[发明专利]基于幅度信息的卡尔曼滤波方法

摘要

本发明公开了一种基于幅度信息的卡尔曼滤波方法，主要解决当观测噪声变化时，现有技术对目标状态估计精度不足的问题，其实现方案是：1)在不同扫描周期，获取雷达信号处理得到的量测信息、幅度信息、状态噪声协方差；2)由雷达系统参数获得初始状态误差协方差和观测噪声协方差；3)将1)和2)获得的参数设置为滤波器的初始值；4)利用获得的幅度信息计算观测噪声的协方差比例系数，并计算观测噪声协方差；5)根据获得的观测噪声协方差进行状态估计；6)将状态估计得到的信息输入到下一扫描周期。本发明减少了观测噪声与观测噪声统计信息失配的情况，提高了目标状态估计的准确率，可用于对雷达目标进行跟踪和参数估计。

主权项

1.基于幅度信息的卡尔曼滤波方法，其特征在于，包括如下：(1)在每次扫描时，获取雷达信号处理得到的量测信息Z、目标幅度信息A和过程噪声协方差信息Q；(2)通过雷达系统参数获取初始观测噪声协方差信息R(1)和初始状态误差协方差信息P(1|1)；(3)在第1个扫描周期，用(1)和(2)中获得的信息，设置滤波器的初始值，即第1个扫描周期的状态误差协方差P(1|1)，过程噪声协方差Q(1),，观测噪声协方差信息R(1)、幅度信息A(1)及由量测信息Z(1)得到的状态估计信息(4)在第k+1个扫描周期获取雷达信号处理报送的幅度信息A(k+1)，并利用上一个扫描周期的幅度信息A(k)，计算得到观测噪声的协方差比例系数L(k+1)为：(5)利用由(4)得到的比例系数L(k+1)和第k个周期的观测噪声协方差R(k)计算第k+1个扫描周期观测噪声协方差R(k+1)：R(k+1)＝L(k+1)R(k)；(6)根据(5)得到的观测噪声协方差R(k+1)，通过卡尔曼滤波算法计算第k+1个扫描周期的状态估计信息(7)将第k+1个扫描周期的状态估计信息状态误差协方差P(k+1|k+1)，观测噪声协方差R(k+1)、过程噪声协方差Q(k+1)、目标幅度信息A(k+1)作为下一个周期滤波器的输入，进入下个一个周期的状态估计。