[发明专利]一种基于长周期非均匀采样目标跟踪处理方法及装置

摘要

本发明涉及目标跟踪处理，提供一种基于长周期非均匀采样目标跟踪处理方法及装置。充分研究跟踪目标的运动规律，结合引导数据的特点，引入被保护目标和干扰设备位置先验信息，构造双约束条件，实现对目标的干扰跟踪。本发明将测量得到的极坐标目标数据，转换到大地坐标系进行数据处理。XY两轴数据，基于两个约束条件分别采用CV、CA模型进行二维预测/滤波，将4个模型处理结果数据进行融合；Z轴数据，采用CV、CA模型进行单维预测/滤波，将2个模型处理结果数据进行融合。然后将融合后得到的X、Y、Z轴数据，坐标变换到极坐标输出。设置交互式多模型算法中模型转移概率，对交互式多模型算法步骤输出坐标滤波预测值进行优化。

主权项

1.一种基于长周期非均匀采样目标跟踪处理方法，其特征在于包括：去偏量测转换步骤：将原始目标数据从极坐标系转换到大地地理坐标系,并得到大地地理坐标系中XY平面测量噪声协方差矩阵R1以及Z方向测量噪声协方差矩阵R2；即将方位角、俯仰角以及距离值转换为大地地理坐标系中x、y、z坐标数据；交互式多模型算法步骤：将x、y坐标轴数据与转换量测误差协方差矩阵R1，通过在第一约束条件C1，采用近匀速运动目标模型CV进行滤波处理；在第一约束条件C1，采用近匀加速运动目标模型CA进行滤波处理；在第二约束条件C2，采用近匀速运动目标模型CV进行滤波处理；在第二约束条件C2，采用近匀加速运动目标模型CA进行滤波处理；将这滤波处理后的4个数据通过更新模型概率后，通过联合估计算法进行联合估计处理；通过联合估计处理后的4个数据分别对应在第一约束条件C1采用近匀速运动目标模型CV进行预测处理、在第一约束条件C1采用近匀加速运动目标模型CA进预测处理、在第二约束条件C2采用近匀速运动目标模型CV进行预测处理、在第二约束条件C2采用近匀加速运动目标模型CA进行预测处理，得到4个预测数据；将4个预测数据分别根据分配的模型转移概率计算，并进行联合预测得到最终的4个目标值预测数据；4个目标值预测数据根据近匀速运动目标模型CV、近匀加速运动目标模型CA不同权重比得到融合后的X轴数据与Y轴数据；根据目标类型确定第一约束条件参数C1；根据干扰样式类型确定第二约束条件参数C2；将z轴数据与协方差矩阵R2，根据近匀速运动目标模型CV、近匀加速运动目标模型CA进行卡尔曼滤波处理，得到2个目标滤波数据，根据分配的模型转移概率进行联合估计，计算出2个z轴目标值；然后2个z轴目标值分别对应在近匀速运动目标模型CV、近匀加速运动目标模型CA中通过联合估计算法进行联合预测，得到2个z轴目标值预测数据；2个z轴目标值预测数据根据近匀速运动目标模型CV、近匀加速运动目标模型CA不同权重比计算得到融合后的Z轴数据；然后将融合后的X轴数据、融合后的Y轴数据、融合后的Z轴数据坐标变换到极坐标并输出；变结构算法步骤：将主动干扰源的启闭时刻节点进行利用，设置交互式多模型算法中模型转移概率，对交互式多模型算法步骤输出坐标滤波预测值进行优化。