[发明专利]一种基于当前统计模型的机动目标跟踪方法

摘要

本发明公开了一种基于当前统计模型的机动目标跟踪方法，属于雷达信号处理领域，主要解决当前统计模型对弱机动以及非机动目标跟踪精度较低的问题。本发明首先进行运动状态初始化和参数预设，建立针对机动目标的当前统计模型；然后通过一种反正切函数调整当前加速度极值进而调整加速度方差；进一步地确定渐消因子来调整预测协方差；最后完成目标的状态更新。本发明在保持当前统计模型对强机动目标良好跟踪性能的同时，提高了对弱机动和非机动目标的跟踪性能，可用于对机动目标的跟踪。

主权项

一种基于当前统计模型的机动目标跟踪方法,该方法包括：步骤1：运动状态的初始化和预设参数1a)预设目标最大加速度极值amax、目标最小加速度极值amin和机动频率γ；1b)利用雷达量测的前三个量测值确定机动目标的初始状态和初始协方差；步骤2：建立针对机动目标的当前统计模型2a)用下式对机动目标建立运动状态方程：Xk=Fk-1Xk-1+Gk-1a‾+Vk-1]]>其中，Xk和Xk‑1分别表示机动目标k和k‑1时刻的状态向量，xk表示目标k时刻位置，表示目标k时刻速度，表示目标k时刻加速度；Fk‑1为状态转移矩阵；Gk‑1表示机动目标k‑1时刻的控制矩阵；为机动目标加速度均值；Vk‑1是k‑1时刻离散时间白噪声序列；2b)用下式建立目标的量测方程：Zk＝HkXk+Wk其中，Zk表示k时刻雷达的量测值；Hk为k时刻量测矩阵；Wk为k时刻量测噪声，其均值为0，方差为Rk；步骤3：确定当前加速度方差：3a)设上一时刻加速度更新值作为加速度均值，即3b)用反正切函数来调整当前加速度极值α'max；3c)用下式确定加速度方差：σa2=4-π4(α′max-a‾)2]]>其中，为加速度方差；步骤4：目标状态预测4a)由步骤2建立的当前统计模型和上一时刻状态更新值完成目标状态的一步预测：X^k|k-1=Fk-1X^k-1|k-1+Gk-1a‾]]>其中，表示k‑1时刻预测目标在k时刻的状态；表示目标k‑1时刻状态更新值；4b)目标状态协方差矩阵的一步预测由下式决定Pk|k-1=Fk-1Pk-1|k-1Fk-1T+2γσa2q]]>其中，Pk|k‑1表示k‑1时刻预测k时刻的状态协方差；Pk‑1|k‑1表示k‑1时刻状态协方差更新值；γ为机动频率；q为机动激励协方差矩阵；4c)由状态预测值按下式确定目标在k‑1时刻量测值的预测：Z^k|k-1=HkX^k|k-1]]>其中，表示k‑1时刻预测目标在k时刻的量测值；表示k‑1时刻预测目标在k时刻的状态；步骤5：确定渐消因子5a)用下式确定滤波新息：vk=Zk-Z^k|k-1]]>其中，vk为k时刻的滤波新息；5b)按照下式确定预测误差的协方差矩阵：Sk=HkPk|k-1HkT+Rk]]>其中，Sk为预测误差的协方差矩阵；为量测矩阵的转置,Rk表示量测噪声的协方差矩阵；5c)利用滤波新息和预测误差协方差矩阵确定机动目标k时刻的渐消因子λk，步骤6：利用渐消因子对预测协方差进行调整：P′k|k‑1＝λkPk|k‑1其中，P′k|k‑1为调整之后k‑1时刻预测目标在k时刻的预测协方差；步骤7：目标状态更新7a)由预测误差的协方差矩阵按照下式确定滤波器增益：Kk=Pk|k-1′HkTSk-1]]>其中，Kk为k时刻的滤波器增益；[·]‑1表示矩阵的逆；7b)按照下式完成对目标状态的更新：X^k|k=X^k|k-1+Kk(Zk-Z^k|k-1)]]>其中，表示目标k时刻状态更新值；7c)按照下式完成目标状态协方差的更新：Pk|k=Pk|k-1′-KkSkKkT]]>其中，Pk|k表示目标k时刻状态协方差更新值；为滤波器增益矩阵的转置。