[发明专利]一种基于预测值量测转换的多普勒雷达目标跟踪方法

说明书

本发明公开了一种基于预测值量测转换的多普勒雷达目标跟踪方法。本发明首先求解位置预测值的转换量测误差的均值和协方差；再将基于直角坐标系下的位置预测值的转换量测误差的协方差阵应用到标准卡尔曼滤波算法中，即可得到基于预测位置的量测转换卡尔曼滤波算法，通过该算法进行目标位置估计，得到目标的估计位置。最后，使用多普勒信息和目标的估计位置使用二阶EKF变换，进行递推序贯卡尔曼滤波，完成目标跟踪。本发明用于雷达目标跟踪，能利用多普勒信息提升跟踪精度，且运算量一定。

技术领域

本发明属于雷达目标跟踪领域，特别是涉及利用多普勒雷达量测转换误差的统计特性的计算方法。

背景技术

目前，在目标跟踪系统中，目标的状态方程一般是建立在直角坐标系下的，而量测值一般是在极(球)坐标系下获得的。这样，目标跟踪就成为一个非线性估计问题。解决这一问题的常用方法是转换量测卡尔曼滤波(CMKF)算法，即使用转换量测方法将极坐标下的量测变换表示成直角坐标系下的量测，从而使目标跟踪就成为一个线性估计问题。然而传统的转换量测的方法在转换量测时会产生偏差。如何去除转换量测值的偏差是提高雷达目标跟踪的精度的关键。

当前，去除转换量测值的偏差的处理方式主要有：去偏的转换量测卡尔曼滤波(CMKF-D)算法、无偏转换量测卡尔曼滤波(UCMKF)算法、修正的无偏转换量测卡尔曼滤波(MUCMKF)算法。CMKF-D算法求得的转换量测的偏差和协方差矩阵会引入附加的误差，因而不够精确。UCMKF算法中的无偏转换量测值是在真实值的条件下推导的，而转换量测误差的协方差矩阵在已获得的无偏转换量测值的基础上直接在量测值的条件下推导的，因此存在兼容性的问题。MUCMKF算法克服兼容性的问题，但是仅仅在量测值的条件下推导转换量测误差的均值和协方差矩阵，因此有了基于预测位置的去相关无偏量测转换卡尔曼滤波(Decorrelated Unbiased Converted Measurement Kalman Filter,DUCMKF)算法，该算法在计算转换量测误差的统计特性时，分别以量测值以及直角坐标系下的位置预测值为条件获得转换量测误差的均值和协方差，并选取其中准确度较高者作为滤波器最终采用的转换量测误差均值和协方差矩阵。虽然算法跟踪精度有所提高，但在计算以直角坐标系下的位置预测值为条件的均值和协方差矩阵过程中采用UT变换计算，因此，牺牲了一定运算量。