一种改进权值的变结构多模型机动目标跟踪方法技术

本发明专利技术属于机动目标跟踪领域，公开了一种改进权值的变结构多模型机动目标跟踪方法，包括：初始化雷达观测值，得到初始状态向量和初始协方差矩阵；选择初始角速度，确定运动模型的状态转移矩阵；进行多模型滤波得到状态估计向量和估计协方差矩阵，同时也得到多模型的权值；利用变结构和图论的思想，通过多模型的权值对角速度即多模型结构进行调整，直至跟踪完成。本发明专利技术跟踪性能好、计算量小，可用于对高速强机动目标的跟踪。

【技术实现步骤摘要】

本专利技术涉及机动目标跟踪领域，尤其涉及一种改进权值的变结构多模型机动目标跟踪方法，可用于对高速机动目标的跟踪。
技术介绍
由于目标跟踪在国防和民用各领域的重要价值，一直以来很多学者致力于研究目标跟踪算法。随着现代航空的迅速发展，各种飞行器的机动性和运动速度越来越高，单模型算法很难满足跟踪速度和精度的需求，而多模型算法可以避免采用单模型时由于目标机动而造成模型的不准确，提高机动目标跟踪性能，从而实现对强机动目标的精确跟踪。但多模型中每个模型的权值自适应变化是一个难点，目前广泛采用的交互式多模型IMM算法，根据先验概率和马尔科夫转移矩阵调整权值(即后验概率)，具有较好的自适应能力。但是IMM算法中该先验概率和转移矩阵是人为设置的，极大影响权值的变化，而且多模型之间的交互，在模型很多时计算量十分庞大。除此之外，因为IMM算法中每一个模型都固定不变，在所设的模型都不符合实际运动模型的情况下，IMM算法跟踪性能无疑会很差。现在有为此改进的变结构IMM算法，虽然解决了IMM算法中模型固定不变的问题，但需要提前设好尽可能多的模型集，而模型集增删规则也十分复杂，运算量十分庞大。
技术实现思路
针对上述现有技术的不足，本专利技术的目的在于提供一种改进权值的变结构多模型机动目标跟踪方法，能够增强滤波算法的自适应能力，提高雷达在目标强机动下的跟踪精度。实现本专利技术的技术思路是：根据残差方差变化调整多模型的权值，利用变结构和图论的思想，通过改进后的多模型的权值调整滤波器的结构，使多模型采用的机动模型集向着目标真实运动模型逼近，进而使估计信号逼近期望信号，以提高跟踪性能。为达到上述目的，本专利技术的实施例采用如下技术方案：一种改进权值的变结构多模型机动目标跟踪方法，所述方法包括如下步骤：步骤1，获取雷达机动目标的位置检测值，对所述位置检测值进行N次采样，得到观测值序列，根据所述观测值序列确定雷达机动目标的第0时刻状态向量和第0时刻协方差矩阵，N为大于1的自然数；步骤2，雷达机动目标运动模型采用联动式转弯运动模型，对所述联动式转弯运动模型设定r个不同的初始角速度，得到r个对应的目标运动子模型和r个对应的系统状态转移矩阵。步骤3，根据第j个目标运动子模型的第k-1时刻状态向量、第k-1时刻协方差矩阵、所述观测值序列和其对应的系统状态转移矩阵，计算第j个目标运动子模型的第k时刻新息、第k时刻新息协方差矩阵以及第k时刻增益矩阵，从而得到第j个目标运动子模型的第k时刻状态估计向量和第k时刻状态估计协方差矩阵，j∈(1，2，…r)，k≥1，k的初值为1；步骤4，根据所述第j个目标运动子模型的第k时刻新息和第k时刻新息协方差矩阵计算第k时刻新息的平方；步骤5，设定第j个目标运动子模型的第0时刻新息为0，将第j个目标运动子模型的第k时刻新息的平方与与其前若干个时刻的新息的平方加权求和，得到第j个目标运动子模型的第k时刻新息修正值；步骤6，重复执行步骤5，得到r个目标运动子模型的第k时刻新息修正值，并根据所述r个目标运动子模型的第k时刻新息修正值计算对应目标运动子模型的第k时刻权值；步骤7，根据步骤3至步骤6所得到的r个目标运动子模型的第k时刻状态估计向量、第k时刻状态估计协方差矩阵以及第k时刻权值，得到r个目标运动子模型第k时刻总体状态估计向量和第k时刻总体状态估计协方差矩阵；步骤8，根据r个目标运动子模型第k时刻权值对r个目标运动子模型的角速度进行修正，并将修正后的角速度作为r个目标运动子模型的最新角速度；步骤9，令k的值加1，并依次重复执行步骤3至步骤8，直到k＞N-1，从而得到r个目标运动子模型的最新角速度，从而得到r个目标运动子模型对应的系统状态转移矩阵，根据r个目标运动子模型的系统状态转移矩阵对雷达机动目标进行跟踪。本专利技术与现有技术相比的优点在于：1.跟踪性能高：本专利技术中引入了变结构和图论的思想，与传统IMM算法中模型集和转移概率固定不同的是，本专利技术中滤波器可以利用多模型的权值自适应调节模型集，从而提高了跟踪精度，减小了误差，同时改进了多模型权值的求法，使更符合实际运动的模型的权值占得比重更重；2.计算简单：现有多模型算法都经过复杂贝叶斯交互算法来达到求得多模型权值，本专利技术直接按新息的平方的比值求得多模型权值，大幅度降低了计算复杂度，并且经此方法求得的权值稳定。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种改进权值的变结构多模型机动目标跟踪方法的流程示意图；图2为本专利技术对机动目标跟踪的效果示意图；图3为本专利技术与传统IMM方法以及变结构IMM方法对机动目标跟踪三维位置误差和速度误差比较示意图；图4为本专利技术与变结构IMM方法对多模型角速度调整示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。一种改进权值的变结构多模型机动目标跟踪方法，参照图1，所述方法包括如下步骤：对机动目标运动状态进行初始化：步骤1，获取雷达机动目标的位置检测值，对所述位置检测值进行N次采样，得到观测值序列，根据所述观测值序列确定雷达机动目标的第0时刻状态向量和第0时刻协方差矩阵，N为大于1的自然数。步骤1具体包括：(1a)对雷达机动目标的位置进行检测，得到雷达机动目标的位置检测值，并对所述位置检测值进行N次采样，得到观测值序列Z(k)，k＝1，2，…，N；从观测值序列Z(k)中取出前两个采样点的观测值Z(1)，Z(2)，其中：Z(1)＝[xx(1) yy(1) zz(1)]TZ(2)＝[xx(2) yy(2) zz(2)]T式中xx(·)，yy(·)，zz(·)分别表示雷达机动目标在x轴、y轴、z轴的位置，[·]T表示矩阵的转置；(1b)根据所述观测值序列Z(k)确定雷达机动目标的第0时刻状态向量根据雷达机动目标的第0时刻状态向量确定雷达机动目标的第0时刻协方差矩阵P0：根据观测值Z(1)，Z(2)，获得雷达机动目标的第0时刻状态向量如下： X ^ 0 = x x ( 2 ) ( x x ( 2 ) - x x 本文档来自技高网...

