基于自构架模糊EKF系统的目标跟踪方法技术方案

本发明专利技术公开了一种基于自构架模糊EKF系统的目标跟踪方法，按照以下步骤顺序进行：S1、建立无人机系统控制模型；S2、设计自构架模糊EKF系统扩展卡尔曼滤波器；S3、将EKF估计方差与实际观测方差间的误差作为自构架模糊EKF系统的一个输入，通过自构架模糊EKF系统辨识，自适应地减小自构架模糊估计误差。本发明专利技术属于无人机技术领域，通过利用自构架模糊EKF系统理论，设计完成了自构架模糊EKF系统，通过将测量估计误差与实际误差之间的误差E(k)作为模糊系统的输入，通过调整模糊系统参数来实现对方差估计值R的最优逼近，提高了对无人机飞行轨迹的跟踪精度。跟踪精度。跟踪精度。

【技术实现步骤摘要】
基于自构架模糊EKF系统的目标跟踪方法


[0001]本专利技术属于无人机
，用于提高对无人机系统的跟踪精度，具体地说是一种基于自构架模糊EKF系统的目标跟踪方法。

技术介绍

[0002]无人驾驶飞机简称“无人机”，英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。
[0003]目前，无人机的应用领域可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方面，无人机+行业应用，是无人机真正的刚需；在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等领域的应用，大大的拓展了无人机本身的用途。
[0004]无人机广泛的应用给人们的生产生活带来了极大的方便。与此同时，随着科技的发展，对无人机的跟踪精度的要求也越来越高。
[0005]公开号为CN113359809A的中国专利申请公开了一种“基于RBFNN辅助的桥梁检测无人机自主定位方法”,通过训练好的径向基函数神经网络来确定无人机的状态更新值与预测状态。
[0006]公开号为CN113390421A的中国专利技术专利申请公开了一种基于卡尔曼滤波的无人机定位方法及装置，然而其只是简单的利用了无极卡尔曼滤波(UKF)来预测无人机的飞行状态。
[0007]为了能够采用无人机完成更高要求的工作，同时加强对无人机的操控，需要对无人机实现精确跟踪。

