[發明專利]三角平方根分解的多目標跟蹤方法

有效

• 申請號: 201210044439.5
• 申請日: 2012-02-27
• 公開（公告）號: CN102590810A
• 公開（公告）日: 2012-07-18
• 發明（設計）人: 史忠科
• 申請（專利權）人: 西北工業大學
• 主分類號: G01S13/66
• 分類號: G01S13/66
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 王鮮凱

技術領域

本發明涉及一種雷達跟蹤方法，特別涉及一種三角平方根分解的多目標跟蹤方法，屬于信息技術領域。

背景技術

多目標跟蹤技術在軍用及民用領域均有廣泛的應用，可用于空中目標檢測、跟蹤與攻擊，空中導彈防御，空中交通管制，港口和海洋監視等。近年來，隨著戰場環境的改變，對抗和反對抗技術的發展，產生了背景強雜波、低信噪比、低檢測概率和高虛警率等一系列問題，對多目標跟蹤方法的精度和準確性提出了更高的要求。

多目標跟蹤的目的是將探測器所接收到的量測對應不同的信息源，形成不同觀測集合或軌跡，根據軌跡估計被跟蹤目標的數目以及每一目標的運動參數，實現對多個目標的跟蹤。用于多目標狀態估計的基本濾波方法有α-β濾波、α-β-γ濾波、卡爾曼濾波、擴展卡爾曼濾波、高斯和近似、最優非線性濾波、粒子濾波和自適應濾波等。α-β和α-β-γ濾波器由于結構簡單，計算量小，在早期計算機資源短缺時應用很廣。卡爾曼濾波是多目標跟蹤的一種基本方法，但是需要知道系統的精確數學模型，并且只適用于線性系統，限制了算法的應用。擴展卡爾曼濾波將卡爾曼濾波理論擴展到非線性領域，用一個高斯分布來近似狀態的條件概率分布；而當近似條件不滿足時，高斯和濾波器則用一個高斯分布的加權和來近似狀態的條件概率分布。最優非線性濾波使用Makov轉移概率來描述目標的動力學過程，具有很好的特性，但是計算量較大，因此一直沒有得到廣泛應用。粒子濾波采用隨機采樣，由于計算量太大和粒子退化問題，不適合實際應用。為了改進粒子濾波，無跡卡爾曼濾波采用確定性采樣，使得采樣的粒子點個數減少，避免了粒子濾波中的粒子點退化問題，因此其應用領域很廣。自適應濾波方法通過對目標機動的檢測，實時調整濾波器參數或增加濾波器的狀態，使濾波器實時適應目標運動，特別適合對機動目標的跟蹤；目前，在實際雷達跟蹤系統最常用的仍然為JPDA(Joint?Probabilistic?Data?Association，聯合概率數據關聯)方法(James?A.Roecker，A?Class?of?Near?Optimal?JPDA?Algorithms，IEEE?TRANSACTIONS?ON?AEROSPACE?AND?ELECTRONIC?SYSTEMS，1994，VOL.30(2)：504-51O)，其它方法大多數是對JPDA方法的簡化等。然而，JPDA等方法誤差估計的方差陣中有兩個半正定矩陣相減，在有限字長的處理系統中會產生含有正負特征值的對稱矩陣，導致雷達跟蹤過程目標失跟和整個雷達系統性錯誤。

發明內容

為了解決現有目標跟蹤方法數值結構不穩定導致雷達跟蹤過程目標失跟的技術缺陷，本發明提供一種三角平方根分解的多目標跟蹤方法，該方法在多目標跟蹤的時間和測量更新中，通過對估計誤差方差陣的兩個三角矩陣分解，建立數值穩定結構模型，沒有誤差估計的方差陣中有兩個半正定矩陣相減，在有限字長的處理系統中能夠保證不會產生含有負特征值的對稱矩陣，可以避免雷達跟蹤過程目標失跟和整個雷達系統性錯誤。

本發明解決其技術問題采用的技術方案是，一種三角平方根分解的多目標跟蹤方法，其特征包括以下步驟：

1、定義N個目標跟蹤中第i個目標的離散化模型為

x_i(k+1)＝Φ(k+1，k)x_i(k)+Λω_i(k)，