【技术保护点】
一种改进权值的变结构多模型机动目标跟踪方法，其特征在于，所述方法包括如下步骤：步骤1，获取雷达机动目标的位置检测值，对所述位置检测值进行N次采样，得到观测值序列，根据所述观测值序列确定雷达机动目标的第0时刻状态向量和第0时刻协方差矩阵，N为大于1的自然数；步骤2，雷达机动目标运动模型采用联动式转弯运动模型，对所述联动式转弯运动模型设定r个不同的初始角速度，得到r个对应的目标运动子模型和r个对应的系统状态转移矩阵；步骤3，根据第j个目标运动子模型的第k‑1时刻状态向量、第k‑1时刻协方差矩阵、所述观测值序列和其对应的系统状态转移矩阵，计算第j个目标运动子模型的第k时刻新息、第k时刻新息协方差矩阵以及第k时刻增益矩阵，从而得到第j个目标运动子模型的第k时刻状态估计向量和第k时刻状态估计协方差矩阵，j∈(1,2,…r)，k≥1，k的初值为1；步骤4，根据所述第j个目标运动子模型的第k时刻新息和第k时刻新息协方差矩阵计算第k时刻新息的平方；步骤5，将第j个目标运动子模型的第k时刻新息的平方与第k‑1时刻新息的平方加权求和，得到第j个目标运动子模型的第k时刻信息修正值；步骤6，重复执行步骤5，得到r个目标运动子模型的第k时刻信息修正值，并根据所述r个目标运动子模型的第k时刻信息修正值计算对应目标运动子模型的第k时刻权值；步骤7，根据步骤3至步骤6所得到的r个目标运动子模型的第k时刻状态估计向量、第k时刻状态估计协方差矩阵以及第k时刻权值，得到r个目标运动子模型第k时刻总体状态估计向量和第k时刻总体状态估计协方差矩阵；步骤8，根据r个目标运动子模型第k时刻权值对r个目标运动子模型的角速度进行修正，并将修正后的角速度作为r个目标运动子模型的最新角速度；步骤9，令k的值加1，并依次重复执行步骤3至步骤8，直到k>N‑1，从而得到r个目标运动子模型的最新角速度，从而得到r个目标运动子模型对应的系统状态转移矩阵，根据r个目标运动子模型的系统状态转移矩阵对雷达机动目标进行跟踪。...

