[發(fā)明專利]一種基于強跟蹤濾波的雷達目標跟蹤方法

在審

• 申請?zhí)枺?/td>: 202110093348.X
• 申請日: 2021-01-21
• 公開（公告）號: CN112835027A
• 公開（公告）日: 2021-05-25
• 發(fā)明（設(shè)計）人: 葛泉波;王夢夢;孫長銀
• 申請（專利權(quán)）人: 同濟大學
• 主分類號: G01S13/70
• 分類號: G01S13/70
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 苗曉娟

本發(fā)明提供一種基于強跟蹤濾波的雷達目標跟蹤方法，適用于目標運動狀態(tài)的雷達目標跟蹤過程，所述方法包括：根據(jù)目標的運動特征，通過引入次優(yōu)漸消因子，構(gòu)建用于對目標運動狀態(tài)進行強跟蹤濾波的強跟蹤濾波器模型，以及基于所述強跟蹤濾波器模型，重復執(zhí)行目標的強跟蹤濾波，獲得目標的運動狀態(tài)跟蹤信息，從而可以實現(xiàn)目標跟蹤過程中的模型參數(shù)進行實時估計，有效地提高了目標跟蹤的效果和穩(wěn)定性。

技術(shù)領(lǐng)域

本發(fā)明屬于目標跟蹤技術(shù)領(lǐng)域，涉及一種基于強跟蹤濾波的雷達目標跟蹤方法。

背景技術(shù)

雷達的目標跟蹤是雷達技術(shù)應(yīng)用的重要方向之一，通過發(fā)射無線電波信號并接收反射回的無線電波信號，計算獲得目標至電磁波發(fā)射點的距離、距離變化率(徑向速度)、方位和高度等運動狀態(tài)信息，進而獲得目標的準確位置。

在雷達的目標跟蹤處理過程中，需要對獲取的運動狀態(tài)信息進行濾波，其中強跟蹤濾波是雷達目標跟蹤中常用的濾波方法，可以達到高精準的目標跟蹤效果，其基本思想是通過利用自適應(yīng)次優(yōu)漸消因子對預測誤差協(xié)方差陣進行實時修正，即為對目標的運動狀態(tài)直接進行修正估計，并未考慮對模型參數(shù)的更新估計。然而，目前研究指出于目標跟蹤處理過程中，對目標跟蹤模型參數(shù)的自適應(yīng)估計也是非常重要的，缺少對模型參數(shù)的跟蹤，會導致研究人員對模型參數(shù)的分析和調(diào)節(jié)不到位，從而增大了目標運動狀態(tài)的跟蹤難度。

發(fā)明內(nèi)容

鑒于以上現(xiàn)有技術(shù)中存在的缺點，本發(fā)明的目的在于提供一種基于強跟蹤濾波的雷達目標跟蹤方法，用于解決現(xiàn)有的強跟蹤濾波方法無法對模型參數(shù)進行實時估計，導致模型參數(shù)未知，從而增大了模型調(diào)節(jié)的盲目性，和分析上的不透明性等問題。

為實現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種基于強跟蹤濾波的雷達目標跟蹤方法，適用于目標運動狀態(tài)的雷達目標跟蹤過程，所述方法包括：根據(jù)目標的運動特征，通過引入次優(yōu)漸消因子，構(gòu)建用于對目標運動狀態(tài)進行強跟蹤濾波的強跟蹤濾波器模型；基于所述強跟蹤濾波器模型，重復執(zhí)行目標的強跟蹤濾波，獲得目標的運動狀態(tài)跟蹤信息。

于本發(fā)明的一實施例中，所述根據(jù)目標的運動特征，通過引入次優(yōu)漸消因子，構(gòu)建用于對目標運動狀態(tài)進行強跟蹤濾波的強跟蹤濾波器模型，包括：根據(jù)目標的運動特征，確定目標的運動模型，進而確定目標的過程噪聲協(xié)方差和觀測噪聲協(xié)方差；根據(jù)所述過程噪聲協(xié)方差和觀測噪聲協(xié)方差，構(gòu)建Kalman濾波器第一模型；于所述過程噪聲協(xié)方差矩陣中引入次優(yōu)漸消因子，將所述Kalman濾波器第一模型變換為Kalman濾波器第二模型。

于本發(fā)明的一實施例中，所述于所述過程噪聲協(xié)方差矩陣中引入次優(yōu)漸消因子，將所述Kalman濾波器第一模型變換為Kalman濾波器第二模型，包括：構(gòu)建次優(yōu)漸消因子，并將所述次優(yōu)漸消因子引入所述過程噪聲協(xié)方差；采用近似次優(yōu)方法解算所述次優(yōu)漸消因子；基于解算后的所述次優(yōu)漸消因子，將所述Kalman濾波器第一模型變換為Kalman濾波器第二模型。

于本發(fā)明的一實施例中，所述于所述過程噪聲協(xié)方差矩陣中引入次優(yōu)漸消因子，將所述Kalman濾波器第一模型變換為Kalman濾波器第二模型，還包括：于構(gòu)建所述次優(yōu)漸消因子過程中，引入用于削弱所述次優(yōu)漸消因子調(diào)節(jié)作用的弱化因子β。

于本發(fā)明的一實施例中，所述根據(jù)目標的運動特征，通過引入次優(yōu)漸消因子，構(gòu)建用于對目標運動狀態(tài)進行強跟蹤濾波的強跟蹤濾波器模型，包括：如上所述，本發(fā)明提供的一種所。根據(jù)目標的運動特征，確定目標的運動模型，進而確定目標的過程噪聲協(xié)方差和觀測噪聲協(xié)方差；根據(jù)所述過程噪聲協(xié)方差和觀測噪聲協(xié)方差，構(gòu)建Kalman濾波器第一模型；于所述過程噪聲協(xié)方差矩陣中引入多種次優(yōu)漸消因子，將所述Kalman濾波器第一模型變換為Kalman濾波器第三模型。