[發明專利]一種基于漸進無跡卡爾曼的移動目標跟蹤方法

有效

• 申請號: 201711081602.4
• 申請日: 2017-11-07
• 公開（公告）號: CN107966697B
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 俞立;鄭婷婷;楊旭升
• 申請（專利權）人: 浙江工業大學
• 主分類號: G01S13/66
• 分類號: G01S13/66
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種基于漸進無跡卡爾曼的目標跟蹤方法，該方法考慮到量測線性化過程中的截斷誤差問題,提出漸進無跡卡爾曼濾波算法使其更好地處理在量測線性化過程中存在的線性化誤差、數值計算誤差增大問題。本方法首先根據貝葉斯法則構造系統狀態的同倫函數，通過對量測更新過程進行迭代漸進地引入當前觀測信息，進而得到系統的后驗狀態。同時，在漸進過程中引入一個新息判定條件，確保在漸進過程中系統的估計誤差有界，保證濾波器的穩定。相比現有的目標跟蹤方法，該方法充分考慮了線性化誤差的影響，在保證計算復雜度的前提下，提高了目標跟蹤精度和魯棒性。

技術領域

本發明屬于移動目標跟蹤領域，是一種針對非線性量測的移動目標跟蹤方法。

背景技術

目標跟蹤是軍事和民用領域中的一個基本問題，在軍事國防、環境監測、城市交通、家庭服務等領域發揮著重要的作用。同時，隨著微電子技術、通信技術的發展，無線傳感器網絡在移動目標跟蹤與定位中的應用得到了學術界和工業界的廣泛關注。無線傳感器網絡利用大量分散節點對移動目標進行協同感知，并提供豐富的環境信息以及準確的定位服務。

在無線傳感器網絡環境下，移動目標的跟蹤通常會涉及非線性濾波問題，例如多傳感器測距的目標系統。無跡卡爾曼濾波算法作為一種有效的非線性估計方法被廣泛地應用于目標跟蹤系統中。在現有跟蹤技術中，為減少線性化誤差以及提高跟蹤精度，通常會對其中的量測更新過程進行多次的迭代運算，如迭代無跡卡爾曼濾波方法和高斯漸進濾波方法。然而，現有方法在量測更新的迭代過程中，沒有充分考慮到量測線性化過程中的截斷誤差問題，不能根據當前移動目標的線性化誤差大小實時地調整量測噪聲協方差，導致系統跟蹤性能下降。特別地，當量測噪聲協方差較小的情況下，易出現估計器無法滿足一致性要求的情況，從而導致濾波器性能下降甚至濾波發散。目前在無線傳感器網絡中還沒有迭代濾波方法能夠依據移動目標的線性化誤差情況，實時調整量測協方差以提高對移動目標跟蹤的精度。

發明內容

為了克服現有移動目標跟蹤方法對線性化誤差魯棒性差的不足，本發明提供了一種基于漸進無跡卡爾曼的移動目標跟蹤方法，在保證計算復雜度的前提下，提高了目標跟蹤精度和魯棒性。

本發明解決其技術問題所采用的技術方案是：

一種基于漸進無跡卡爾曼的移動目標跟蹤方法，所述方法包括以下步驟：

步驟1，初始化參數，確定系統的狀態向量及其對應的噪聲協方差；

步驟2，根據k-1時刻目標的后驗狀態向量，通過UT變換預測k時刻移動目標的先驗狀態向量與協方差P_kk-1；

步驟3，對量測更新過程進行迭代，將量測噪聲R_k放大N倍并計算第i次更新后的量測預測值及其協方差然后，判斷第i次更新后的狀態估計誤差是否在均方意義下有界，結果為是，則執行步驟4；結果為否，則k時刻目標后驗狀態向量及其協方差P_k為第i-1次目標后驗狀態向量與協方差并令k＝k+1，執行步驟2；

步驟4，根據量測預測值與協方差以及互協方差得到i次更新后的目標后驗狀態向量與協方差

步驟5，判斷i＝N是否成立，若成立，則執行步驟2，k＝k+1；否則，執行步驟3。

進一步，在所述步驟1中，k時刻的目標狀態向量x_k和y_k分別為k時刻移動目標在x軸和y軸上的位置，為k時刻移動目標的方向。

再進一步，通過判定條件來判斷第i次更新后的狀態估計誤差是否在均方意義下有界，其中為第i次迭代時的新息，為第i-1次迭代時的新息，當不滿足判定條件時，則說明沒有必要再進行漸進迭代。