[发明专利]基于一种新型自适应高阶无迹卡尔曼滤波的状态估计方法在审
| 申请号： | 201910884600.1 | 申请日： | 2019-09-19 |
| 公开（公告）号： | CN110501686A | 公开（公告）日： | 2019-11-26 |
| 发明（设计）人： | 周卫东;侯佳欣;田园;刘璐;周中元;单承豪;邹涵;宋啸宇;张聪;张杰 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G01S7/41 | 分类号： | G01S7/41 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开基于一种新型自适应高阶无迹卡尔曼滤波的状态估计方法，属于被动雷达跟踪中对高速运载体的状态估计领域。本发明包括：建立目标跟踪系统的非线性离散的状态模型和量测模型；根据目标跟踪系统状态维数选择最优自由参数κ；确立高阶UT获取状态采用点及权重；将采样点经非线性函数传递；将最优自适应因子带入到状态一步预测协方差矩阵；确立高阶UT获取量测采用点及权重；将采样点经非线性函数传递；增益矩阵的计算；后验状态估计输出和协方差矩阵的输出。本发明有效地抑制了强非线性机动目标和大突变对滤波器的影响，对不同采样间隔和不同转角率有很好的影响，减小了动态模型误差的影响。 | ||
| 搜索关键词： | 状态估计 高阶 目标跟踪系统 非线性函数 采样点 自适应 权重 无迹卡尔曼滤波 滤波器 矩阵 协方差矩阵 转角 被动雷达 采样间隔 动态模型 获取状态 机动目标 量测模型 一步预测 增益矩阵 状态模型 自由参数 输出 有效地 运载体 传递 方差 减小 量测 维数 突变 跟踪 | ||
【主权项】：
1.基于一种新型自适应高阶无迹卡尔曼滤波的状态估计方法，其特征在于，包含以下步骤：/n步骤一：建立目标跟踪系统的非线性离散的状态模型和量测模型；/n步骤二：根据目标跟踪系统状态维数选择最优自由参数κ；/n步骤三：确立高阶UT获取状态采用点及权重；/n步骤四：将采样点经非线性函数传递，并进行加权处理得到状态一步预测和状态一步预测协方差矩阵；/n步骤五：将最优自适应因子带入到状态一步预测协方差矩阵；/n步骤六：确立高阶UT获取量测采用点及权重；/n步骤七：将采样点经非线性函数传递，并进行加权处理得到量测一步预测和量测一步预测协方差矩阵以及互协方差矩阵；/n步骤八：增益矩阵的计算；/n步骤九：后验状态估计输出和协方差矩阵的输出，进入下一次迭代。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学，未经哈尔滨工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910884600.1/，转载请声明来源钻瓜专利网。
