一種基于模型切換次數(shù)受限的多模型機(jī)動目標(biāo)跟蹤濾波方法技術(shù)

一種基于模型切換次數(shù)受限的多模型機(jī)動目標(biāo)跟蹤濾波方法，涉及機(jī)動目標(biāo)跟蹤領(lǐng)域，具體涉及一種多模型的機(jī)動目標(biāo)跟蹤濾波方法。本發(fā)明專利技術(shù)為了解決現(xiàn)有多模型濾波不能描述高階模型切換先驗信息的問題以及在保證較高濾波精度時存在計算量大的問題。本發(fā)明專利技術(shù)首先對2階模型序列中的模型進(jìn)行建模，并基于跳變次數(shù)受限的假設(shè)設(shè)置2階模型序列的轉(zhuǎn)移概率p

A multiple model maneuvering target tracking filtering method based on limited number of model switching times

The invention relates to a multiple model maneuvering target tracking filtering method based on the limited number of model switching times, which relates to the maneuvering target tracking field, in particular to a multi model maneuvering target tracking filtering method. The invention solves the problem that the prior model filtering can not describe the prior information of the higher order model switching, and has a large amount of calculation when guaranteeing the higher filtering precision. In the present invention, the model in the 2 order model sequence is modeled, and the transition probability of the 2 order model sequence is set based on the assumption that the number of transitions is limited by P

