基于距離參數(shù)化混合坐標(biāo)系下srckf的純方位目標(biāo)跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于純方位目標(biāo)跟蹤領(lǐng)域，具體涉及一種基于距離參數(shù)化混合坐標(biāo)系下平 方根容積卡爾曼濾波的純方位目標(biāo)跟蹤方法。
【背景技術(shù)】
[0002] 純方位目標(biāo)跟蹤利用運(yùn)動(dòng)目標(biāo)本身的有源輻射，獲取目標(biāo)的角度信息序列實(shí)時(shí)估 計(jì)目標(biāo)的運(yùn)動(dòng)狀態(tài)。由于純方位目標(biāo)跟蹤僅需要目標(biāo)的角度信息，具有隱蔽性強(qiáng)、設(shè)備簡(jiǎn) 單、探測(cè)距離遠(yuǎn)等優(yōu)點(diǎn)，在電子偵察、精確制導(dǎo)、智能導(dǎo)航等領(lǐng)域具有廣泛應(yīng)用。由于無(wú)源傳 感器的觀測(cè)量?jī)H有目標(biāo)的角度信息，無(wú)法獲取目標(biāo)的徑向距離信息，觀測(cè)量是狀態(tài)量的非 線性函數(shù)，因此純方位目標(biāo)跟蹤實(shí)質(zhì)上是一個(gè)非線性濾波問(wèn)題。目前純方位目標(biāo)跟蹤的研 宄熱點(diǎn)主要集中在濾波算法的研宄和坐標(biāo)系的選擇。
[0003] 濾波算法方面，擴(kuò)展卡爾曼濾波（EKF)將非線性函數(shù)進(jìn)行一階泰勒展開(kāi)，忽略高 階項(xiàng)，將非線性問(wèn)題線性化，由于計(jì)算簡(jiǎn)易使其獲得廣泛應(yīng)用。然而對(duì)于高度非線性問(wèn)題， 使用EKF會(huì)產(chǎn)生較大的誤差，甚至導(dǎo)致濾波發(fā)散，且EKF在線性化時(shí)需要計(jì)算Jacobian矩 陣，實(shí)際問(wèn)題中很難得到系統(tǒng)的Jacobian矩陣。
[0004] 針對(duì)EKF的不足，Julier提出無(wú)跡卡爾曼濾波（UKF)，通過(guò)一組確定的加權(quán)采樣點(diǎn) 來(lái)逼近隨機(jī)變量的分布函數(shù)，通過(guò)采樣點(diǎn)的非線性變換，捕獲隨機(jī)變量經(jīng)非線性變換后的 統(tǒng)計(jì)特性。但UKF在進(jìn)行迭代濾波過(guò)程中需要進(jìn)行矩陣分解和求逆運(yùn)算，而狀態(tài)估計(jì)協(xié)方 差陣難以保持正定。
[0005] 近年來(lái)提出的容積卡爾曼濾波（CKF)，使用基于容積原則的數(shù)值積分方法計(jì)算非 線性變換后的隨機(jī)變量均值和協(xié)方差。與UKF相比，CKF需要較少的計(jì)算量且具有更高的 濾波精度。但CKF在迭代濾波過(guò)程中需要對(duì)誤差協(xié)方差矩陣進(jìn)行分解和求逆，而誤差協(xié)方 差陣的非正定造成濾波數(shù)值的不穩(wěn)定。
[0006] 坐標(biāo)系的選擇方面，由于在直角坐標(biāo)系下純方位目標(biāo)跟蹤的觀測(cè)量是狀態(tài)量的非 線性函數(shù)，采用卡爾曼濾波器進(jìn)行純方位目標(biāo)運(yùn)動(dòng)分析是不穩(wěn)定的，甚至?xí)?dǎo)致濾波器發(fā) 散。近年來(lái)討論較多的是修正球坐標(biāo)下的卡爾曼濾波算法，該算法可實(shí)現(xiàn)觀測(cè)量和不可觀 測(cè)量之間的自動(dòng)解耦，防止協(xié)方差矩陣的病態(tài)且使得狀態(tài)估計(jì)漸進(jìn)無(wú)偏，但其狀態(tài)方程是 高度非線性及強(qiáng)耦合的，不利于進(jìn)行狀態(tài)預(yù)測(cè)。
[0007] 此外，在純方位目標(biāo)跟蹤中，濾波初始值對(duì)跟蹤效果影響較大，而由于無(wú)源傳感器 無(wú)法獲取目標(biāo)徑向距離信息，使得目標(biāo)初始距離存在較大誤差，進(jìn)而影響跟蹤精度與穩(wěn)定 性。

【發(fā)明內(nèi)容】

[0008] 為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于距離參數(shù)化混合坐標(biāo)系下平方根 容積卡爾曼濾波的純方位目標(biāo)跟蹤方法。
[0009] 本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：首先將平方根容積卡爾曼濾波應(yīng)用 于混合坐標(biāo)系，得到混合坐標(biāo)系下的平方根容積卡爾曼濾波（HC-SRCKF)，接著將距離參數(shù) 化思想和混合坐標(biāo)系下的平方根容積卡爾曼濾波算法結(jié)合，得到距離參數(shù)化混合坐標(biāo)系下 的平方根容積卡爾曼濾波（RP-HC-SRCKF)。具體包括以下步驟：
