[發明專利]一種基于變結構多模型的強機動目標跟蹤方法

有效

• 申請號: 202010734714.0
• 申請日: 2020-07-27
• 公開（公告）號: CN111797478B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 李君龍;曹穎;高長生;尹童;張超;陳曉波
• 申請（專利權）人: 北京電子工程總體研究所;哈爾濱工業大學
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06T7/246;G06T7/277;G06F119/14
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 劉強

1.一種基于變結構多模型的強機動目標跟蹤方法，其特征在于包括以下步驟：

步驟一：利用目標飛行器的動力學特性構建動力學跟蹤模型集，然后獲取機動目標跟蹤系統的狀態方程集；

步驟二：建立系統測量模型，并根據建立的系統測量模型得到系統的測量方程和測量噪聲；

步驟三：基于系統的狀態方程集、系統的測量方程和測量噪聲，對目標飛行器的運動狀態以及氣動參數進行遞推估計；

所述步驟二中系統的測量方程和測量噪聲的獲取步驟具體為：

步驟二一：根據跟蹤任務的需求建立探測坐標系，確定探測器和目標在探測坐標系下的位置矢量；

步驟二二：根據紅外的探測原理，獲取目標飛行器在探測器本體系下的三維位置坐標；

步驟二三：利用目標飛行器在探測器本體系下的三維位置坐標，對定位均方差展開分析，確定跟蹤系統的測量方程和測量噪聲；

所述步驟三中利用改進的變結構多模型算法對目標飛行器的運動狀態以及氣動參數進行遞推估計；所述改進的變結構多模型算法具體步驟為：

第一步，輸入交互：

M為模型全體的集合，i,j表示第i,j個模型，

其中，p_ij是模型i轉移到j的轉移概率，μ_i,j(k-1/k-1)為混合概率

第二步，濾波：

對模型M_j(k)以進行卡爾曼濾波，Φ_j為狀態轉移矩陣，預測為：

預測誤差協方差為：

濾波為：

濾波協方差為：

觀測方程估計，卡爾曼增益為：

第三步，模型概率更新：

Λ_j(k)＝N(r_j(k),0,S_j(k))，k時刻模式j的似然函數，定義了一個變量r_j(k)，均值為0，方差是S_j(k)的高斯分布；

第四步，輸出交互：

第五步，模型集更新：

計算最大模型概率：

u_max＝max{u₁,u₂,u₃}

其對應的模型設為模型j，則距離函數為：

跟蹤模型調整，類比于有向圖切換的原理進行模型調整，

當u1_max時，若D₁(k)≥M，則

其中G₀為最小網格間距，k₁，k₂為可調參數，

若D₁(k)＜M，則按照有向圖切換的方法進行模型更新，即

當u2_max時，若D₂(k)≥M，則

若D₂(k)＜M，則按照有向圖切換的方法進行模型更新，即

當u3_max時，若D₃(k)≥M，則

若D₃(k)＜M，則按照有向圖切換的方法進行模型更新，即

對于新激活模型的狀態向量和協方差的初始化，采用上一時刻各模型的概率加權組合來進行初始化，即：