其中：Cgs=100-hs-RN010000100001cosλs0sinλs00100-sinλs0cosλs00001cosαssinαs00-sinαscosαs000010000110000100001RNe2sinλs0001]]>hs是无人机高度，RN是卯酉圈曲率半径，λs是无人机纬度，αs是无人机经度，是无人机的横滚角，θas是无人机的俯仰角，ψas是无人机的偏航角，是测量设备基座的横滚角，Δθba是测量设备基座的俯仰角，Δψba是测量设备基座的偏航角；运动目标相对于传感器基座坐标系坐标值(xb,yb,zb)与传感器对目标量测值(R,α,λ)T之间的关系如下：R=xb2+yb2+zb2α=arctanxbybλ=arcsinzbxb2+yb2+zb2]]>则结合转换矩阵运算得到(R,α,λ)与(x,y,z)的非线性关系式h(Xk)；步骤5)，UKF滤波步骤5.1)，根据k‑1时刻的运动目标的状态量及协方差Pk‑1构造2n+1个对称的Sigma采样点，2n+1为采样点个数；步骤5.2)，结合运动目标匀加速数学模型的系统状态方程得到k时刻的运动目标状态方程和协方差的一步预测值；步骤5.3)，计算运动目标的坐标值和量测值的一步预测值；步骤5.4)，计算自协方差阵互协方差阵和卡尔曼滤波增益；步骤5.5)，更新运动目标坐标及协方差。