[发明专利]一种基于坐标旋转变换的雷达跟踪方法

说明书

技术领域

本发明涉及雷达跟踪技术，属于雷达信号处理领域，具体涉及一种基于坐标旋转变换的雷达跟踪方法。 

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坐标系中得到的，即在极坐标系中，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参量(即目标动态参数)与雷达量测值之间的关系是非线性的，所以，雷达跟踪系统必然是非线性系统，这样就不能采用经典的Kalman滤波算法对目标进行跟踪。 

目前，在雷达跟踪系统中，为了解决非线性滤波问题，主要有三类解决方法：一是近似非线性方程的方法，例如基于泰勒展开式的扩展卡尔曼滤波(EKF)方法；二是估计目标状态一阶矩和二阶矩的方法，例如基于不敏变换，并沿用卡尔曼滤波框架的不敏卡尔曼滤波(UKF)算法；三是直接估计状态后验概率密度函数的方法，例如基于重要性采样原理的粒子滤波(PF)算法。然而，目前所有的滤波算法都是在事先选定的坐标系下进行目标状态估计的，这样，滤波系统的非线性程度是固定的，最终只能通过改进滤波算法来提高目标跟踪效果。 

在雷达跟踪系统中，滤波系统模型包括状态方程和量测方程。通常雷达量测值是在极坐标系下得到的，为了方便后续描述，将该极坐标系记为雷达极坐标系，将与该极坐标系对应的直角坐标系记为雷达直角坐标系XOY。 

雷达二维极坐标量测产生的基本原理为： 

假设目标是在二维平面内运动，目标的观测值是在雷达极坐标下得到的，雷达极坐标的原点与雷达直角坐标系的原点重合，则目标在雷达直角坐标系下位置的真实值为： 

x0=r0cosa0y0=r0sina0---(1)]]>

其中，r₀为雷达极坐标下的目标真实距离，a₀为雷达极坐标下的目标真实方位角，x₀为目标在雷达直角坐标系下的横坐标，y₀为目标在雷达直角坐标系下的纵坐标。 

而在实际中，由于雷达测量精度的限制，雷达并不能获得目标真实的距离和方位角，而是包含量测误差的目标观测值，那么，目标在雷达极坐标下的量测为：