[發(fā)明專(zhuān)利]一種空中目標(biāo)跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110291295.2
• 申請(qǐng)日: 2021-03-18
• 公開(kāi)（公告）號(hào): CN113064154B
• 公開(kāi)（公告）日: 2023-09-01
• 發(fā)明（設(shè)計(jì)）人: 郭向坤;呂艷輝;張德育;王耀林
• 申請(qǐng)（專(zhuān)利權(quán)）人: 沈陽(yáng)理工大學(xué)
• 主分類(lèi)號(hào): G01S13/72
• 分類(lèi)號(hào): G01S13/72;G01S7/41
• 代理公司: 沈陽(yáng)東大知識(shí)產(chǎn)權(quán)代理有限公司 21109
• 代理人: 李珉

1.一種空中目標(biāo)跟蹤方法，其特征在于，包括以下步驟：

步驟1：分析空中目標(biāo)的運(yùn)動(dòng)情況，建立目標(biāo)動(dòng)力學(xué)模型；

設(shè)目標(biāo)有n種運(yùn)動(dòng)狀態(tài)，對(duì)應(yīng)有n個(gè)運(yùn)動(dòng)模型，則第j個(gè)運(yùn)動(dòng)模型表示的目標(biāo)狀態(tài)方程為：

X^j(k+1)＝F^j(k)X^j(k)+G^j(k)W^j(k)

觀測(cè)方程為：

Z^j(k)＝H^j(k)X^j(k)+V^j(k)

其中，F(xiàn)^j(k)表示k時(shí)刻目標(biāo)的狀態(tài)轉(zhuǎn)移矩陣，X^j(k)表示k時(shí)刻目標(biāo)的狀態(tài)矩陣，G^j(k)表示噪聲驅(qū)動(dòng)矩陣，W^j(k)表示均值為0，協(xié)方差為Q^j(k)的高斯白噪聲，H^j(k)表示k時(shí)刻目標(biāo)的觀測(cè)矩陣，V^j(k)表示均值為0，協(xié)方差為R^j(k)的高斯白噪聲；

步驟2：將目標(biāo)的運(yùn)動(dòng)狀態(tài)方程和觀測(cè)方程分別分解到坐標(biāo)軸x、y、z上，使用交互式多模型算法IMM讓目標(biāo)在每個(gè)坐標(biāo)軸的運(yùn)動(dòng)狀態(tài)分別進(jìn)行模型匹配，輸出模型交互結(jié)果；

其中分解到x軸、y軸、z軸的狀態(tài)方程分別為：

分解到x軸、y軸、z軸的觀測(cè)方程分別為：

目標(biāo)運(yùn)動(dòng)模型的轉(zhuǎn)移概率用π表示，那么分別表示在x軸、y軸、z軸中模型從i轉(zhuǎn)移j的轉(zhuǎn)移概率：

其中，i，j＝1，2，…，n，n為模型個(gè)數(shù)，各模型之間的轉(zhuǎn)移服從馬爾科夫過(guò)程；

令為k時(shí)刻濾波器的狀態(tài)估計(jì)輸出，則和分別為k時(shí)刻目標(biāo)在x軸、y軸和z軸的狀態(tài)估計(jì)，以下給出x軸的模型選擇過(guò)程：

令為k時(shí)刻x軸的協(xié)方差矩陣，為k時(shí)刻x軸的模型j的概率，則模型j的一步預(yù)測(cè)概率為：

模型i到模型j的歸一化概率為：

若由模型i轉(zhuǎn)移到模型j，則k時(shí)刻模型j的混合狀態(tài)估計(jì)為：

模型j的混合協(xié)方差估計(jì)為：

濾波殘差，即新息為：

其中，Z(k+1)為k+1時(shí)刻的量測(cè)方程，為k+1時(shí)刻的量測(cè)預(yù)測(cè)值；

歸一化的新息平方為：

ε_v(k)＝v′(k)S^-1(k)v(k)

其中，S(k)為新息協(xié)方差，ε_v(k)服從χ²分布；

步驟3：通過(guò)目標(biāo)機(jī)動(dòng)狀態(tài)檢測(cè)，使目標(biāo)在每個(gè)時(shí)刻都自適應(yīng)的從預(yù)先設(shè)置的濾波器集合中選擇合適的濾波器進(jìn)行濾波處理；

所述濾波器集合為適用于不同機(jī)動(dòng)強(qiáng)度的N個(gè)濾波器組合的集合，集合中具有適應(yīng)不同線(xiàn)性與非線(xiàn)性系統(tǒng)的濾波器，當(dāng)x軸匹配的濾波器為卡爾曼濾波器時(shí)：

一步預(yù)測(cè)狀態(tài)方程為：

一步預(yù)測(cè)的誤差協(xié)方差為：

其中，G^j(k)表示噪聲驅(qū)動(dòng)矩陣；

增益為：

其中，R^j(k)為觀測(cè)方程高斯白噪聲的方差；

模型j的濾波殘差為：

新息協(xié)方差為：

則模型j的可能性為：

模型j的概率為：

其中，

在對(duì)目標(biāo)進(jìn)行跟蹤時(shí)，找出k時(shí)刻目標(biāo)所匹配的模型中模型概率最大的模型，其對(duì)應(yīng)的模型概率為則：

其中m為目標(biāo)匹配運(yùn)動(dòng)模型的數(shù)量，μ_m(k)為第m個(gè)模型的模型匹配概率，然后利用對(duì)應(yīng)模型的濾波在k時(shí)刻的新息對(duì)目標(biāo)進(jìn)行機(jī)動(dòng)判別；

設(shè)threshold、threshold_max為目標(biāo)機(jī)動(dòng)強(qiáng)度判別的門(mén)限值，則：

(1)當(dāng)threshold≤ε_v(k)≤threshold_max時(shí)，目標(biāo)發(fā)生機(jī)動(dòng)；

(2)當(dāng)ε_v(k)＞threshold_max時(shí)，目標(biāo)發(fā)生強(qiáng)機(jī)動(dòng)；

(3)當(dāng)ε_v(k)＜threshold時(shí)，目標(biāo)機(jī)動(dòng)結(jié)束；

根據(jù)目標(biāo)不同的機(jī)動(dòng)狀態(tài)從濾波器集合中選擇合適的濾波器：

(1)當(dāng)ε_v(k)＜threshold時(shí)，選擇卡爾曼濾波器；

(2)當(dāng)threshold≤ε_v(k)≤threshold_max時(shí)，選擇擴(kuò)展卡爾曼濾波器；

(3)當(dāng)ε_v(k)＞threshold_max時(shí)，選擇無(wú)跡卡爾曼濾波器；

步驟4：重復(fù)步驟2和步驟3，輸出三維空間中各坐標(biāo)軸的混合狀態(tài)估計(jì)，實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤，直至停止跟蹤；

將步驟2中所述模型交互結(jié)果經(jīng)濾波器濾波處理后，將各濾波器的在k時(shí)刻的狀態(tài)估計(jì)、協(xié)方差估計(jì)以及模型的概率μ(k|k)進(jìn)行輸出、更新模型概率，計(jì)算出預(yù)測(cè)均方誤差RMSE后跳轉(zhuǎn)至步驟2進(jìn)行下一次的遞推操作；RMSE的計(jì)算方法如下：

其中，k時(shí)刻目標(biāo)實(shí)際點(diǎn)的坐標(biāo)為(x_r,y_r,z_r)，預(yù)測(cè)點(diǎn)的坐標(biāo)為(x_p,y_p,z_p)，預(yù)測(cè)點(diǎn)的數(shù)量為n。