[发明专利]一种智能IMM卡尔曼滤波前馈补偿目标追踪方法及系统

摘要

本发明属于光电跟踪及精密测量，导航定位技术领域，具体涉及一种智能IMM卡尔曼滤波前馈补偿目标追踪方法及系统，神经网络智能目标识别器识别出被跟踪目标类型，并对改进的智能IMM卡尔曼滤波器中在线运行的状态方程参数进行调整，使该滤波器具有自适应特性，使在线运行的状态模型方程与跟踪目标相匹配，利用多个基于不同模型的滤波器并行工作，对机动目标速度、加速度估计实时准确，从而获得较传统滤波更高的估计精度，由此构造的前馈补偿控制器能够获得更高的前馈补偿精度和控制性能。

主权项

一种智能IMM卡尔曼滤波前馈补偿目标追踪方法，其特征在于，包括以下步骤：步骤一、跟踪相机捕捉到运动目标后，经过相应的图像处理，获取运动目标在图像中的像素位置及运动目标的图像特征信息；步骤二、将步骤一得到的运动目标在图像中的像素位置转化为脱靶量角度信息与当前时刻方位、俯仰码盘信息结合，得到目标在参考坐标系的方位角和俯仰角，将方位角和俯仰角信息输入IMM卡尔曼滤波器；将步骤一得到的运动目标的图像特征信息发送至神经网络目标识别器；步骤三、神经网络目标识别器识别运动目标类型，针对不同的运动目标类型配置不同的IMM卡尔曼滤波器运动模型参数Q1、Q2…Qr、R1、R2…Rr及ω1、ω2…ωm；其中Q1、Q2…Qr表示r个运动方程对应的扰动方差，R1、R2…Rr为观测噪声方差阵；ω1、ω2…ωm表示m个匀速转弯方程对应的转弯速率；步骤四、IMM卡尔曼滤波器在线估计目标最优运动角速率和角加速度信息；4.1)、IMM卡尔曼滤波器将目标可能的运动模式映射为卡尔曼滤波模型集，模型集中的各个模型代表不同的运动模式；IMM卡尔曼滤波器包括r个不同的卡尔曼滤波模型；所述具体的运动模式包括：目标匀速运动、目标匀加速机动运动、目标匀速转弯运动；目标匀速运动状态方程：x(k+1)y(k+1)x·(k+1)y·(k+1)=10T0010T00100001x(k)y(k)x·(k)y·(k)+T/2T/211Wj(k)---(1)]]>目标匀加速机动运动状态方程：x(k+1)y(k+1)x·(k+1)y·(k+1)x··(k+1)y··(k+1)=10T0T2/20010T0T2/20010T000010T000010000001x(k)y(k)x·(k)y·(k)x··(k)y··(k)+T2/4T2/4T/2T/211Wj(k)---(2)]]>目标匀速转弯运动状态方程：x(k+1)y(k+1)x·(k+1)y·(k+1)=10sin(ωT)/ω(cos(ωT)-1)/ω01(1-cos(ωT))/ωsin(ωT)/ω00cos(ωT)-sin(ωT)00sin(ωT)cos(ωT)x(k)y(k)x·(k)y·(k)+T/2T/211Wj(k)---(3)]]>式中，x(k)、y(k)分别为k时刻目标方位角、俯仰角，为分别为k时刻目标方位角速率、俯仰角速率，为分别为k时刻目标方位角加速度、俯仰角加速度，T为采样时间间隔，Wj(k)为状态噪声，ω为转弯速率；设计有n1个匀速运动方程，n2个匀加速运动方程，n3个匀速转弯运动方程，满足n1+n2+n3＝r，每个运动方程对应不同的Qj和Rj，每个目标匀速转弯运动状态方程对应不同的转弯速率ωm，m＝1,2,…n3；4.2)将步骤三得到的运动模型参数Q1、Q2…Qr、R1、R2…Rr及ω1、ω2…ωm带入步骤4.1)对应的公式中，进行目标最优运动角速率和角加速度信息的在线估计，得到每一种运动目标典型运动特征下的最优运动角速率和角加速度，运动角速率包括方位角速率与俯仰角速率，角加速度包括方位角加速度与俯仰角加速度；步骤五：根据步骤四得到的最优运动角速率和角加速度参数作为伺服前馈补偿回路的输入量进行实时控制，驱动转台旋转，使相机视轴实时指向目标；步骤六：当相机拍摄到下一幅图像时，重复步骤一至步骤五，获得目标持续最优运动角速率和角加速度参数估计，并持续进行伺服随动控制，实现目标跟踪。