一种机动策略自适应的目标跟踪信息滤波算法
【专利摘要】本发明提供了一种机动策略自适应的目标跟踪信息滤波算法，首先建立多机动策略和多运动模式的目标跟踪模型，然后进行多机动策略多模型下的目标跟踪信息滤波算法，得到目标跟踪轨迹。本发明引入了机动决策的概念，建立了多机动策略、多运动模型的目标跟踪模型，并通过不匹配机动策略的误差压缩率，利用后验信息实时校正机动策略转移概率矩阵，显著提高目标跟踪过程中机动策略的匹配度，进而提高运动模型的匹配度。同时，通过结合自适应变结构模型和卡尔曼信息滤波，有效融合多传感器量测信息，显著提高目标跟踪精度和稳定度。
【专利说明】一种机动策略自适应的目标跟踪信息滤波算法
【技术领域】
[0001] 本发明属于目标跟踪领域，涉及一种目标跟踪信息滤波算法。
【背景技术】
[0002] 随着经济的发展，人们对商用客机的使用需求显著提升，客机数量的提升对如何 高效的进行空中交通管理提出了新的要求。同时，随着科技的进步，客机飞行速度的提升和 其他民用飞行器的逐渐投入使用，对如何高效进行空中管理提出了挑战。高效空中管理的 前提是获取各飞行器精确的运动状态信息，这要求滤波跟踪算法能有效地对各种不同类型 目标进行高精度跟踪。但是目前一般的跟踪算法是基于卡尔曼滤波算法，主要存在以下几 个问题：1.适合于弱机动能力单一运动方式的目标，对现在空域中具备不同机动能力的飞 行器（客机、直升机、无人机等）显然不完全适用。2.随着传感器技术的发展，海量的传感 器探测数据要求滤波算法能有效地融合各传感器的量测数据，但是一般的卡尔曼滤波算法 不具备多量测信息融合的能力。
【发明内容】
[0003] 为了克服现有技术在跟踪不同机动能力的飞行器时自适应能力较差，缺乏多量测 信息融合能力的问题，提出一种机动策略自适应的目标跟踪信息滤波算法。
[0004] 本发明解决其技术问题所采用的技术方案包括以下步骤：
[0005] 步骤1 :建立多机动策略和多运动模式的目标跟踪模型
[0006] 设目标共有m种可能的运动模型，m取1?3，则k时刻第i种运动模型的目标 运动模型与观测模型为：
【权利要求】
1. 一种机动策略自适应的目标跟踪信息滤波算法，其特征在于包括下述步骤： 步骤1:建立多机动策略和多运动模式的目标跟踪模型 设目标共有m种可能的运动模型，m取1?3,则k时刻第i种运动模型M丨的目标运动 模型与观测模型为：
式中，xk和Zk分别为状态向量和观测向量；《二为模型的噪声向量，< 为观测噪声 向量，且与T7丨为相互独立不相关的零均值高斯白噪声，方差分别为ei和祀；，Gt1和分别为Mi对应的状态转移矩阵、过程噪声输入阵和观测矩阵； 用卑R-1) 4 IML)表示在机动策略d的作用下由转移到M/的模型转移 概率，该机动策略对应的模型转移概率矩阵为：
式中，d = 1，2, --?]!表示目标有n种可能的机动策略， k_l时刻所有可能的模型转移概率矩阵的集合为以I 1〃 = U?…4 ; 用巧,# P(Ji I J^L1)表示机动策略的转移概率，即由/L转变为的转移概率，Pdl为模型 转移概率矩阵之间的转移概率，机动策略之间的转移概率矩阵为：
步骤2 :多机动策略多模型下的目标跟踪信息滤波算法 设共有N个坐标雷达并行量测，即k时刻对目标的位置量测信息共有N组分 别为：Zf[ZW = 1…k-1时刻目标的运动模型和机动策略分别为和 状态滤波值和协方差分别为与pA ;且已知it和if i初值分别为穿和# ;用 表示目标初始时刻运动模型为Mi的概率，1/0表示目标在初始时刻采用 机动策略4的概率；机动策略转移概率矩阵初值设为Ttl = {Pu| i，j = 1，2,…n}; < =P{<-P4}=叫<-小叫匕J，< =戶{屹}?户{<}，包含以下步骤： 2. 1机动策略与模型联合条件概率的混合估计 运动模型j与机动策略1的联合概率预测值 式中，
， I 为A转变为/丨的转移概率；表示k_l时刻采用机动策略d时对应的模型 转移概率矩阵/^1中位于第i行、第j列的项，即由转移到的概率；/^1为k-1时刻 目标的运动模型i和机动策略d的联合条件概率； 运动模型j与机动策略1的联合条件概率的混合估计
2. 2滤波器混合初始条件计算 机动策略1下运动模型j的初始状态混合估计
式中，#为k-1时刻机动策略d下运动模型i ， Xk-1 的滤波估计值； 机动策略1下运动模型j初始状态混合估计的协方差
式中，_为k_l时刻机动策略d下运 * - ， ^k-X 动模型i的滤波估计协方差； 2. 3利用卡尔曼信息滤波估计各机动策略及运动模型下的状态与协方差 1) .计算k时刻观测序列Zk对信息状态yk和Fisher信息Yk的贡献i k和Ik
式中，和^分别为第i个观测的量测矩阵和量测误差方差，Z丨为第i个观测序列； 2) .时间更新
式中，分别为机动策略1下运动模型j的状态转移矩阵、观测矩阵和过 程噪声方差；分别为机动策略1下运动模型j初始状态混合估计及估计协方差， S Z/fp分别为k时刻机动策略丨下运动模型j的状态预测值和量测预测值，为 状态预测协方差； 3) .卡尔曼增益及模型似然概率计算
式中，<、與7、Igf、Af分别为k时刻机动策略1下运动模型j的新息、新息协方 差、卡尔曼滤波增益、模型似然概率； 4).机动策略1与模型j的联合条件概率更新
2. 5机动策略转移概率矩阵自适应调整 将原机动策略转移概率矩阵T中各元素 Pu做如下修正：
即可得到自适应调整后的机动策略转移概率矩阵T' = {P' u|i，j = 1…n}; 不断重复2. 1?2. 5,直到满足终止条件； 步骤3 :步骤2. 4所得的终止时刻滤波结果输出即可得到终端滤波值，每一时刻的滤波 估计结果为对应每一时刻目标运动的跟踪滤波值，以连续形式输出，即可得到目标跟踪轨 迹。
【文档编号】G06F19/00GK104331623SQ201410623435
【公开日】2015年2月4日 申请日期:2014年11月6日 优先权日:2014年11月6日
【发明者】李莹, 周德云, 黄吉传 申请人:西北工业大学