专利名称：高量级扩展卡尔曼滤波方法
技术领域：
本发明涉及一种高量级扩展卡尔曼滤波方法，属于目标运动状态估计领域。
背景技术：
对目标运动状态进行估计时，学者Kalman将状态变量法引入到滤波理论中来，使状态空间描述与离散时间更新联系起来，对状态进行线性最小均方根误差估计，应用最为广泛，并称之为卡尔曼滤波方法。在雷达进行目标跟踪的过程中，由于在直角坐标系中易于对目标的运动状态进行描述，所以，目标状态方程通常是在直角坐标系中建立的。然而，对目标位置的量测通常是在极/球坐标系中得到的，即在极/球坐标系中，进行目标位置相对于雷达的距离、方位角或俯仰角(包括3D雷达的俯仰角)的量测。这就使得目标的运动状态 与雷达量测值之间的关系是非线性的，雷达滤波系统必然是非线性系统，从而导致经典的Kalman滤波算法不能对目标进行跟踪。卡尔曼滤波器是在线性高斯情况下利用最小均方误差准则(MMSE)获得目标状态估计的方法，但在实际应用中，许多情况下观测数据与目标状态参数间的关系是非线性的，即球/极坐标系和直角坐标系间的转换是非线性的。极坐标到直角坐标的转换的有偏性及偏差的补偿在文献[i] [ii] [iii]中已有研究，文献[iv]研究了 r-u_v坐标系到直角坐标系的非线性成因，本文在二维坐标转换的有偏性的研究基础上，进一步研究了坐标转换的非线性程度及其成因。研究表明二维坐标转换的非线性与目标距离、方位角、雷达距离分辨率、雷达波束宽度和信噪比有关，一般而言，随着目标距离越远，坐标转换的非线性程度越大。对于非线性滤波问题，至今尚未得到完善的解法。通常的处理方法是利用线性化技巧将非线性问题转化为近似的线性滤波问题，然后套用线性滤波理论得到求解原非线性滤波问题的次优滤波算法，其最常用的线性化方法是一阶泰勒级数展开，所得到的滤波方法是扩展卡尔曼滤波器(EKF)。然而，当目标相对于雷达的距离很远时，雷达极坐标的量测与目标在直角坐标系下的状态间的非线性会增大，导致传统的基于一阶泰勒展开的EKF发散，而Simonjulier提出的UKF[v]也会在非高斯噪声强非线性系统下无法很好的跟踪目标。发明目的本发明的目的在于解决由远距离带来的系统量测方程非线性大，从而造成跟踪精度下降的问题。本发明的高量级扩展卡尔曼滤波方法，包括以下步骤第一步假设目标在二维平面内运动，分别建立目标的状态方程和量测方程，如式
(I)和式⑵所示；X(k+1) = F (k) X (k) +V (k) (I)Z{k+\) = h{X{k+\)) + lV(k+\)
权利要求
1.高量级扩展卡尔曼滤波方法，其特征在于，包括以下步骤 第一步假设目标在二维平面内运动，分别建立目标的状态方程和量测方程，如式(I)和式⑵所示；
全文摘要
本发明提供一种高量级扩展卡尔曼滤波方法，解决由远距离带来的系统量测方程非线性大，从而造成跟踪精度下降的问题。第一步假设目标在二维平面内运动，分别建立目标的状态方程和量测方程；第二步由k时刻的滤波结果得到目标的k+1时刻目标状态预测方程；第三步计算预测协方差矩阵；第四步计算扩展卡尔曼滤波器的增益矩阵；第五步计算目标k+1的状态更新方程；第六步计算目标k+1时刻的协方差更新误差；第七步根据目标在k+1时刻的状态滤波向量和滤波误差的协方差矩阵，按第三步至第六步计算目标在k+2时刻的状态滤波向量和滤波误差的协方差矩阵，以此循环往复，最终的输出滤波结果再换回原来的量级。
文档编号G01S13/72GK102788976SQ20121021853
公开日2012年11月21日 申请日期2012年6月27日 优先权日2012年6月27日
发明者李春霞, 李阳, 赵晶, 龙腾 申请人:北京理工大学