基于距離參數(shù)化混合坐標系下srckf的純方位目標跟蹤方法
【技術領域】
[0001] 本發(fā)明屬于純方位目標跟蹤領域，具體涉及一種基于距離參數(shù)化混合坐標系下平 方根容積卡爾曼濾波的純方位目標跟蹤方法。
【背景技術】
[0002] 純方位目標跟蹤利用運動目標本身的有源輻射，獲取目標的角度信息序列實時估 計目標的運動狀態(tài)。由于純方位目標跟蹤僅需要目標的角度信息，具有隱蔽性強、設備簡 單、探測距離遠等優(yōu)點，在電子偵察、精確制導、智能導航等領域具有廣泛應用。由于無源傳 感器的觀測量僅有目標的角度信息，無法獲取目標的徑向距離信息，觀測量是狀態(tài)量的非 線性函數(shù)，因此純方位目標跟蹤實質(zhì)上是一個非線性濾波問題。目前純方位目標跟蹤的研 宄熱點主要集中在濾波算法的研宄和坐標系的選擇。
[0003] 濾波算法方面，擴展卡爾曼濾波（EKF)將非線性函數(shù)進行一階泰勒展開，忽略高 階項，將非線性問題線性化，由于計算簡易使其獲得廣泛應用。然而對于高度非線性問題， 使用EKF會產(chǎn)生較大的誤差，甚至導致濾波發(fā)散，且EKF在線性化時需要計算Jacobian矩 陣，實際問題中很難得到系統(tǒng)的Jacobian矩陣。
[0004] 針對EKF的不足，Julier提出無跡卡爾曼濾波（UKF)，通過一組確定的加權采樣點 來逼近隨機變量的分布函數(shù)，通過采樣點的非線性變換，捕獲隨機變量經(jīng)非線性變換后的 統(tǒng)計特性。但UKF在進行迭代濾波過程中需要進行矩陣分解和求逆運算，而狀態(tài)估計協(xié)方 差陣難以保持正定。
[0005] 近年來提出的容積卡爾曼濾波（CKF)，使用基于容積原則的數(shù)值積分方法計算非 線性變換后的隨機變量均值和協(xié)方差。與UKF相比，CKF需要較少的計算量且具有更高的 濾波精度。但CKF在迭代濾波過程中需要對誤差協(xié)方差矩陣進行分解和求逆，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] 坐標系的選擇方面，由于在直角坐標系下純方位目標跟蹤的觀測量是狀態(tài)量的非 線性函數(shù)，采用卡爾曼濾波器進行純方位目標運動分析是不穩(wěn)定的，甚至會導致濾波器發(fā) 散。近年來討論較多的是修正球坐標下的卡爾曼濾波算法，該算法可實現(xiàn)觀測量和不可觀 測量之間的自動解耦，防止協(xié)方差矩陣的病態(tài)且使得狀態(tài)估計漸進無偏，但其狀態(tài)方程是 高度非線性及強耦合的，不利于進行狀態(tài)預測。
[0007] 此外，在純方位目標跟蹤中，濾波初始值對跟蹤效果影響較大，而由于無源傳感器 無法獲取目標徑向距離信息，使得目標初始距離存在較大誤差，進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)有技術的不足，本發(fā)明提供一種基于距離參數(shù)化混合坐標系下平方根 容積卡爾曼濾波的純方位目標跟蹤方法。
[0009] 本發(fā)明解決其技術問題所采用的技術方案是：首先將平方根容積卡爾曼濾波應用 于混合坐標系，得到混合坐標系下的平方根容積卡爾曼濾波（HC-SRCKF)，接著將距離參數(shù) 化思想和混合坐標系下的平方根容積卡爾曼濾波算法結合，得到距離參數(shù)化混合坐標系下 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)間劃分為乂個子區(qū)間，第i個子區(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)間權值，給第i個子區(qū)間分配初始權值4 = # R:r ;
[0012] 步驟3、各子區(qū)間獨立在混合坐標系下進行平方根容積卡爾曼濾波，包括以下步 驟：
[0013] 3. 1設置濾波初始條件；
[0014] 3. 2選擇修正球坐標系狀態(tài)向量進行容積點采樣；
[0015] 3. 3將采樣點狀態(tài)向量轉(zhuǎn)換至直角坐標系進行狀態(tài)預測；
[0016] 3. 4將預測狀態(tài)轉(zhuǎn)換回修正球坐標系完成卡爾曼濾波更新，得到狀態(tài)估計量^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到設定的執(zhí)行次數(shù)，如果是，結束算法；否則，返回步驟 3. 2。
[0018] 步驟4、第i個子區(qū)間的似然函數(shù)為
【主權項】
1. 一種基于距離參數(shù)化混合坐標系下SRCKF的純方位目標跟蹤方法，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)間劃分為乂個子區(qū)間，第i個子區(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)間權值，給第i個子區(qū)間分配初始權值4 ; 八ma\ Snin 步驟3、各子區(qū)間獨立在混合坐標系下進行平方根容積卡爾曼濾波，包括以下步驟： 3. 1設置濾波初始條件； 3. 2選擇修正球坐標系狀態(tài)向量進行容積點采樣； 3. 3將采樣點狀態(tài)向量轉(zhuǎn)換至直角坐標系進行狀態(tài)預測； 3. 4將預測狀態(tài)轉(zhuǎn)換回修正球坐標系完成卡爾曼濾波更新，得到狀態(tài)估計量尤和新 息協(xié)方差矩陣平方根尤m ; 3. 5判斷濾波算法是否達到設定的執(zhí)行次數(shù)，如果是，結束算法；否則，返回步驟3. 2。 步驟4、第i個子區(qū)間的似然函數(shù)為
式中，Zk為實際觀測值，〖【Μ為觀測估計值，尤為新息協(xié)方差矩陣平方根。 依據(jù)貝葉斯準則更新權僅
步驟5、對各子區(qū)間的濾波結果加權融合，得到最終的定位結果 1=1 步驟6:比較子區(qū)間權值4和權值門限《th的大小，如果4 <%,，則終止第i個子區(qū) 間對應的濾波器，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)化混合坐標系下SRCKF的純方位目標跟蹤方法，首先劃分初始距離區(qū)間并初始化距離區(qū)間權值，然后各子區(qū)間獨立在混合坐標系下進行平方根容積卡爾曼濾波并更新距離區(qū)間權值，對各子區(qū)間的濾波結果進行加權融合，得到最終的定位結果。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跟蹤性能的影響，即消除了距離信息不可測對跟蹤效果的影響。
【IPC分類】G01S17-66
【公開號】CN104833981
【申請?zhí)枴緾N201510236525
【發(fā)明人】周德云, 章豪
【申請人】西北工業(yè)大學
【公開日】2015年8月12日
【申請日】2015年5月11日