一种基于无偏有限冲击响应滤波器（ufir）的改进机动目标跟踪方法
【专利摘要】本发明提供一种基于无偏有限冲击响应滤波器（UFIR）的改进机动目标跟踪方法，其实现步骤如下：（1）建立离散时变线性系统模型；（2）估计UFIR滤波器最优窗长等参数；（3）每一时刻利用K阶批处理UFIR滤波器生成迭代初始条件和初始广义噪声功率增益矩阵（GNPG）；（4）再利用改进两阶段式类卡尔曼UFIR滤波器得到该时刻的滤波结果。本发明利用量测与滤波结果之间的偏差能够部分反映目标机动这一事实，引入一个广义噪声功率增益调整系数对GNPG进行时时调整，实现了对目标机动的自适应，从而提高了类卡尔曼UFIR滤波器对于机动目标的跟踪效果。
【专利说明】—种基于无偏有限冲击响应滤波器(UFIR)的改进机动目标跟踪方法
【技术领域】
[0001]本发明属于目标跟踪领域，涉及一种基于无偏有限冲击响应滤波器(UFIR)的改进机动目标跟踪方法。
【背景技术】
[0002]机动目标跟踪一直是雷达目标跟踪中的难点问题之一，原因就在于常规的卡尔曼滤波中，目标的机动被理解为状态空间模型中状态方程的过程噪声。而由于目标的机动情况未知，就造成状态方程的过程噪声难以确定进而影响了滤波的效果。针对卡尔曼滤波的这一缺点，之后提出了很多改进算法，诸如可调白噪声算法(CN)，变维滤波算法(VD)，多模型(MM)及交互式多模型(IMM)算法。这些算法大都通过设置多个过程噪声或者通过各种方法降低过程噪声的不确定性以期获得比卡尔曼滤波更好的性能。但从本质上这些优化算法都没有从根本上解决滤波对于过程噪声统计特性的依赖。
[0003]有限冲击响应滤波器(finite impulse response, FIR)在滤波过程中能够完全无视噪声的统计特性，正好解决了过程噪声难以确定的问题。特别是类卡尔曼无偏有限冲击响应滤波器(unbiased finite impulse response, UFIR)的提出大大降低了 UFIR滤波器的计算负担，使其在工程上能够得以应用。同时上述许多对卡尔曼滤波器在机动条件下的改进算法都能够被推广到UFIR滤波器中。
【发明内容】
[0004]本发明要解决的技术问题是:在现有的UFIR滤波器中，随着系统状态空间模型的确定，广义噪声功率增益(GNPG)也就随之确定。这就表明在整个滤波过程中，无论量测与滤波结果存在怎样的偏差，新息都将被赋予相同的权重。这显然没有充分利用量测数据所有的信息来降低对于航迹的不确定性。针对这一情况，提出了一种基于无偏有限冲击响应滤波器(UFIR)的改进机动目标跟踪方法。该方法通过各个时刻量测与滤波结果之间的偏差来动态调整GNPG，使算法具有了对于目标机动的自适应能力。
[0005]本发明解决其技术问题所采用的技术方案是:一种基于无偏有限冲击响应滤波器(UFIR)的改进机动目标跟踪方法，实现步骤如下:首先建立离散时变线性系统模型；然后估计UFIR滤波器最优窗长等参数；接着每一时刻利用K阶批处理UFIR滤波器生成迭代初始条件和初始GNPG ;最后再利用改进的两阶段式类卡尔曼UFIR滤波器得到每一时刻的滤波结果。具体包括以下步骤:
[0006]步骤(I)、建立离散时变线性系统模型；
[0007]步骤(2)、估计UFIR滤波器最优窗长等参数；
[0008]步骤(3)、每一时刻利用K阶批处理UFIR滤波器生成迭代初始条件和初始广义噪声功率增益矩阵(GNPG)；
[0009]步骤(4)、利用改进的两阶段式类卡尔曼UFIR滤波器得到该时刻的滤波结果。[0010]所述步骤(1)建立离散时变线性系统模型如下:
[0011]离散时变线性系统模型用状态空间模型的状态和观测方程描述为:
[0012]Xn = Fnxn_!+BnWn,
[0013]zn = Hnxn+vn,
