[发明专利]噪声相关系统基于容积信息滤波的纯方位跟踪方法

说明书

技术领域

本发明属于目标跟踪领域，主要涉及噪声相关系统基于容积信息滤波的纯方位目标跟踪方法。

背景技术

传感器目标跟踪是一门多学科交叉技术。近年来，随着传感器技术、计算机技术、通信技术和信息处理技术的发展，特别是军事上的迫切需求，多传感器目标跟踪技术的研究内容日益深入和广泛。军事上主要应用于指挥、控制、通信和情报系统，同时在机器人、民航航管等领域也有重要应用价值。目前对目标跟踪有了很多比较好的算法，如卡尔曼滤波算法(KF)，无迹卡尔曼滤波算法(UKF),求容积卡尔曼滤波算法(CKF)等，然而众所周知，当所有传感器测量值到达融合中心进行集中处理时这些算法具有很高的计算复杂度。所以，信息滤波器被提了出来并且得到了广泛的应用由于在计算方面有比卡尔曼滤波算法更优越的性能并且容易初始化。实际上，信息滤波算法本质上是用协方差阵的逆表示的卡尔曼滤波算法。

目前关于非线性滤波的目标跟踪算法最新进展是容积信息滤波算法(SCIF)，但由于此算法的前提是任何噪声之间是不相关的，所以大大限制了它的应用范围。在实际当中往往由于天气，跟踪同一个目标，同样的环境，多传感器的异步采样等原因，过程噪声与观测噪声之间可能相关，这就大大限制了SCIF的使用。

发明内容

为了解决噪声相关的情况，本发明提出了噪声相关系统基于容积信息滤波的纯方位跟踪方法，从而达到跟踪目标的目的。为了方便描述本发明的内容，首先本发明针对单传感器目标系统建立模型，它包括2个方程，状态方程和观测方程，分别如下所示：

                           (1)

                                (2)

这里的是时间指标；是系统的状态向量；是对于状态向量的观测向量；和都是已知的可微函数；过程噪声和测量噪声均为零均值的高斯白噪声，它们的方差分别为和，并且满足：

              (3)

 为过程噪声与观测噪声的互协方差矩阵，可以看出过程噪声与测量噪声是相关的，为脉冲函数，即时，，时，。我们令初始状态为，且它的期望值为，令初始状态误差的协方差矩阵为，并且满足 

              (4)

    针对上面描述的系统模型和初始条件，本发明给出如下迭代算法，具体包括2个模块：时间更新（先）和状态更新（后），从而达到跟踪目标的目的。

1.时间更新

步骤1.1 分别计算k-1时刻第i个容积点，k-1时刻第i个传播容积点和k-1时刻一步状态预测。

首先，可以假设k-1时刻的状态估计和它的协方差矩阵已知，分解有：

                           (5)

其中称为k-1时刻开方值。

其次，从(6)式计算k-1时刻第i个传播容积点，

                          (6)

其中，

                        (7)

并且。这里, 是点集合的第i个列向量，例如如果, 那么它表示下面的集合：

                                               

最后，计算k-1时刻状态的一步预测：

                               (8)

步骤1.2 根据下式计算k-1时刻一步开方；

                     (9)

这里表示QR分解，将分解得到的上三角矩阵的转置赋给，是的开方根，即：，并且

        (10)

步骤1.3 使用下面的式子得到k-1时刻一步信息矩阵；

令        (11)

然后利用即可得到k-1时刻一步信息矩阵。

步骤1.4 使用式（12）式计算k-1时刻一步预测信息状态向量；

                  (12)

     2.测量更新

步骤2.1 分别计算k-1时刻第i个一步容积点,k-1时刻第i个一步传播容积点和k-1时刻一步观测预测。

        首先，计算k-1时刻一步容积点，如下式所示：