[发明专利]一种基于判断机动的运动状态估计方法

摘要

本发明提出一种基于判断机动的运动状态估计方法，主要应用在民航空中交通管制系统和其他需要估计目标状态的系统，但是现有的状态估计方法，对于目标信息的短暂缺失，没有采取任何弥补措施，系统的抗干扰能力较差。为了弥补传统目标跟踪算法的不足，提出了一种基于判断机动的运动状态估计方法，其中机动判断机制，能够模拟实际运动状态，得到高精度的状态估计效果；另外概率预测验证机制，是通过过去时刻对未来时刻的目标状态进行预测，当环境比较复杂，传感器的数据误差较大时，可用预测值进行弥补，稳定性更高。

主权项

一种基于判断机动的运动状态估计方法，其特征在于：包括输入交互、kalman滤波、判断机动、概率预测和数据融合步骤，实现如下：步骤一：输入交互：将系统的观测数据作为输入，若没有经过第一轮迭代，则将此时的输入不做任何处理，直接作为步骤二的输入；否则，根据上一轮的步骤四产生的预测概率p_j和步骤二中的经过kalman滤波器后目标状态概率和状态信息的加权求和后，得到系统模型在k时刻的输入；步骤二：根据步骤一的k时刻的输入，利用这些输入信息，启动kalman滤波器，修正观测数据中含有误差的值，并输出目标的状态估计信息；步骤三：判断机动：利用kalman的预测性，预测出目标坐标的下一个位置坐标，用下一时刻的目标坐标的观测值与预测的下一个位置坐标进行对比；判断目标观测值与预测的距离是否达到最大容忍的误差范围；并修改公式(1)中的time值；步骤四：概率预测：结合当前滤波值，预测接下来N个时刻的状态信息，使其拥有多点预测能力；并利用概率计算公式，用计算出来的预测概率p_j为每一个预测值进行约束，其中概率公式如下：$p_j=\[1-{\left(\frac{time}{ET}\right)}^2\]\×e^{-t}---\left(1\right)$其中：time：犯规次数即观测点落在容许的范围之外的次数；ET：最大的被容许犯规次数；t：预测的相对时间；p：预测概率；e：自然底数；步骤五：输出交互：经过步骤四后，预测概率已经得到更新，根据预测概率，对步骤二的目标状态信息进行概率加权，并将概率加权的结果进行多步预测验证。