[發(fā)明專利]一種非線性目標(biāo)跟蹤系統(tǒng)中平方根容積卡爾曼濾波方法

有效

• 申請?zhí)枺?/td>: 201710471328.5
• 申請日: 2017-06-20
• 公開（公告）號: CN107290742B
• 公開（公告）日: 2019-06-11
• 發(fā)明（設(shè)計(jì)）人: 劉小珠;林仕文;冉凡松;鄧燕妮;趙東明
• 申請（專利權(quán)）人: 武漢理工大學(xué)
• 主分類號: G01S13/66
• 分類號: G01S13/66;G01S7/292;G01S7/35;G01S5/02;G05B13/04
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 魏波

本發(fā)明公開了一種非線性目標(biāo)跟蹤系統(tǒng)中平方根容積卡爾曼濾波方法，針對自適應(yīng)平方根容積卡爾曼濾波算法ASCKF，改進(jìn)時(shí)間更新環(huán)節(jié)與Sage?Husa噪聲估計(jì)器環(huán)節(jié)，形成ASCKFNS算法；本發(fā)明適用于非線性離散系統(tǒng)，在保證算法的穩(wěn)定性的前提下，進(jìn)一步提高了算法精確性，且大量減小了計(jì)算量，提高了實(shí)時(shí)性。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)融合、濾波算法等技術(shù)領(lǐng)域，涉及一種平方根容積卡爾曼濾波方法，特別涉及一種非線性目標(biāo)跟蹤系統(tǒng)中平方根容積卡爾曼濾波方法。

背景技術(shù)

傳感器在對目標(biāo)跟蹤系統(tǒng)進(jìn)行監(jiān)測時(shí)會受到隨機(jī)噪聲干擾，卡爾曼濾波算法可以利用系統(tǒng)離散系統(tǒng)的狀態(tài)方程與量測方程對系統(tǒng)進(jìn)行最優(yōu)估計(jì)，減少隨機(jī)噪聲干擾造成的影響(文獻(xiàn)1)。常規(guī)的卡爾曼濾波算法只適用于線性離散系統(tǒng)，Arasaratnam和Haykin兩位學(xué)者提出了適用于非線性離散系統(tǒng)的平方根容積卡爾曼濾波(Square-root CubatureKalman Filter，SCKF)算法，提高了濾波穩(wěn)定性與精確性(文獻(xiàn)2)，但在噪聲統(tǒng)計(jì)特性未知、系統(tǒng)動力學(xué)特性的數(shù)學(xué)模型不準(zhǔn)確的環(huán)境中時(shí)，此算法會因模型與獲得的量測值不匹配而導(dǎo)致濾波發(fā)散。李寧等人提出了一種自適應(yīng)平方根容積卡爾曼濾波算法(AdaptiveSquare-root Cubature Kalman Filter，ASCKF)(文獻(xiàn)3)，其將Sage-Husa時(shí)變噪聲估計(jì)器運(yùn)用到SCKF算法中，可以在利用量測數(shù)據(jù)進(jìn)行遞推濾波時(shí)，通過時(shí)變噪聲估計(jì)器，每次濾波時(shí)都同時(shí)估計(jì)和修正系統(tǒng)噪聲協(xié)方差矩陣Q_k和量測噪聲協(xié)方差矩陣R_k的統(tǒng)計(jì)特性，在一定程度上克服SCKF算法在噪聲統(tǒng)計(jì)特性未知和不確定時(shí)濾波精度較低甚至發(fā)散的缺點(diǎn)(文獻(xiàn)4)，但實(shí)際上，Sage-Husa時(shí)變噪聲估計(jì)器每次濾波需要在已知Q_k的情況下對R_k進(jìn)行估計(jì)，而不能在Q_k與R_k都未知時(shí)同時(shí)把它們估計(jì)出來(文獻(xiàn)5)，故隨著濾波次數(shù)的增加，ASCKF算法濾波精確性可能會降低且濾波的復(fù)雜度增加導(dǎo)致實(shí)時(shí)性降低。魯平等人提出了一基于協(xié)方差匹配技術(shù)的濾波發(fā)散判據(jù)，其只在濾波異常時(shí)對R_k進(jìn)行估計(jì)，在保證精度與斂散性的前提下，計(jì)算的復(fù)雜度降低，能夠提高系統(tǒng)的實(shí)時(shí)性(文獻(xiàn)6)。但魯平提出的濾波發(fā)散判據(jù)只適用于線性系統(tǒng)，并不能夠直接與ASCKF相結(jié)合去解決非線性目標(biāo)跟蹤系統(tǒng)的濾波精確性降低和實(shí)時(shí)性降低的問題。[文獻(xiàn)7]介紹的自適應(yīng)強(qiáng)跟蹤卡爾曼濾波算法中，提出利用雅克比矩陣將非線性系統(tǒng)近似等效于線性系統(tǒng)的思想，效果較好，但強(qiáng)跟蹤算法計(jì)算復(fù)雜，實(shí)時(shí)性差。

在目標(biāo)跟蹤系統(tǒng)實(shí)際應(yīng)用中，多為非線性系統(tǒng)，主要問題包含兩方面：

(1)通常情況下，環(huán)境變化等諸多因素會使得系統(tǒng)難以得到精確的數(shù)學(xué)模型和噪聲統(tǒng)計(jì)特性，例如，船舶動力定位系統(tǒng)在海面上運(yùn)行時(shí)，風(fēng)、浪等因素干擾都會使船體的運(yùn)動狀態(tài)不可能完全穩(wěn)定，此時(shí)系統(tǒng)運(yùn)動數(shù)學(xué)模型與噪聲統(tǒng)計(jì)特性難以精確給定。

(2)實(shí)際應(yīng)用時(shí)，目標(biāo)跟蹤系統(tǒng)需要在一個(gè)采樣周期里完成傳感器測參數(shù)、處理器濾波等操作，必須盡可能減少濾波計(jì)算時(shí)間，保證在一個(gè)采樣周期里完成所有導(dǎo)航計(jì)算。因此改進(jìn)的算法提高了系統(tǒng)的穩(wěn)定性與實(shí)時(shí)性，對實(shí)際應(yīng)用是十分有益的。

綜上所述，需要一種能運(yùn)用到非線性系統(tǒng)的具備良好性能的噪聲估計(jì)器性能的濾波算法，在保證濾波精確的同時(shí)，還需要進(jìn)一步簡化算法，以提高算法實(shí)時(shí)性。

[文獻(xiàn)1]彭丁聰.卡爾曼濾波的基本原理及應(yīng)用[J].軟件理論與方法,2009,(11):1-2.

[文獻(xiàn)2]Arasaratnam I,Haykin S.Cubature Kalman filters[J].IEEETrans.on Automatic Control,2009,54(6):1254-1269.

[文獻(xiàn)3]李寧，祝瑞輝，張勇剛.基于Sage_Husa算法的自適應(yīng)平方根CKF目標(biāo)跟蹤方法[J].系統(tǒng)工程與電子技術(shù)，2014，36(10).