技术实现思路

[0008]本专利技术的目的，是要提供一种基于自构架模糊EKF系统的目标跟踪方法，该方法首先根据无人机系统的动力学方程建立了无人机系统控制模型，并将无人机控制系统中存在的高频随机干扰信号视为观测干扰噪声；其次设计了自构架模糊EKF系统扩展卡尔曼滤波，并将EKF估计方差与实际观测方差间的误差作为自构架模糊EKF系统的一个输入，通过自构架模糊EKF系统辨识，自适应地减小模糊EKF系统估计误差，提高了对无人机系统的跟踪精度。
[0009]本专利技术为实现上述目的，所采用的技术方案如下：
[0010]一种基于自构架模糊EKF系统的目标跟踪方法，按照以下步骤顺序进行：
[0011]S1、建立无人机系统控制模型；
[0012]S2、设计基于自构架模糊EKF系统的扩展卡尔曼滤波器
[0013]S3、将EKF估计方差与实际观测方差间的误差作为自构架模糊EKF系统的一个输入，通过自构架模糊EKF系统辨识，自适应地减小自构架模糊EKF系统估计误差。
[0014]作为限定，所述步骤S1按照以下步骤顺序进行：
[0015]S11、以无人机飞行的出发点为坐标原点，无人机的水平真实位置为x(k)，纵向位置为y(k)，根据位移与速度之间的关系，在采样时间k时刻将无人机飞行的水平速度和纵向速度分别表示为
[0016][0017][0018]S12、将无人机的加速度a(k)表示为
[0019]a(k)＝u(k)+w(k)
ꢀꢀꢀ
式(3)
[0020]其中，u(k)表示为机动加速度，w(k)是表示为随机加速度；
[0021]S13、将无人机第k时刻与第k+1时刻的位置定义如下
[0022][0023][0024]根据上式，将无人机飞行的水平速度和纵向速度定义为
[0025][0026][0027]S14、将式(1)、式(2)分别带入式(4)
‑
(7)中，则将无人机第k时刻与第k+1时刻的水平位置、纵向位置，水平速度及纵向速度的迭代公式表示为
[0028][0029][0030]v0(k+1)＝v0(k)+Ta(k)
ꢀꢀꢀ
式(10)
[0031][0032]S15、根据式(8)～(11)，进一步得到以无人机在k时刻的水平位置、水平速度、纵向位置及纵向速度为状态的离散控制状态方程为
[0033][0034]S16、假设在kT时刻无人机上GPS模块的观测位置用z(k)表示，定义对无人机位置的观测模型为
[0035][0036]其中，v(k)表示外界强风气流及传感器噪音引起的观测噪声，即GPS模块对无人机的定位误差；
[0037]设定v(k)是零均值、方差为σ2的白噪声；
[0038]S17、在式(12)、式(13)中，进行如下假设
[0039][0040]S18、结合式(12)与观测式(13)及式(3)，将无人机控制系统的状态空间模型表示为
[0041]s(k+1)＝As(k)+Bu(k)+Bw(k)
ꢀꢀꢀ
式(14)
[0042]z(k)＝Cx(k)+v(k)
ꢀꢀꢀ
式(15)
[0043]即为无人机系统控制模型；
[0044]在上式中，s(k)为无人机控系统状态，u(k)为无人机动力系统的控制输入信号；w(k)为控制系统的白噪声，v(k)为无人机观测位置的观测噪声。A为状态转移矩阵，B为控制矩阵，C为观测矩阵。
[0045]作为进一步限定，所述步骤S2按照以下步骤顺序进行：
[0046]S21、根据无人机控制系统的状态空间模型式(14)和式(15)，设计EKF滤波器
[0047]S211、首先根据如下公式对无人机飞行控制系统状态与协方差矩阵预测
[0048][0049][0050]其中，为系统状态k时刻估计，为系统状态k
‑
1时刻估计；P(k|k
‑
1)为k时刻估计协方差；Q表示估计时的过程噪声；
[0051]S212、根据下式进行控制系统状态预测
[0052]s(k|k)＝s(k|k
‑
1)+K(z(k)
‑
As(k|k
‑
1))
ꢀꢀꢀ
式(18)
[0053]K(k|k)＝P(k|k
‑
1)C
T
(CP(k|k
‑
1)C
T
+R)
‑1ꢀꢀꢀ
式(19)
[0054]P(k|k)＝(I
‑
K(k)C)P(k|k
‑
1)
ꢀꢀꢀ
式(20)
[0055]其中R为测量数据的估计方差,K为卡尔曼滤波增益；
[0056]作为更进一步限定，所述步骤S3按照以下步骤顺序进行：
[0057]S31、根据系统估计协方差式(17)，定义测量估计误差式为
[0058][0059]测量实际误差定义为
[0060][0061]其中，j＝k
‑
m+1，λ＝z(k)
‑
As(k|k
‑
1)；
[0062]根据式(21)与式(22)，进一步得到测量估计误差与实际误差之间的误差式为
[0063][0064]S32、将误差式(23)定义为自构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自构架模糊EKF系统的目标跟踪方法，其特征在于按照以下步骤顺序进行：S1、建立无人机系统控制模型；S2、设计基于自构架模糊EKF系统的扩展卡尔曼滤波器；S3、将EKF估计方差与实际观测方差间的误差作为自构架模糊EKF系统的一个输入，通过自构架模糊EKF系统辨识，自适应地减小自构架模糊EKF系统估计误差。2.根据权利要求1所述的基于自构架模糊EKF系统EKF的目标跟踪方法，其特征在于，所述步骤S1按照以下步骤顺序进行：S11、以无人机飞行的出发点为坐标原点，无人机的水平真实位置为x(k)，纵向位置为y(k)，根据位移与速度之间的关系，在采样时间k时刻将无人机飞行的水平速度和纵向速度分别表示为为S12、将无人机的加速度a(k)表示为a(k)＝u(k)+w(k)
ꢀꢀꢀꢀꢀ
式(3)其中，u(k)表示为机动加速度，w(k)是表示为随机加速度；S13、将无人机第k时刻与第k+1时刻的位置定义如下S13、将无人机第k时刻与第k+1时刻的位置定义如下根据上式，将无人机飞行的水平速度和纵向速度定义为根据上式，将无人机飞行的水平速度和纵向速度定义为S14、将式(1)、式(2)分别带入式(4)
‑
(7)中，则将无人机第k时刻与第k+1时刻的水平位置、纵向位置，水平速度及纵向速度的迭代公式表示为置、纵向位置，水平速度及纵向速度的迭代公式表示为v0(k+1)＝v0(k)+Ta(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式(10)S15、根据式(8)～(11)，进一步得到以无人机在k时刻的水平位置、水平速度、纵向位置及纵向速度为状态的离散控制状态方程为
S16、假设在kT时刻无人机上GPS模块的观测位置用z(k)表示，定义对无人机位置的观测模型为其中，v(k)表示外界强风气流及传感器噪音引起的观测噪声，即GPS模块对无人机的定位误差；设定v(k)是零均值、方差为σ2的白噪声；S17、在式(12)、式(13)中，进行如下假设S18、结合式(12)与观测式(13)及式(3)，将无人机控制系统的状态空间模型表示为s(k+1)＝As(k)+Bu(k)+Bw(k)
ꢀꢀꢀꢀ
式(14)z(k)＝Cx(k)+v(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式(15)即为无人机系统控制模型；在上式中，s(k)为无人机控系统状态，u(k)为无人机动力系统的控制输入信号；w(k)为控制系统的白噪声，v(k)为无人机观测位置的观测噪声。A为状态转移矩阵，B为控制矩阵，C为观测矩阵。3.根据权利要求2所述的基于自构架模糊EKF系统EKF的目标跟踪方法，其特征在于，所述步骤S2按照以下步骤顺序进行：S21、根据无人机控制系统的状态空间模型式(14)和式(15)，设计EKF滤波器S211、首先根据如下公式对无人机飞行控制系统状态与协方差矩阵预测S211、首先根据如下公式对无人机飞行控制系统状态与协方差矩阵预测其中，为系统状态k时刻估计，为系统状态k
‑
1时刻估计；P(k|k
‑
1)为k时刻估计协方差；Q表示估计...

【专利技术属性】
技术研发人员：刘志勇，张伟斌，王阿利，
申请(专利权)人：咸阳职业技术学院，
类型：发明
国别省市：