[0014]其中x? ef为第η时刻目标的状态，同理x?—i 为第n_l时刻的状态，In e为系统所得目标第η时刻的量测，为第η时刻系统的状态转移矩阵，为第η时刻系统的量测矩阵，假定过程噪声矢量Wff ef，量测噪声矢量分布均为零均值高斯白噪声；并假定两个噪声矢量互不相关，B,, 为第η时刻过程噪声与系统状态的关联矩阵，同时定义Xn的P阶估计为X ,表示在已知η时刻的量测时η+ρ时刻状态的估计值。
[0015]所述步骤(2)估计UFIR滤波器最优窗长等参数:
[0016]UFIR滤波器最优窗长通过最小化估计误差的均方值的所有状态或第k个状态分量求取，所述的均方值计算方式如下:
[0017]Vn^ ￡S(z?-HxnXzi1-HxJt }
[0018]其中i 为第η时刻滤波器对目标状态的估计值，为系统所得目标第η时刻的量测，为系统的量测矩阵；
[0019]为了避免选取极小值时出现歧义，用于估计的点数应足够多并且提前平滑目标函数；
[0020]初始批处理窗长K并不会对滤波效果产生太大影响，为了降低计算量，一般所选取批处理窗长远小于最优滤波窗长。
[0021]所述步骤(3)利用K阶批处理UFIR滤波器生成迭代初始条件和初始广义噪声功率增益矩阵(GNPG)，具体为:
[0022]迭代初始条件I以及初始广义噪声功率增益矩阵Gs由K阶批处理UFIR滤波器计
算得到:
【权利要求】
1.一种基于无偏有限冲击响应滤波器(UFIR)的改进机动目标跟踪方法，其特征在于实现步骤如下: 步骤(1)、建立离散时变线性系统模型； 步骤(2)、估计UFIR滤波器最优窗长等参数； 步骤(3)、每一时刻利用K阶批处理UFIR滤波器生成迭代初始条件和初始广义噪声功率增益矩阵(GNPG)； 步骤(4)、再利用改进两阶段式类卡尔曼UFIR滤波器得到该时刻的滤波结果。
2.根据权利要求1所述的一种基于无偏有限冲击响应滤波器(UFIR)的改进机动目标跟踪方法，其特征在于:所述步骤(1)建立离散线性系统模型如下: 离散时变线性系统模型用状态空间模型的状态和观测方程描述为:
Xn = FnXn-l+BnWn?
Zn = HnXn+Vn, 其中x? eiHK为第η时刻目标的状态，同理Xf^1 为第η-1时刻的状态，^为系统所得目标第η时刻的量测，F? 为第η时刻系统的状态转移矩阵，为第η时刻系统的量测矩阵，假定过程噪声矢量w? ，量测噪声矢量'e Ww分布均为零均值高斯白噪声；并假定两个噪声矢量互不相关，B,, 为第η时刻过程噪声与系统状态的关联矩阵，同时定义Xn的P阶估计为^”表示在已知η时刻的量测时η+ρ时刻状态的估计值。
3.根据权利要求1所述的一种基于无偏有限冲击响应滤波器(UFIR)的改进机动目标跟踪方法，其特征在于:所述步骤(2)估计UFIR滤波器最优窗长等参数如下: UFIR滤波器最优窗长通过最小化估计误差的均方值的所有状态或第k个状态分量求取，所述的均方值计算方式如下:
4.根据权利要求1所述的一种基于无偏有限冲击响应滤波器(UFIR)的改进机动目标跟踪方法，其特征在于:所述步骤(3)利用K阶批处理UFIR滤波器生成迭代初始条件和初始GNPG如下: 迭代初始条件I以及初始广义噪声功率增益矩阵Gs由K阶批处理UFIR滤波器计算得到:
5.根据权利要求1所述的一种基于无偏有限冲击响应滤波器(UFIR)的改进机动目标跟踪方法，其特征在于:所述步骤(4)利用改进两阶段式类卡尔曼UFIR滤波器得到该时刻滤波结果如下: 改进两阶段式类卡尔曼UFIR滤波器描述为:
【文档编号】G06T5/00GK103500455SQ201310482823
【公开日】2014年1月8日 申请日期:2013年10月15日 优先权日:2013年10月15日
【发明者】孙进平, 付锦斌, 王欢, 高飞 申请人:北京航空航天大学