【技术特征摘要】
1.一种改进权值的变结构多模型机动目标跟踪方法，其特征在于，所述方法包括如下步骤：步骤1，获取雷达机动目标的位置检测值，对所述位置检测值进行N次采样，得到观测值序列，根据所述观测值序列确定雷达机动目标的第0时刻状态向量和第0时刻协方差矩阵，N为大于1的自然数；步骤2，雷达机动目标运动模型采用联动式转弯运动模型，对所述联动式转弯运动模型设定r个不同的初始角速度，得到r个对应的目标运动子模型和r个对应的系统状态转移矩阵；步骤3，根据第j个目标运动子模型的第k-1时刻状态向量、第k-1时刻协方差矩阵、所述观测值序列和其对应的系统状态转移矩阵，计算第j个目标运动子模型的第k时刻新息、第k时刻新息协方差矩阵以及第k时刻增益矩阵，从而得到第j个目标运动子模型的第k时刻状态估计向量和第k时刻状态估计协方差矩阵，j∈(1,2,…r)，k≥1，k的初值为1；步骤4，根据所述第j个目标运动子模型的第k时刻新息和第k时刻新息协方差矩阵计算第k时刻新息的平方；步骤5，将第j个目标运动子模型的第k时刻新息的平方与第k-1时刻新息的平方加权求和，得到第j个目标运动子模型的第k时刻信息修正值；步骤6，重复执行步骤5，得到r个目标运动子模型的第k时刻信息修正值，并根据所述r个目标运动子模型的第k时刻信息修正值计算对应目标运动子模型的第k时刻权值；步骤7，根据步骤3至步骤6所得到的r个目标运动子模型的第k时刻状态估计向量、第k时刻状态估计协方差矩阵以及第k时刻权值，得到r个目标运动子模型第k时刻总体状态估计向量和第k时刻总体状态估计协方差矩阵；步骤8，根据r个目标运动子模型第k时刻权值对r个目标运动子模型的角速度进行修正，并将修正后的角速度作为r个目标运动子模型的最新角速度；步骤9，令k的值加1，并依次重复执行步骤3至步骤8，直到k>N-1，从而得到r个目标运动子模型的最新角速度，从而得到r个目标运动子模型对应的系统状态转移矩阵，根据r个目标运动子模型的系统状态转移矩阵对雷达机动目标进行跟踪。2.根据权利要求1所述的一种改进权值的变结构多模型机动目标跟踪方法，其特征在于，步骤1具体包括：(1a)对雷达机动目标的位置进行检测，得到雷达机动目标的位置检测值，并对所述位置检测值进行N次采样，得到观测值序列Z(k)，k＝1,2,…,N；从观测值序列Z(k)中取出前两个采样点的观测值Z(1)，Z(2)，其中：Z(1)＝[xx(1) yy(1) zz(1)]TZ(2)＝[xx(2) yy(2) zz(2)]T式中xx(·)，yy(·)，zz(·)分别表示雷达机动目标在x轴、y轴、z轴的位置，[·]T表示矩阵的转置；(1b)根据所述观测值序列Z(k)确定雷达机动目标的第0时刻状态向量根据雷达机动目标的第0时刻状态向量确定雷达机动目标的第0时刻协方差矩阵P0：根据观测值Z(1)，Z(2)，获得雷达机动目标的第0时刻状态向量如下： X ^ 0 = x x ( 2 ) ( x x ( 2 ) - x x ( 1 ) ) / T y y ( 2 ) ( y y ( 2 ) - y y ( 1 ) ) / T z z ( 2 ) ( z z ( 2 ) - z z ( 1 ) ) / T , ]]>其中，(xx(2)-xx(1))/T、(yy(2)-yy(1))/T、(zz(2)-zz(1))/T分别表示雷达机动目标在第2采样点处的x轴方向速度、y轴方向速度、z轴方向速度，T为采样间隔；(1c)根据第0时刻状态向量获得第0时刻协方差矩阵P0：其中，E[·]表示数学期望。3.根据权利要求1所述的一种改进权值的变结构多模型机动目标跟踪方法，其特征在于，步骤2具体包括：对雷达机动目标运动模型设定r个不同的初始角速度ωi，从而得到r个对应的系统状态转移矩阵Φi： Φ i = 1 , 2 , ... , r = 1 sin ( ω i T ) ω 0 - 1 - cos ( ω i T ) ω 0 0 0 cos ( ω i T ) 0 - sin ( ...

【专利技术属性】
技术研发人员：曹运合，闫浩，栾苏珍，彭志刚，周生华，吴文华，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61