[發明專利]一種空中目標跟蹤方法

有效

• 申請號: 202110291295.2
• 申請日: 2021-03-18
• 公開（公告）號: CN113064154B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 郭向坤;呂艷輝;張德育;王耀林
• 申請（專利權）人: 沈陽理工大學
• 主分類號: G01S13/72
• 分類號: G01S13/72;G01S7/41
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李珉

本發明提供一種空中目標跟蹤方法，涉及目標跟蹤技術領域。本方法引入多種目標動力學模型；然后將目標的運動狀態分別分解到三個坐標軸上，讓目標在每個坐標軸的運動狀態分別進行模型匹配，模型間的轉換服從時間相關的馬爾科夫過程，將匹配的結果輸出，通過將空中目標的機動狀態分為線性機動、非線性機動和非線性強機動三種，給出三類濾波器，分別為卡爾曼濾波器、擴展卡爾曼濾波器和無跡卡爾曼濾波器；接下來，通過目標機動狀態檢測，使目標在每個時刻都能自適應地從濾波器集合中選擇合適的濾波器進行濾波處理，輸出狀態估計結果，最后將濾波的結果重新分解到三維坐標軸上，進行模型概率的更新，通過迭代此過程完成對目標的跟蹤。

技術領域

本發明涉及目標跟蹤技術領域，尤其涉及一種空中目標跟蹤方法。

背景技術

目標跟蹤系統是一個對復雜數據處理要求很高的實時系統，這種數據的復雜性體現在雷達信息探測過程中的不確定性，大多數的目標的運動狀態都是未知的，目標的數量也是不確定的，雷達對數據的采樣時間并非是等間隔的時間序列，這期間還存在各種干擾和抗干擾手段導致的觀測噪聲的非高斯性都有可能對最終的跟蹤精度造成影響。因此，選擇靈活準確的動力學模型、能夠有效過濾噪聲的濾波方法和實時可靠的跟蹤算法是完成對復雜環境下高機動目標軌跡估計的關鍵。

在目標跟蹤領域，IMM目標跟蹤算法已經得到了廣泛的應用，IMM算法將目標的每一種機動狀態都用與之對應的模型來描述，然后再用各自的模型來構建不同的濾波器，通過濾波與預測算法將這些狀態模型進行綜合處理，最后輸出目標的狀態等信息。由此可見，IMM算法的模塊分工明確，具有很強的層次性，在混合系統中的跟蹤效果較好。

在IMM多模型算法中，各個模型間使用一階馬爾科夫過程對模型轉移概率矩陣進行誤差修正，通過加權融合假定上一時刻的濾波結果都是對目標運動的準確估計，然后進行迭代計算。但是，IMM算法與普通多模型算法一樣，其所使用的模型集很大程度上決定了算法的跟蹤性能，為了提高對目標狀態估計的精度，就不得不通過增加模型的數量來匹配目標更多的運動狀態，這樣就會大大增加系統的運算量，甚至會對整個跟蹤系統的性能造成影響。另外，當目標機動狀態為弱機動或者非機動時，采用IMM算法也會造成系統資源的浪費。

通常情況下，IMM算法中濾波器與目標運動模型是一一對應的，每個模型都會預先定義好一個濾波器與之匹配，而使用最多的濾波器往往是卡爾曼濾波器，這就很容易造成濾波器的冗余。如果一個系統中存在過多的同樣功能的濾波器，那么系統的開銷就會增大，從而使系統負載加重。

發明內容

針對現有技術存在的問題，本發明提供一種空中目標跟蹤方法，針對IMM算法中模型集固定、模型數量有限而不能覆蓋機動目標所有的運動形式的問題和算法中濾波器的選取沒有一定的規則，濾波器數量具有不確定性等可能造成的濾波器單一、復雜或濾波器與跟蹤系統線性化程度不匹配的情況，提出了適用于三維空間的目標跟蹤方法。

本發明的技術方案為，一種空中目標跟蹤方法，包括以下步驟：

步驟1：分析空中目標的運動情況，建立目標動力學模型；

設目標有n種運動狀態，對應有n個運動模型，則第j個運動模型表示的目標狀態方程為：

X^j(k+1)＝F^j(k)X^j(k)+G^j(k)W^j(k)

觀測方程為：

Z^j(k)＝H^j(k)X^j(k)+V^j(k)

其中，F^j(k)表示k時刻目標的狀態轉移矩陣，X^j(k)表示k時刻目標的狀態矩陣，