基于殘差反饋的多模型高速高機動目標(biāo)跟蹤方法
【專利摘要】本發(fā)明公開一種基于殘差反饋的多模型高速高機動目標(biāo)跟蹤方法，主要解決現(xiàn)有技術(shù)計算量大的問題。其步驟是：1)初始化雷達觀測值，得到初始狀態(tài)向量和初始協(xié)方差矩陣；2)選擇若干運動模型，確定運動模型的狀態(tài)轉(zhuǎn)移矩陣；3)由運動模型的個數(shù)假定初始權(quán)值；4)利用狀態(tài)向量和狀態(tài)轉(zhuǎn)移矩陣作一步預(yù)測；5)利用初始權(quán)值對一步預(yù)測值加權(quán)求和，得到狀態(tài)估計向量和估計協(xié)方差矩陣；6)根據(jù)觀測值和狀態(tài)估計向量得到預(yù)測誤差；7)由預(yù)測誤差和估計協(xié)方差矩陣計算增益矩陣；8)利用增益矩陣和狀態(tài)估計向量更新狀態(tài)向量和狀態(tài)協(xié)方差矩陣；9)利用預(yù)測誤差和狀態(tài)估計向量更新權(quán)值。本發(fā)明跟蹤性能穩(wěn)定、計算量小，可用于對臨近空間目標(biāo)的跟蹤。
【專利說明】基于殘差反饋的多模型高速高機動目標(biāo)跟蹤方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于雷達【技術(shù)領(lǐng)域】，具體涉及一種對強機動目標(biāo)的跟蹤方法，可用于對臨近空間目標(biāo)的跟蹤。
【背景技術(shù)】
[0002]由于目標(biāo)跟蹤在國防和民用各領(lǐng)域的重要價值，一直以來很多學(xué)者致力于研究目標(biāo)跟蹤算法。隨著現(xiàn)代航空的迅速發(fā)展，各種飛行器的機動性和運動速度越來越高，但是可靠而精確的跟蹤目標(biāo)始終是目標(biāo)跟蹤系統(tǒng)設(shè)計的主要目的與難點。目標(biāo)跟蹤實際上就是對目標(biāo)狀態(tài)的跟蹤濾波問題，而實現(xiàn)目標(biāo)跟蹤首先要使所建立的目標(biāo)運動模型與實際的目標(biāo)運動模型匹配，建立目標(biāo)的運動模型和自適應(yīng)濾波是機動目標(biāo)的兩個關(guān)鍵部分。
[0003]在當(dāng)前目標(biāo)機動能力日益增強的情況下，單模型算法很難滿足跟蹤速度和精度的需求，而多模型算法可以避免采用單模型時由于目標(biāo)機動而造成模型的不準(zhǔn)確，提高機動目標(biāo)跟蹤性能，從而實現(xiàn)對強機動目標(biāo)的精確跟蹤。經(jīng)過國內(nèi)外學(xué)者幾十年來的不斷研究，提出了很多目標(biāo)模型與算法。目前廣泛采用的算法是1984-1989年Blom和Bar-Shalom提出的交互式多模型IMM算法，該算法具有Markov轉(zhuǎn)移概率，且算法中有多個模型并行工作，多個濾波器交互作用得到目標(biāo)狀態(tài)估計的結(jié)果，由于該模型有較好的自適應(yīng)能力，因而比較理想。但是IMM算法中由于其模型轉(zhuǎn)移概率是人為設(shè)置的，因此引入了人為誤差，影響了跟蹤性能。除此之外，因為IMM算法需要對每一個模型都進行濾波，計算量過大，對目標(biāo)跟蹤會有延遲。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于針對上述已有技術(shù)的不足，提出一種基于殘差反饋的多模型高速高機動目標(biāo)跟蹤方法，以降低計算復(fù)雜度，提高雷達在目標(biāo)強機動下的跟蹤精度。 [0005]實現(xiàn)本發(fā)明的技術(shù)思路是:利用LMS算法，通過信號的預(yù)測殘差調(diào)整濾波器的權(quán)值，從而使估計信號逼近期望信號，以提高跟蹤性能，其實現(xiàn)步驟包括如下:
[0006](I)雷達對接受到的機動目標(biāo)的位置檢測值進行N次采樣，得到一個長度為N的觀測值序列{Z(k)}，k=l，2，…，N;
[0007](2)從觀測值序列{Z(k)}中取出前三個采樣點的觀測值Z(1)，Z(2)，Z(3)，并利用差分法初始化機動目標(biāo)的運動狀態(tài)，得到機動目標(biāo)在第3個采樣點的狀態(tài)向量和初始協(xié)方差矩陣P⑶；
[0008](3)根據(jù)機動目標(biāo)的運動特性選擇M個目標(biāo)運動模型，得到M個目標(biāo)運動模型的狀態(tài)轉(zhuǎn)移矩陣Fi, i=l，2，…M，M≥2;
[0009](4)根據(jù)選擇的目標(biāo)運動模型個數(shù)M，確定目標(biāo)運動模型在第3采樣點的權(quán)值:
[0010]ff(3) = [l/M I/M...1/M]1xm，
[0011]其中，[.]1XM表示該矩陣為I行M列的矩陣；
[0012](5)利用步驟(2)中得到第k采樣點的狀態(tài)向量,(分)和步驟⑶中得到的目標(biāo)運動模型的狀態(tài)轉(zhuǎn)移矩陣Fi進行一步預(yù)測，得到對應(yīng)模型的一步預(yù)測值±
【權(quán)利要求】
