[發明專利]基于殘差反饋的多模型高速高機動目標跟蹤方法

有效

• 申請號: 201310404989.8
• 申請日: 2013-09-08
• 公開（公告）號: CN103487800A
• 公開（公告）日: 2014-01-01
• 發明（設計）人: 曹運合;馬珊珊;靳松陽;彭志剛;王勝華;周生華
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S13/66
• 分類號: G01S13/66
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于最小均方誤差的強機動目標跟蹤方法，包括如下步驟：

(1)雷達對接受到的機動目標的位置檢測值進行N次采樣，得到一個長度為N的觀測值序列{Z(k)}，k＝1，2，…，N；

(2)從觀測值序列{Z(k)}中取出前三個采樣點的觀測值Z(1)，Z(2)，Z(3)，并利用差分法初始化機動目標的運動狀態，得到機動目標在第3個采樣點的狀態向量和初始協方差矩陣P(3)；

(3)根據機動目標的運動特性選擇M個目標運動模型，得到M個目標運動模型的狀態轉移矩陣F_i，i=1，2，…M，M≥2；

(4)根據選擇的目標運動模型個數M，確定目標運動模型在第3采樣點的權值：

W(3)=[1/M?1/M?…?1/M]_1×M,

其中，[·]_1×M表示該矩陣為1行M列的矩陣；

(5)利用步驟2中得到第k采樣點的狀態向量和步驟(3)中得到的目標運動模型的狀態轉移矩陣F_i進行一步預測，得到對應模型的一步預測值X^i(k+1/k):]]>

Xi^(k+1/k)=FiX^(k)]]>

其中，表示第i個目標運動模型在第k采樣點預測的機動目標在第k+1采樣點的狀態向量；

(6)利用步驟(4)中得到的權值對步驟(5)中得到的各個目標運動模型的一步預測值和協方差矩陣P(k)進行加權求和，得到基于LMS算法的狀態估計向量和估計協方差矩陣P（k+1/k)：

X^(k+1/k)=Σi=1Mwi(k)Xi^(k+1/k)]]>

P(k+1/k)=Σi=1Mwi(k)(FiP(k)FiT+Qi(k))]]>

其中，w_i(k)表示在第k采樣點權值W(k)的第i個元素；[·]^T表示矩陣的轉置；P(k)表示機動目標在第k采樣點的協方差矩陣；Q_i(k)表示第i個目標運動模型在第k采樣點的過程噪聲協方差；

(7)根據步驟(1)中得到的雷達對機動目標位置的觀測值Z(k+1)和步驟(6)中得到的基于LMS算法的狀態估計向量通過下式求解機動目標在第k+1采樣點的預測誤差

Z~(k+1)=Z(k+1)-Z^(k+1/k)]]>

其中，其表示第k采樣點預測機動目標在第k+1采樣點的觀測值；Z(k+1)表示雷達在第k+1采樣點對機動目標位置的觀測值；H表示機動目標的量測矩陣。

(8)由步驟7)中得到的預測誤差和步驟(6)中得到的估計協方差矩陣P(k+1/k)確定預測誤差的協方差矩陣S(k+1)，繼而得到增益矩陣G(k+1)：

S(k+1)＝HP(k+1/k)H^T+R(k+1)

G(k+1)＝P(k+1/k)H^TS^-1(k+1)，

其中，S(k+1)是預測誤差在第k個采樣點的協方差矩陣；R(k+1)是觀測噪聲在第k+1采樣點的協方差矩陣；G(k+1)表示第k+1采樣點的濾波增益矩陣；[·]^-1表示矩陣的逆；

(9)利用步驟(8中得到的增益矩陣G(k+1)和步驟(6)中得到的狀態估計向量完成對狀態向量和協方差矩陣P(k)的更新，即：

X^(k+1)=X^(k+1/k)+G(k+1)Z~(k+1)]]>

P(k+1)＝P(k+1/k)-G(k+1)S(k+1)G^T(k+1)

其中，表示機動目標更新后在第k+1采樣點的狀態向量；P(k+1)表示機動目標在第k+1采樣點的協方差矩陣；[·]^T表示矩陣的轉置；

(10)通過步驟(7)中得到的預測誤差和步驟(5)中得到的目標運動模型的一步預測值對權值W(k)進行更新，得到更新后的權值：

W(k+1)=W(k)+2μZ~T(k+1)HX^1(k+1/k)X^2(k+1/k)···X^M(k+1/k)]]>

其中，W(k+1)表示第k+1采樣點目標運動模型的權值，μ表示步長因子，M為采用的目標運動模型的個數；

(11)判斷跟蹤是否完成，即判斷k是否滿足k≤N-1，若條件滿足，則k遞增，并繼續執行步驟(5)；若條件不滿足，則跟蹤過程結束。