[发明专利]一种海面目标航向航速估算方法

说明书

本发明提供了一种海面目标航向航速估算方法，首先根据海面目标的运动状态建立出相应的系统状态空间模型，并根据机载雷达的测量原理建立量测模型，然后计算容积卡尔曼滤波算法中系统状态的先验均值及先验协方差矩阵，再计算截断卡尔曼滤波算法中系统状态的先验均值及先验协方差矩阵，之后计算系统状态后验均值及系统状态后验协方差，最后引入自适应调整机制，计算系统状态最终的后验均值及系统状态最终的协方差矩阵。

技术领域

本发明涉及海面目标跟踪技术领域，特别涉及一种海面目标航向航速估算方法。

背景技术

航向航速是海面目标的重要特征，能准确估计出航向航速对于海面目标的跟踪具有非常重要的意义。机载雷达对海面目标的跟踪同对空中目标的跟踪相比存在很多差异，其探测性能面临一些新的挑战，其中由于海面目标运动速度较慢，短时间内很难运动出机载雷达的最小分辨单元，导致目标航向航速估计的收敛速度较慢，不利于指挥者快速做出决策。此外，受机载雷达测量精度的影响，海面目标航向估计对方位角量测的随机偏差较为敏感，当方位角测量出现小幅波动时，会造成海面目标航向估计的震荡，精度难以保证。因此如何实现对海面目标航向航速的精确估计成为亟待解决的问题。

为了提高复杂环境下海面目标航向航速的估计精度，目前经常使用的方法可以主要分为两类：

第一类方法是先通过数据关联完成观测数据与目标间的匹配，再利用非线性滤波技术完成对海面目标航向航速的估计。在非线性滤波领域已有许多经典算法，例如扩展卡尔曼滤波算法(EKF)，无迹卡尔曼滤波算法(UKF)及容积卡尔曼滤波算法(CKF)等。然而，这些滤波算法都是高斯滤波算法(GF)基于不同数值计算方法的近似，在量测高精度、系统高维数、复杂强非线性的情况下往往不能很好的近似系统状态的后验概率密度函数，导致滤波精度大大降低。

第二类方法是先对机载雷达测量的方位角及径向距离做平滑处理，降低测量波动对目标航向的影响，再根据机载雷达和目标的运动几何关系解算出海面目标的航向航速信息。然而这种方法仅在海面目标做匀速直线运动时解算效果才较好，当海面目标发生机动(如协同转弯)时，所建目标的动力学模型与目标的实际运动模式不匹配，最终导致对海面目标的跟踪丢失。

针对机载雷达不同的测量精度及海面目标不同的运动场景，不同的滤波算法滤波性能不同，如何获得具有高精度、高鲁棒性、同时保证实时性的非线性滤波算法是海面目标航向航速估计技术的关键所在。

发明内容

为克服上述现有技术存在的至少一种缺陷，本发明提供了一种海面目标航向航速估算方法，包括如下步骤：

步骤一，根据海面目标的运动状态建立出相应的系统状态空间模型，并根据机载雷达的测量原理建立量测模型，所述系统状态方程和所述量测方程如公式(1)所示：

公式(1)中k为时刻，k-1为k时刻的前一时刻，f()表示系统状态转移函数，h()表示量测函数；

x_k表示k时刻系统状态向量，其取值范围为n_x为状态维数，R为实数；

Z_k表示k时刻外部量测向量，其取值范围为n_z为量测维数；

w_k-1是系统噪声，其取值范围为n_w是系统噪声维数；

v_k是量测噪声，其取值范围为n_v是量测噪声维数；

步骤二，计算容积卡尔曼滤波算法中系统状态的先验均值及先验协方差矩阵P_0,k|k-1，其计算公式如公式(2)所示：