1.一種基于最小均方誤差的強機動目標(biāo)跟蹤方法，包括如下步驟: (1)雷達對接受到的機動目標(biāo)的位置檢測值進行N次采樣，得到一個長度為N的觀測值序列{Z(k)}, k = 1,2,..., N ； (2)從觀測值序列{Z(k)}中取出前三個采樣點的觀測值Z(1)，Z(2)，Z(3)，并利用差分法初始化機動目標(biāo)的運動狀態(tài)，得到機動目標(biāo)在第3個采樣點的狀態(tài)向量;^3)和初始協(xié)方差矩陣P⑶； (3)根據(jù)機動目標(biāo)的運動特性選擇M個目標(biāo)運動模型，得到M個目標(biāo)運動模型的狀態(tài)轉(zhuǎn)移矩陣 Fi, i=l,2, -M, 2 ； (4)根據(jù)選擇的目標(biāo)運動模型個數(shù)M，確定目標(biāo)運動模型在第3采樣點的權(quán)值:
W(3) = [l/M I/M …1/M]1xm， 其中，[.]1XM表示該矩陣為I行M列的矩陣； (5)利用步驟2中得到第k采樣點的狀態(tài)向量和步驟(3)中得到的目標(biāo)運動模型的狀態(tài)轉(zhuǎn)移矩陣Fi進行一步預(yù)測，得到對應(yīng)模型的一步預(yù)測值±,0+1/幻 I1 (左+1/眾)=巧雄) 其中,0 + 1/4表示第i個目標(biāo)運動模型在第k采樣點預(yù)測的機動目標(biāo)在第k+Ι采樣點的狀態(tài)向量； (6)利用步驟(4)中得到的權(quán)值對步驟(5)中得到的各個目標(biāo)運動模型的一步預(yù)測值X, (A-+1/々)和協(xié)方差矩陣P (k)進行加權(quán)求和，得到基于LMS算法的狀態(tài)估計向量iOfc + /k)和估計協(xié)方差矩陣P (k+1`/k): f (是+ = ⑷ ±# + 1/灸)

i=l I\k + 1M) = Σ+ G ⑷) 其中，WiGO表示在第k采樣點權(quán)值w(k)的第i個元素；[.]7表示矩陣的轉(zhuǎn)置；P(k)表示機動目標(biāo)在第k采樣點的協(xié)方差矩陣弗(k)表示第i個目標(biāo)運動模型在第k采樣點的過程噪聲協(xié)方差； (7)根據(jù)步驟(1)中得到的雷達對機動目標(biāo)位置的觀測值Z(k+1)和步驟(6)中得到的基于LMS算法的狀態(tài)估計向量;+ 1/0，通過下式求解機動目標(biāo)在第k+Ι采樣點的預(yù)測誤差習(xí)> + 1):
Z(/c + I) = 7人k + 1) — Z(/c + \jk) 其中，Z{k十/k)= HX{k + l//v),其表示第k采樣點預(yù)測機動目標(biāo)在第k+Ι采樣點的觀測值；Z(k+l)表示雷達在第k+Ι采樣點對機動目標(biāo)位置的觀測值出表示機動目標(biāo)的量測矩陣。 (8)由步驟7)中得到的預(yù)測誤差?(々+ 1?和步驟(6)中得到的估計協(xié)方差矩陣P(k+1/k)確定預(yù)測誤差的協(xié)方差矩陣S (k+1)，繼而得到增益矩陣G (k+1):
S (k+1) = HP(k+l/k)HT+R(k+l)G (k+1) = P (k+l/k) HV1 (k+1)，其中，S(k+1)是預(yù)測誤差在第k個采樣點的協(xié)方差矩陣；R(k+1)是觀測噪聲在第k+1 采樣點的協(xié)方差矩陣；G(k+i)表示第k+i采樣點的濾波增益矩陣；[? r1表示矩陣的逆；(9)利用步驟（8中得到的增益矩陣G(k+1)和步驟（6)中得到的狀態(tài)估計向量 + 完成對狀態(tài)向量和協(xié)方差矩陣P(k)的更新，SP ：X(k -i- l) = X(k + Ilk) + (；(k + \)Z(k 十 1)P (k+1) = P (k+l/k) -G (k+1) S (k+1) GT (k+1)其中，;^(/fc + 1)表示機動目標(biāo)更新后在第k+1采樣點的狀態(tài)向量；P(k+l)表示機動目標(biāo) 在第k+1采樣點的協(xié)方差矩陣；[? ]T表示矩陣的轉(zhuǎn)置；(10)通過步驟（7)中得到的預(yù)測誤差方>+ 1)和步驟（5)中得到的目標(biāo)運動模型的一步預(yù)測值尤# + 1/0對權(quán)值W(k)進行更新，得到更新后的權(quán)值：W{k + l) = W{k) + 2jnZT(k + l)H\xi{k + \lk) X2 (k + l/k) --? XM (k + l/k)其中，W(k+1)表示第k+1采樣點目標(biāo)運動模型的權(quán)值，u表示步長因子，M為采用的目 標(biāo)運動模型的個數(shù)；(11)判斷跟蹤是否完成，即判斷k是否滿足k( N-1，若條件滿足，則k遞增，并繼續(xù)執(zhí) 行步驟（5);若條件不滿足，則跟蹤過程結(jié)束。
【文檔編號】G01S13/66GK103487800SQ201310404989
【公開日】2014年1月1日 申請日期:2013年9月8日 優(yōu)先權(quán)日:2013年9月8日
【發(fā)明者】曹運合, 馬珊珊, 靳松陽, 彭志剛, 王勝華, 周生華 申請人:西安電子科技大學(xué)