[發(fā)明專利]基于目標機動參數(shù)估計的快速自適應采樣周期跟蹤方法

在審

• 申請?zhí)枺?/td>: 201510848159.3
• 申請日: 2015-11-27
• 公開（公告）號: CN105510882A
• 公開（公告）日: 2016-04-20
• 發(fā)明（設計）人: 程婷;張潔;張宇軒;李姝怡;武俊青
• 申請（專利權）人: 電子科技大學
• 主分類號: G01S7/02
• 分類號: G01S7/02
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 吳姍霖

1.一種基于目標機動參數(shù)估計的快速自適應采樣周期跟蹤方法，包括以下 步驟：

步驟1、目標機動參數(shù)離線庫的建立：

步驟1-1假設IMM中有N個Singer模型進行交互，每個模型的機動參數(shù)為：

{αi,σi2},i=1,2,...,N]]>

其中，α_i為第i個模型的機動頻率，為第i個模型的加速度方差；

對模型概率取值空間[0,1]進行等間隔的離散化，確定所有可行的概率組合集 合U：

U＝{U₁,U₂,…,U_j,…U_M}

其中，M為可行概率組合的個數(shù)；集合U中的第j個元素U_j表示為：

U_j＝{μ_1j,μ_2j…,μ_ij,…,μ_Nj},j＝1,2,3,…,M

其中，μ_ij表示集合U_j中的第i個模型的概率，且μ_ij需要滿足：

0≤μij≤1Σi=1Nμij=1]]>

步驟1-2在每個概率組合集合U_j下，估計目標加速度的自相關函數(shù)

R^j(ϵ)=Σi=1Nμijσi2e-αi|ϵ|]]>

取為函數(shù)的自變量取值區(qū)間的邊界點，且滿足：

R^j(|ϵ~j|)=λR^j(0)]]>

然后，對區(qū)間進行等間隔離散化，離散后的取值集合表示為：

{|ϵ1j|,|ϵ2j|,...,|ϵrj|}]]>

步驟1-3在概率組合集合U_j下，計算向量

x^j=(AjHAj)-1AjHbj]]>

其中：

Aj=1-|ϵ1j|1-|ϵ2j|······1-|ϵrj|]]>

bj=ln(Σi=1Nμijσi2e-αi|ϵ1j|)ln(Σi=1Nμijσi2e-αi|ϵ2j|)···ln(Σi=1Nμijσi2e-αi|ϵrj|)]]>

步驟1-4確定概率組合集合U_j下，目標機動參數(shù)的估計值：

α^j=x^j(2)]]>

其中，表示向量的第一個元素，表示向量的第二個元素； 然后將概率組合集合U_j與其對應的機動參數(shù)存入機動參數(shù)離線庫；

步驟1-5建立目標機動參數(shù)離線庫：

所述目標機動參數(shù)離線庫中包括可行概率組合集合U，以及對應的目標機動 參數(shù)集合C；

U＝{U₁,U₂,…,U_j,…U_M}

C＝{C₁,C₂,…,C_j,…,C_M}

其中，C_j為與概率組合集合U_j對應的機動參數(shù)；

步驟2、目標的跟蹤：采用與步驟1得到的機動參數(shù)離線庫相同的Singer模 型進行實時跟蹤；

步驟2-1假設t_k為第k次采樣的采樣時刻，采用IMM算法，對采樣時刻t_k時 的狀態(tài)估計值與誤差自相關矩陣進行交互，得到每個濾波器輸入的狀態(tài)估計值與 誤差自相關矩陣，以及采樣時刻t_k時的模型預測概率組合U(k+1|k)；

U(k+1|k)＝{μ₁(k+1|k),μ₂(k+1|k),…,μ_N(k+1|k)}

步驟2-2根據(jù)步驟2-1得到的模型預測概率組合U(k+1|k)，在步驟1得到 的目標機動參數(shù)離線庫中查找與其匹配度最高的模型概率組合即求：

U~=argmin1≤j≤Mf(Uj,U(k+1|k))]]>

進而查找與對應的目標機動參數(shù)

步驟2-3采用公式法自適應計算采樣周期T，確定第k+1次采樣的采樣時刻 t_k+1

t_k+1＝t_k+T

步驟2-4在采樣時刻t_k+1下，對IMM中各模型進行濾波，更新模型概率， 獲得狀態(tài)估計值與估計誤差自相關矩陣。