[发明专利]一种基于预测值量测转换的交互多模型雷达目标跟踪方法

说明书

本发明属于雷达目标跟踪领域，具体为一种基于预测值量测转换的交互多模型雷达目标跟踪方法。本发明在球坐标系下将基于预测值的量测转换协方差矩阵和以交互多模型为基础的卡尔曼滤波器相结合，实现机动目标跟踪。量测转换协方差所涉及的参数(包括估计的预测距离、方位角、俯仰角及相应估计的预测误差方差)根据滤波器获得的直角坐标系下估计的位置预测值和位置预测误差的协方差矩阵，再通过非线性变换和雅克比变换矩阵获得。克服了量测转换算法固有的缺陷，比EKF‑IMM追踪精度更高。

技术领域

本发明属于雷达目标跟踪领域，特别涉及利用转换量测对机动目标跟踪的方法，具体为一种基于预测值量测转换的交互多模型雷达目标跟踪方法。

背景技术

在目标跟踪系统中，由于目标运动模型的不确定性，采用固定的系统状态方程无法描述机动目标的运动特性。交互多模型(IMM，interacting multiple model)算法，是一种解决基于运动模式未知情况下的机动目标追踪的有效方法(见文献：Blom,H.A.P,Anefficient filter for abruptly changing systems,InProceedingsof the 23rdIEEEConference on Decision and Control,Las Vegas,NV,Dec.1984,656-658.)。

在雷达目标跟踪中，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(球)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(见文献：Lerro.D,and Bar-Shalom.Y,Tracking With Debiased Consistent Converted Measurements Versus EKF,IEEETransactions on Aerospace and Electronic Systems,29,3(July 1993),1015-1022.)。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。

目前已有不少学者对此问题进行了研究，提出了一些改进方法，如去偏的转换量测卡尔曼滤波(CMKF-D)、无偏转换量测卡尔曼滤波(UCMKF)算法和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，导致状态估计是有偏的。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 KalmanFilter,DUCMKF)算法，该算法在计算转换量测误差的统计特性时，以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。消除了量测转换误差协方差与量测误差之间的相关性。

但是，现有的量测转换方法均未考虑被跟踪目标的机动特性。

发明内容

针对上述存在问题或不足，为解决现有量测转换方法均未考虑被跟踪目标的机动特性这一问题，本发明提供了一种基于预测值量测转换的交互多模型雷达目标跟踪方法。

具体技术方案如下：

设运动目标的模型个数为N，各模型初始概率模型转移概率矩阵为π。雷达采样周期为T，在k时刻获得的量测值分别为斜距量测r_m、方位角量测α_m和俯仰角量测θ_m，观测噪声为零均值高斯白噪声，其标准差分别为σ_r、σ_α和σ_θ。