专利名称：一种基于坐标旋转变换的雷达跟踪方法
技术领域：
本发明涉及雷达跟踪技术，属于雷达信号处理领域，具体涉及一种基于坐标旋转变换的雷达跟踪方法。
背景技术：
对目标运动状态进行估计时，学者Kalman将状态变量法引入到滤波理论中来，使状态空间描述与离散时间更新联系起来，对状态进行线性最小均方根误差估计，应用最为广泛，并称之为卡尔曼滤波方法。在雷达进行目标跟踪的过程中，由于在直角坐标系中易于对目标的运动状态进行描述，所以，目标状态方程通常是在直角坐标系中建立的。然而，对目标位置的量测通常是在极坐标系中得到的，即在极坐标系中，进行目标位置相对于雷达的距离、方位角或俯仰角(包括3D雷达的俯仰角)的量测；这就使得目标的运动状态参量 (即目标动态参数)与雷达量测值之间的关系是非线性的，所以，雷达跟踪系统必然是非线性系统，这样就不能采用经典的Kalman滤波算法对目标进行跟踪。
目前，在雷达跟踪系统中，为了解决非线性滤波问题，主要有三类解决方法一是近似非线性方程的方法，例如基于泰勒展开式的扩展卡尔曼滤波(EKF)方法；二是估计目标状态一阶矩和二阶矩的方法，例如基于不敏变换，并沿用卡尔曼滤波框架的不敏卡尔曼滤波(UKF)算法；三是直接估计状态后验概率密度函数的方法，例如基于重要性采样原理的粒子滤波(PF)算法。然而，目前所有的滤波算法都是在事先选定的坐标系下进行目标状态估计的，这样，滤波系统的非线性程度是固定的，最终只能通过改进滤波算法来提高目标跟踪效果。
在雷达跟踪系统中，滤波系统模型包括状态方程和量测方程。通常雷达量测值是在极坐标系下得到的，为了方便后续描述，将该极坐标系记为雷达极坐标系，将与该极坐标系对应的直角坐标系记为雷达直角坐标系Χ0Υ。
雷达二维极坐标量测产生的基本原理为
假设目标是在二维平面内运动，目标的观测值是在雷达极坐标下得到的，雷达极坐标的原点与雷达直角坐标系的原点重合，则目标在雷达直角坐标系下位置的真实值为
iX0=r°COSa°(1) [^0 =r0sina0
其中，Γ(ι为雷达极坐标下的目标真实距离，a0为雷达极坐标下的目标真实方位角， X0为目标在雷达直角坐标系下的横坐标，Y0为目标在雷达直角坐标系下的纵坐标。
而在实际中，由于雷达测量精度的限制，雷达并不能获得目标真实的距离和方位角，而是包含量测误差的目标观测值，那么，目标在雷达极坐标下的量测为
权利要求
1. 一种基于坐标旋转变换的雷达跟踪方法，其特征在于，包括 步骤S00、二维雷达量测极-直坐标转换方程为 fx = r cosa( 1 )= r sin α其中，χ为目标在雷达直角坐标系下的量测值的横坐标，y为目标在雷达直角坐标系下的量测值的纵坐标；对式O)中的x、y分别在0^ )处进行二元泰勒展开，并保留至一阶项，将χ的一阶泰勒展开式记为随机变量g，将y的一阶泰勒展开式记为随机变量k ； χ ^ r0cosa0+ (r~r0) cosa0- (a~a0) r0sina0 □ g (2) y ^ r0sina0+ (r~r0) sina0+ (a~a0) r0cosa0 □ k (3)其中，A为雷达极坐标下的目标真实距离，a0为雷达极坐标下的目标真实方位角， 定义二维雷达量测极-直坐标转换线性度P为Pjig和Pyk 二者的最小值 P = min ( P xg, P yk) (4)其中P μ为随机变量χ与随机变量g的相关系数，P yk为随机变量y与随机变量k的相关系数，且
全文摘要
本发明公开了一种基于坐标旋转变换的雷达跟踪方法，该方法基于随机变量相关系数和坐标旋转变换的原理，以达到在定量度量雷达滤波系统模型中的量测方程的非线性程度的基础上，降低雷达滤波系统模型中的量测方程非线性程度，从而提高雷达跟踪效果的目的；具体步骤为定义二维雷达量测极-直坐标转换线性度ρ；当r0、σr和σa为确定的任意数值时，通过坐标旋转变换使得ρ在时取得最大值；设置目标运动状态，进行滤波初始化；分析由k时刻到k+1时刻的目标运动状态并建立坐标旋转变换滤波模型下的状态方程和量测方程；在坐标旋转变换滤波模型下，选取滤波算法进行滤波，得到k+1时刻目标状态的估计值；直到达到所设置的雷达跟踪时间长度，跟踪结束。
文档编号G01S13/72GK102508238SQ201110311058
公开日2012年6月20日 申请日期2011年10月14日 优先权日2011年10月14日
发明者曾涛, 李春霞, 陈新亮 申请人:北京理工大学