[发明专利]一种基于模糊自适应UKF的交互多模型机动目标跟踪方法

权利要求书

1.一种基于模糊自适应UKF的交互多模型机动目标跟踪方法，其特征在于，在使用IMM-UKF方法进行目标跟踪时包括以下步骤：

获取UKF中(k-1)时刻目标的量测噪声信息并根据所述计算k时刻目标的理论新息协方差P_ZZ,j(k)；

根据k时刻的目标测量信息计算目标的实际新息协方差C_j(k)；

以所述P_ZZ,j(k)和C_j(k)为输入信息，采用模糊推理方法确定k时刻量测噪声信息的自适应调节因子；

基于所述自适应调节因子和所述计算k时刻目标的量测噪声信息

基于所述计算k时刻目标的状态信息。

2.如权利要求1所述的一种基于模糊自适应UKF的交互多模型机动目标跟踪方法，其特征在于，采用模糊推理方法确定k时刻量测噪声信息的自适应调节因子包括：

根据生成模糊推理方法的输入参数矩阵q_j(k)；

其中，表示C_j(k)的主对角线上的第i个元素，表示P_ZZ,j(k)的主对角线上的第i个元素。

3.如权利要求2所述的一种基于模糊自适应UKF的交互多模型机动目标跟踪方法，其特征在于，所述模糊推理方法中的调节规则为：

其中，η_j(k)为模糊推理方法的输出参数矩阵，为η_j(k)中的主对角线上的第n个元素，ξ_j(k)为k时刻量测噪声信息的自适应调节因子，为ξ_j(k)的主对角线上的第n个元素。

4.如权利要求2或3所述的一种基于模糊自适应UKF的交互多模型机动目标跟踪方法，其特征在于，还包括：

获取(k-1)时刻各模型对目标的状态估计值和协方差估计值，并结合马尔科夫概率转移矩阵计算各模型k时刻的状态估计输入值和协方差估计输入值；

在各个模型中，基于k时刻的所述状态估计输入值和协方差估计输入值，结合量测噪声信息确定各模型中k时刻目标的状态估计值和协方差估计值；

根据k时刻目标的状态估计值和协方差估计值计算目标的混合状态估计和混合协方差。

5.如权利要求4所述的一种基于模糊自适应UKF的交互多模型机动目标跟踪方法，其特征在于，根据k时刻目标的状态估计值和协方差估计值计算目标的混合状态估计包括：

其中，为k时刻目标的混合状态估计，为k时刻第j个模型的状态估计值，μ_j(k)为k时刻第j个模型的模型概率。

6.如权利要求5所述的一种基于模糊自适应UKF的交互多模型机动目标跟踪方法，其特征在于，所述模型概率的更新方法为：

其中，Λ_j(k)是第j个模型在k时刻极大似然函数，为计算模型i到模型j输入交互概率时的归一化常数，c为计算模型j概率时的归一化常数。

7.如权利要求5或6所述的一种基于模糊自适应UKF的交互多模型机动目标跟踪方法，其特征在于，结合马尔科夫概率转移矩阵计算各模型k时刻的状态估计输入值和协方差估计输入值包括：

其中，为第j个模型k时刻的状态估计输入值，为(k-1)时刻第i个模型的状态估计值，μ_ij(k-1|k-1)为(k-1)时刻第i个模型到第j个模型的输入交互概率，r为模型的总数，为第j个模型k时刻的协方差估计输入值，为(k-1)时刻第i个模型的协方差估计值。