[发明专利]一种机动策略自适应的目标跟踪信息滤波方法

说明书

技术领域

本发明属于目标跟踪领域，涉及一种目标跟踪信息滤波算法。

背景技术

随着经济的发展，人们对商用客机的使用需求显著提升，客机数量的提升对如何高效的进行空中交通管理提出了新的要求。同时，随着科技的进步，客机飞行速度的提升和其他民用飞行器的逐渐投入使用，对如何高效进行空中管理提出了挑战。高效空中管理的前提是获取各飞行器精确的运动状态信息，这要求滤波跟踪算法能有效地对各种不同类型目标进行高精度跟踪。但是目前一般的跟踪算法是基于卡尔曼滤波算法，主要存在以下几个问题：1.适合于弱机动能力单一运动方式的目标，对现在空域中具备不同机动能力的飞行器(客机、直升机、无人机等)显然不完全适用。2.随着传感器技术的发展，海量的传感器探测数据要求滤波算法能有效地融合各传感器的量测数据，但是一般的卡尔曼滤波算法不具备多量测信息融合的能力。

发明内容

为了克服现有技术在跟踪不同机动能力的飞行器时自适应能力较差，缺乏多量测信息融合能力的问题，提出一种机动策略自适应的目标跟踪信息滤波算法。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1：建立多机动策略和多运动模式的目标跟踪模型

设目标共有m种可能的运动模型，m取1～3，则k时刻第i种运动模型的目标运动模型与观测模型为：

式中，x_k和Z_k分别为状态向量和观测向量；为模型的噪声向量，为观测噪声向量，且与为相互独立不相关的零均值高斯白噪声，方差分别为和和分别为对应的状态转移矩阵、过程噪声输入阵和观测矩阵；

用表示在机动策略d的作用下由转移到的模型转移概率，该机动策略对应的模型转移概率矩阵为：

式中，d＝1,2,…n表示目标有n种可能的机动策略，

k-1时刻所有可能的模型转移概率矩阵的集合为

用表示机动策略的转移概率，即由转变为的转移概率，P_dl为模型转移概率矩阵之间的转移概率，机动策略之间的转移概率矩阵为：

步骤2：多机动策略多模型下的目标跟踪信息滤波算法

设共有N个坐标雷达并行量测，即k时刻对目标的位置量测信息共有N组分别为：k-1时刻目标的运动模型和机动策略分别为和状态滤波值和协方差分别为与且已知和初值分别为和用表示目标初始时刻运动模型为Mⁱ的概率，表示目标在初始时刻采用机动策略的概率；机动策略转移概率矩阵初值设为T₀＝{P_ij|i,j＝1,2,…n}；包含以下步骤：

2.1机动策略与模型联合条件概率的混合估计

运动模型j与机动策略l的联合概率预测值式中，为转变为的转移概率；表示k-1时刻采用机动策略d时对应的模型转移概率矩阵中位于第i行、第j列的项，即由转移到的概率；为k-1时刻目标的运动模型i和机动策略d的联合条件概率；

运动模型j与机动策略l的联合条件概率的混合估计

2.2滤波器混合初始条件计算

机动策略l下运动模型j的初始状态混合估计式中，为k-1时刻机动策略d下运动模型i的滤波估计值；

机动策略l下运动模型j初始状态混合估计的协方差式中，为k-1时刻机动策略d下运动模型i的滤波估计协方差；

2.3利用卡尔曼信息滤波估计各机动策略及运动模型下的状态与协方差

1).计算k时刻观测序列Z_k对信息状态y_k和Fisher信息Y_k的贡献i_k和I_k

式中，和分别为第i个观测的量测矩阵和量测误差方差，为第i个观测序列；

2).时间更新

式中，分别为机动策略l下运动模型j的状态转移矩阵、观测矩阵和过程噪声方差；分别为机动策略l下运动模型j初始状态混合估计及估计协方差，分别为k时刻机动策略l下运动模型j的状态预测值和量测预测值，为状态预测协方差；

3).卡尔曼增益及模型似然概率计算

式中，分别为k时刻机动策略l下运动模型j的新息、新息协方差、卡尔曼滤波增益、模型似然概率；

4).机动策略l与模型j的联合条件概率更新