一种基于线性序贯滤波的相控阵雷达目标跟踪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113030945A(43)申请公布日2021.06.25(21)申请号202110436396.4(22)申请日2021.04.22(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人程婷李立夫李中柱侯子林(51)Int.Cl.G01S13/72(2006.01)G06Q10/04(2012.01)G06F30/20(2020.01)权利要求书4页说明书9页附图5页(54)发明名称一种基于线性序贯滤波的相控阵雷达目标跟踪方法(57)摘要本发明属于相控阵雷达目标跟踪领域，特别涉及利用多普勒量测信息的目标跟踪系统及方法。本发明利用完全线性的量测矩阵，提出了一种基于线性序贯滤波的相控阵雷达目标跟踪方法(DUCMKF‑LSQ)。在求解相关算法时，首先利用基于位置量测信息转换，得到目标的位置滤波状态估计结果；然后通过位置滤波结果提取目标角度估计信息，构造线性的径向速度量测矩阵；最后经由推导出的线性量测矩阵，用径向速度量测对位置量测的滤波结果进行线性序贯滤波，获得最终的目标状态估计结果。CN113030945ACN113030945A权利要求书1/4页1.假设k‑1时刻目标状态估计为相应的估计误差协方差为P(k‑1)。k时刻相控阵雷达获得的量测信息包括距离量测rm(k)、俯仰角θm(k)、方位角以及径向速度量测其中，量测噪声和是零均值加性高斯白噪声，量测方差分别为和距离和径向速度量测误差之间的相关系数为ρ。基于线性序贯滤波的相控阵雷达目标跟踪方法k‑1时刻到k时刻的滤波步骤如下：步骤1：按如下方式进行无偏量测转换。步骤2：按照下式计算k时刻目标的状态预测。其中，F(k‑1)为k‑1时刻的转移矩阵，为k‑1时刻的状态估计，G(k‑1)为噪声驱动矩阵，为过程噪声的均值，xp(k),yp(k),zp(k)分别为在x,y,z方向上的预测位置，分别为在x,y,z方向上的预测速度，分别为在x,y,z方向上的预测加速度。预测估计误差协方差表示为：TTPp(k)＝F(k‑1)P(k‑1)F(k‑1)+G(k‑1)Q(k‑1)G(k‑1)(3)其中，(·)T为矩阵的转置运算，P(k‑1)为k‑1时刻的状态估计误差协方差矩阵，Q(k‑1)为过程噪声协方差矩阵。步骤3：基于位置量测的线性卡尔曼滤波。posposTpos‑1K(k)＝Pp(k)(H(k))(S(k))(5)posposposP(k)＝[I‑K(k)H(k)]Pp(k)(7)其中，为位置无偏量测转换，为基于预测值的去相关无偏量测转换误差协方差矩阵中的位置项，Hpos(k)为位置量测矩阵，具体表达式如下：2CN113030945A权利要求书2/4页中各元素的具体表达形式如下：其中，rp、θp、由笛卡尔坐标系的预测值得到，为了内容简洁省略掉了时刻k，其预测误差方差由雅可比变换矩阵和笛卡尔坐标系的预测估计误差协方差矩阵Pp(k)计算得到，其中的预测信息可通过如下方法得到：距离的预测值及其方差：3CN113030945A权利要求书3/4页方位角的预测值及其方差：俯仰角的预测值及其方差：步骤4：基于径向速度量测的线性序贯卡尔曼滤波。Kε(k)＝Ppos(k)(Hε(k))T(Sε(k))‑1(24)Pε(k)＝[I‑Kε(k)Hε(k)]Ppos(k)(26)其中，和Pε(k)为当前时刻的线性序贯卡尔曼滤波输出，Hε(k)为本发明中使得目标状态向量与径向速度呈线性关系的量测矩阵，εcu(k)和分别为经过去相关处理后的径向速度量测及其误差协方差，具体表达式如下：4CN113030945A权利要求书4/4页和通过基于位置的线性卡尔曼滤波状态估计结果计算得到，和分别为基于预测值的去相关无偏量测转换误差协方差矩阵中的交叉项和径向速度项，具体的表达式如下所示：和为基于位置的线性卡尔曼滤波状态估计结果的位置项。中各元素的具体表达形式如下：其中，上式中的预测信息可通过式(19)—(22)获得。最后，根据量测误差大小自适应选择将Ppos(k)或Pε(k)作为滤波的迭代循环，具体判断规则如下：当满足式(37)的条件时，选择Pε(k)放入迭代循环中，否则选择Ppos(k)，将k时刻迭代的状态估计和状态估计误差协方差矩阵记为和P(k)。5CN113030945A说明书1/9页一种基于线性序贯滤波的相控阵雷达目标跟踪方法技术领域[0001]本发明属于相控阵雷达目标跟踪领域，特别涉及利用多普勒量测信息的目标跟踪系统及方法。背景技术[0002]在雷达目标跟踪中，目标的状态方程通常是建立在直角坐标系下的，而量测信息一般是在极坐标系或球坐标系下获得，目标的位置量测与运动状态之间呈非线性关系，因此，雷达目标跟踪实质