[发明专利]一种基于模型切换次数受限的多模型机动目标跟踪滤波方法

摘要

一种基于模型切换次数受限的多模型机动目标跟踪滤波方法，涉及机动目标跟踪领域，具体涉及一种多模型的机动目标跟踪滤波方法。本发明为了解决现有多模型滤波不能描述高阶模型切换先验信息的问题以及在保证较高滤波精度时存在计算量大的问题。本发明首先对2阶模型序列中的模型进行建模，并基于跳变次数受限的假设设置2阶模型序列的转移概率p_ijl，然后初始化k为1、2时估计状态向量和相对应的协方差及2阶模型序列概率，然后对k≥3时的状态用模型切换次数受限的多模型机动目标跟踪滤波方法进行滤波。本发明适用于模型切换次数受限的多模型机动目标跟踪滤波。

主权项

1.一种基于模型切换次数受限的多模型机动目标跟踪滤波方法，其特征在于，包括：步骤1：对机动目标的2阶模型序列中的模型mi、mj、ml进行建模，并基于跳变次数受限的假设，设置2阶模型序列的转移概率pijl，表示从模型序列mimj跳变到模型ml的概率；i、j、l分别为用于区别模型mi、mj、ml的序号；设模型个数为r，则i,j,l的取值范围为1～r；其中，Pmax是预先设定的一个值，Pmax取值范围为[0.99,1)；步骤2：分以下三种情况对k时刻的估计状态向量和相对应的协方差进行实时处理；(1)当k＝1时，转步骤3；(2)当k＝2时，转步骤4；(3)当k≥3时，转步骤5；步骤3：对k＝1时的估计状态向量和相对应的协方差初始化其中，zk＝[xk yk]T表示k时刻接收到的雷达观测数据，xk表示k时刻x轴位置，yk表示k时刻y轴位置，zk(q′)表示zk的第q′个值，T表示采样间隔；ri′j′是观测噪声协方差R的第i′行第j′列元素，即转步骤2等待接收k＝k+1时刻的雷达观测数据并继续处理；步骤4：对k＝2时的估计状态向量和相对应的协方差初始化再初始化k‑1时刻模型为m_i、k时刻模型为m_j时的2阶模型序列概率令2阶模型序列估计状态向量和与相对应的协方差转步骤2等待接收k＝k+1时刻的雷达观测数据并继续处理；步骤5：对k≥3时的状态进行如下处理：步骤5.1：计算混合概率当l＝j时，则i的取值范围是1,2,...,r,其中，为k‑1时刻的2阶模型序列概率；C^jj为归一化参数，当l≠j时，则i＝j,其中，C^jl分别为归一化参数，在跳变受限的条件下，l≠j、i≠j的情况不存在，不参与滤波计算；步骤5.2：计算2阶模型序列混合状态向量及其协方差当l＝j时当l≠j时步骤5.3：将和作为输入对模型m_l进行卡尔曼滤波，计算k时刻和似然函数步骤5.4：计算k时刻的2阶模型序列概率步骤5.5：计算k时刻的估计状态向量及其协方差转步骤2等待接收k＝k+1时刻的雷达观测数据并继续处理。