[發明專利]基于變結構自適應多模型箱粒子濾波彈道目標跟蹤方法

在審

• 申請號: 202110141743.0
• 申請日: 2021-02-01
• 公開（公告）號: CN112949150A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 張海林;倪鵬;黃謙;王毅增;宋亞飛;馬賢明;陳敏;齊智敏;王全東
• 申請（專利權）人: 中國人民解放軍軍事科學院評估論證研究中心
• 主分類號: G06F30/25
• 分類號: G06F30/25;G06F111/08
• 代理公司: 北京眾澤信達知識產權代理事務所(普通合伙) 11701
• 代理人: 張艷萍

本發明提供一種基于變結構自適應多模型箱粒子濾波彈道目標跟蹤方法，步驟S1：計算模型集間的轉移概率；步驟S2：獲得可變結構模型集；步驟S3：交互多模型箱粒子濾波算法。其有益效果在于：本發明應用變結構自適應多模型箱例子濾波(VSAIMM?BPF)跟蹤方法，實現了彈道目標的全階段連續、持續跟蹤，該方法在減少了計算復雜性的同時，也獲得了較高的跟蹤精度。它在分布式多傳感器網絡中更加符合當前系統的實際狀態，有效地減小了模型切換時產生的跟蹤誤差，與傳統跟蹤算法相比能夠平穩地連續跟蹤彈道目標飛行的全階段。尤其是在計算效率方面，在達到相似精度條件下，VSAIMM?BPF算法的效率提高了近3倍，尤其適用于高實時性需求的多傳感器任務規劃系統。

技術領域

本發明屬于目標跟蹤方法技術領域，具體涉及一種基于變結構自適應多模型箱粒子濾波彈道目標跟蹤方法。

背景技術

在目前的反導作戰中，傳感器的量測值(包括徑向距離、俯仰角、方位角)與目標狀態之間是非線性關系，并且在復雜對抗的戰場環境下跟蹤系統往往存在未知的同步偏差或系統延遲的情況，狀態噪聲與觀測噪聲也是非高斯的。上述問題屬于非線性濾波問題，目前常用的濾波算法包括擴展卡爾曼濾波(Extend Kalman Filter，EKF)算法、不敏卡爾曼濾波(Unscented Kalman Filter，UKF)算法和以相關改進算法(卡爾曼濾波與非線性系統近似線性化方法的有機結合)為代表的點估計算法以及以粒子濾波(Particle Filter，PF)算法、EnKF(Ensemble Kalman Filter，EnKF)算法為代表的密度估計算法。前者可以處理多變量、時變系統和非平穩隨機信號。但是對于非高斯噪聲的問題存在局限性，跟蹤性能會明顯變差，甚至導致發散。后者不受線性化誤差或高斯噪聲假定的限制，可用于非線性非高斯系統，但是計算量隨著性能的提高而增加，實時性較差。

在濾波算法方面，由于彈道目標的運動方程和雷達量測方程通常是非線性的，因此對其跟蹤屬于非線性濾波問題，要求選用精度高且穩定的非線性濾波方法進行處理。目前用于彈道目標跟蹤的濾波算法主要有EKF、UF、PF以及相關的改進濾波算法。研究表明，EKF的跟蹤實時性好，但是對非線性適應性差，易發散；UKF跟蹤效果較好，但是對高維情況，也較復雜；PF可以達到較高的跟蹤精度，但是存在計算量大、實時性較差和粒子退化等問題。

發明內容

鑒于上述問題，本發明的目的是提供一種基于變結構自適應多模型箱粒子濾波彈道目標跟蹤方法，它能夠以較小的代價和算法復雜度實現彈道目標的跟蹤，同時在保證一定跟蹤精度的基礎上，也能夠滿足反導作戰多傳感器任務規劃對實時性的高要求。

本發明的技術方案如下：基于變結構自適應多模型箱粒子濾波彈道目標跟蹤方法，包括如下步驟：

步驟S1：計算模型集間的轉移概率

得到基于飛行階段特性的馬爾可夫轉移概率矩陣，如式(13)所示，

其中，π₁₁為保留在主動段的概率；π₁₂為從主動段轉移到自由段的概率；π₂₂為保留在自由段的概率；π₂₃為從自由段轉移到再入段的概率；π₃₃為保留在再入段的概率；

步驟S2：獲得可變結構模型集

采用當前模型概率來確定當前所處的飛行階段，

max{p_i}≥α i＝1,2,3 (14)

其中，p_i表示第i個模型正確描述的概率；α為一個參數設置，一般設為0.8，這樣，得到對應的處于各飛行階段的模型集如表1所示；

表1各飛行階段的模型集