[0010] 步驟1、采用等比規(guī)則將初始距離區(qū)間劃分為乂個(gè)子區(qū)間，第i個(gè)子區(qū)間為 [RminP H，RminP i]，1彡i彡NF，Rmin為初始距離區(qū)間的下限值，Rmax為初始距離區(qū)間的上限 值，P = ~為比例因子，則第i個(gè)子區(qū)間的距離范圍為Ri= Rmin(P I ;
[0011] 步驟2、初始化距離區(qū)間權(quán)值，給第i個(gè)子區(qū)間分配初始權(quán)值4 = # R:r ;
[0012] 步驟3、各子區(qū)間獨(dú)立在混合坐標(biāo)系下進(jìn)行平方根容積卡爾曼濾波，包括以下步 驟：
[0013] 3. 1設(shè)置濾波初始條件；
[0014] 3. 2選擇修正球坐標(biāo)系狀態(tài)向量進(jìn)行容積點(diǎn)采樣；
[0015] 3. 3將采樣點(diǎn)狀態(tài)向量轉(zhuǎn)換至直角坐標(biāo)系進(jìn)行狀態(tài)預(yù)測(cè)；
[0016] 3. 4將預(yù)測(cè)狀態(tài)轉(zhuǎn)換回修正球坐標(biāo)系完成卡爾曼濾波更新，得到狀態(tài)估計(jì)量^li 和新息協(xié)方差矩陣平方根;
[0017] 3. 5判斷濾波算法是否達(dá)到設(shè)定的執(zhí)行次數(shù)，如果是，結(jié)束算法；否則，返回步驟 3. 2。
[0018] 步驟4、第i個(gè)子區(qū)間的似然函數(shù)為
【主權(quán)項(xiàng)】
1. 一種基于距離參數(shù)化混合坐標(biāo)系下SRCKF的純方位目標(biāo)跟蹤方法，其特征在于包括 下述步驟： 步驟1、采用等比規(guī)則將初始距離區(qū)間劃分為乂個(gè)子區(qū)間，第i個(gè)子區(qū)間為 [U H，RminP i]，1彡i彡NF，Rmin為初始距離區(qū)間的下限值，Rmax為初始距離區(qū)間的上限 值，~為比例因子，則第i個(gè)子區(qū)間的距離范圍為Ri= Rmin(Pi-PH); 步驟2、初始化距離區(qū)間權(quán)值，給第i個(gè)子區(qū)間分配初始權(quán)值4 ; 八ma\ Snin 步驟3、各子區(qū)間獨(dú)立在混合坐標(biāo)系下進(jìn)行平方根容積卡爾曼濾波，包括以下步驟： 3. 1設(shè)置濾波初始條件； 3. 2選擇修正球坐標(biāo)系狀態(tài)向量進(jìn)行容積點(diǎn)采樣； 3. 3將采樣點(diǎn)狀態(tài)向量轉(zhuǎn)換至直角坐標(biāo)系進(jìn)行狀態(tài)預(yù)測(cè)； 3. 4將預(yù)測(cè)狀態(tài)轉(zhuǎn)換回修正球坐標(biāo)系完成卡爾曼濾波更新，得到狀態(tài)估計(jì)量尤和新 息協(xié)方差矩陣平方根尤m ; 3. 5判斷濾波算法是否達(dá)到設(shè)定的執(zhí)行次數(shù)，如果是，結(jié)束算法；否則，返回步驟3. 2。 步驟4、第i個(gè)子區(qū)間的似然函數(shù)為
式中，Zk為實(shí)際觀測(cè)值，〖【Μ為觀測(cè)估計(jì)值，尤為新息協(xié)方差矩陣平方根。 依據(jù)貝葉斯準(zhǔn)則更新權(quán)僅
步驟5、對(duì)各子區(qū)間的濾波結(jié)果加權(quán)融合，得到最終的定位結(jié)果 1=1 步驟6:比較子區(qū)間權(quán)值4和權(quán)值門限《th的大小，如果4 <%,，則終止第i個(gè)子區(qū) 間對(duì)應(yīng)的濾波器，轉(zhuǎn)至步驟3。
【專利摘要】本發(fā)明提供了一種基于距離參數(shù)化混合坐標(biāo)系下SRCKF的純方位目標(biāo)跟蹤方法，首先劃分初始距離區(qū)間并初始化距離區(qū)間權(quán)值，然后各子區(qū)間獨(dú)立在混合坐標(biāo)系下進(jìn)行平方根容積卡爾曼濾波并更新距離區(qū)間權(quán)值，對(duì)各子區(qū)間的濾波結(jié)果進(jìn)行加權(quán)融合，得到最終的定位結(jié)果。本發(fā)明具有更高的跟蹤精度和更好的穩(wěn)定性，有效避免了濾波初始值對(duì)跟蹤性能的影響，即消除了距離信息不可測(cè)對(duì)跟蹤效果的影響。
【IPC分類】G01S17-66
【公開(kāi)號(hào)】CN104833981
【申請(qǐng)?zhí)枴緾N201510236525
【發(fā)明人】周德云, 章豪
【申請(qǐng)人】西北工業(yè)大學(xué)
【公開(kāi)日】2015年8月12日
【申請(qǐng)日】2015年5月11日