【技術(shù)實現(xiàn)步驟摘要】
一種基于模型切換次數(shù)受限的多模型機(jī)動目標(biāo)跟蹤濾波方法
本專利技術(shù)涉及機(jī)動目標(biāo)跟蹤領(lǐng)域，具體涉及一種多模型的機(jī)動目標(biāo)跟蹤濾波方法。
技術(shù)介紹
在目標(biāo)跟蹤的模型不確定問題中，H.A.P.Blom，Y.Bar-Shalom.“TheinteractingmultiplemodelalgorithmforsystemswithMarkovianswitchingcoefficients，”IEEETransactionsonAutomaticControl，vol.33(8)，pp.780-783，1988提出了經(jīng)典的交互式多模型濾波方法。該經(jīng)典方法使用模型轉(zhuǎn)移概率來自動識別當(dāng)前使用的模型，進(jìn)行模型切換，從而實現(xiàn)在多模型下的自適應(yīng)濾波估計。但缺點(diǎn)是估計精度不是很高，且依賴于模型轉(zhuǎn)移概率的設(shè)置。當(dāng)模型不變轉(zhuǎn)移概率的值設(shè)置很大時，雖然在模型不變區(qū)域誤差會減少，但同時卻會增大模型切換區(qū)域的誤差，并且從模型切換區(qū)域到模型不變區(qū)域的誤差收斂速度會減慢。改進(jìn)的方法如P.Suchomski，“High-orderinteractingmultiple-modelestimationforhybridsystemswithMarkovianswitchingparameters，”InternationalJournalofSystemsScience，vol.32(5)，pp.669-679，2001中提出的廣義高階多模型濾波方法，雖然利用高階模型序列能提高估計精度，但卻以增加大量計算為代價。畢欣，杜勁松，王偉，高潔，田星，趙越南，趙乾，叢日剛，仝盼盼，李想，張清石，徐洪慶，高揚(yáng)等人的“一種基于自適應(yīng)轉(zhuǎn)移概率矩陣的交互多模型跟蹤方法(申請?zhí)枺篊N201410715327.7)”和周衛(wèi)東，蔡佳楠，孫龍，沈忱，鄭蘭等人的“一種具有最優(yōu)運(yùn)動模式切換參數(shù)的交互式多模型目標(biāo)跟蹤方法(申請?zhí)枺篊N201410234810.3)”的專利都對交互式多模型方法進(jìn)行了改進(jìn)，通過對一階模型轉(zhuǎn)移概率進(jìn)行修正，進(jìn)一步提高濾波精度，但這些方法并沒有利用更多的先驗信息，估計精度有待進(jìn)一步改進(jìn)。因此，仍需要一種更好的多模型濾波方法，通過利用更多的先驗信息，使得既有很高的濾波精度，同時又保持計算量小的特點(diǎn)。
技術(shù)實現(xiàn)思路
本專利技術(shù)為了解決現(xiàn)有多模型濾波不能描述高階模型切換先驗信息的問題以及在保證較高濾波精度時存在計算量大的問題。一種基于模型切換次數(shù)受限的多模型機(jī)動目標(biāo)跟蹤濾波方法，包括：步驟1：對機(jī)動目標(biāo)的2階模型序列中的模型mi、mj、ml進(jìn)行建模，并基于跳變次數(shù)受限的假設(shè)，設(shè)置2階模型序列的轉(zhuǎn)移概率pijl，表示從模型序列mimj跳變到模型ml的概率；i、j、l分別為用于區(qū)別模型mi、mj、ml的序號；設(shè)模型個數(shù)為r，則i,j,l的取值范圍為1～r；其中，Pmax是預(yù)先設(shè)定的一個值，理論上取值范圍為0～1，在本專利技術(shù)中，該值設(shè)得很大，遠(yuǎn)大于現(xiàn)有方法中常用的0.98等值，本專利技術(shù)Pmax取值范圍為[0.99,1)，Pmax典型取值為0.99～0.9999，基于0.99～0.9999能使模型不變段的濾波精度極限接近無模型不確定性問題時的濾波精度；步驟2：分以下三種情況對k時刻的估計狀態(tài)向量和相對應(yīng)的協(xié)方差為進(jìn)行實時處理；(1)當(dāng)k＝1時，轉(zhuǎn)步驟3；(2)當(dāng)k＝2時，轉(zhuǎn)步驟4；(3)當(dāng)k≥3時，轉(zhuǎn)步驟5；步驟3：對k＝1時的估計狀態(tài)向量和相對應(yīng)的協(xié)方差為初始化其中，zk＝[xkyk]T表示k時刻接收到的雷達(dá)觀測數(shù)據(jù)，xk表示k時刻x軸位置，yk表示k時刻y軸位置，zk(q′)表示zk的第q′個值；ri′j′是觀測噪聲協(xié)方差R的第i′行第j′列元素，即轉(zhuǎn)步驟2等待接收k＝k+1時刻的雷達(dá)觀測數(shù)據(jù)并繼續(xù)處理；步驟4：對k＝2時的估計狀態(tài)向量和相對應(yīng)的協(xié)方差為初始化再初始化k-1時刻模型為mi、k時刻模型為mj時的2階模型序列概率r表示模型個數(shù)，r與ri′j′表示不同參數(shù)；令2階模型序列估計狀態(tài)向量和與相對應(yīng)的協(xié)方差轉(zhuǎn)步驟2等待接收k＝k+1時刻的雷達(dá)觀測數(shù)據(jù)并繼續(xù)處理；步驟5：對k≥3時的狀態(tài)進(jìn)行如下處理：步驟5.1：計算混合概率當(dāng)l＝j(luò)時，則i的取值范圍是1,2,...,r,其中，為k-1時刻的2階模型序列概率；Cjj為歸一化參數(shù)，Cjj對應(yīng)的第一個j代表k-1時刻的模型為mj，第二個j代表k時刻的模型為mj；當(dāng)l≠j時，則i＝j(luò),其中，Cjl分別為歸一化參數(shù)，在跳變受限的條件下，l≠j、i≠j的情況不存在，不參與濾波計算；本專利技術(shù)是基于模型切換次數(shù)受限的情況，所以模型連續(xù)切換的概率設(shè)置為零，不參與濾波計算，減少了計算量；步驟5.2：計算2階模型序列混合狀態(tài)向量及其協(xié)方差當(dāng)l＝j(luò)時當(dāng)l≠j時為2階模型序列估計狀態(tài)向量，多個2階模型序列估計狀態(tài)向量構(gòu)成估計狀態(tài)向量只有在k＝2時才令2階模型序列估計狀態(tài)向量步驟5.3：將和作為輸入對模型ml進(jìn)行卡爾曼濾波，計算k時刻和似然函數(shù)步驟5.4：計算k時刻的2階模型序列概率步驟5.5：計算k時刻的估計狀態(tài)向量及其協(xié)方差轉(zhuǎn)步驟2等待接收k＝k+1時刻的雷達(dá)觀測數(shù)據(jù)并繼續(xù)處理。優(yōu)選地，步驟5.3所述卡爾曼濾波的具體步驟包括以下步驟：計算2階模型序列的估計狀態(tài)向量的一步預(yù)測值其中，F(xiàn)k-1(ml)是在k-1時刻模型ml下的系統(tǒng)轉(zhuǎn)移矩陣，Gk-1(ml)是在k-1時刻模型ml的輸入控制矩陣，uk-1(ml)是在k-1時刻模型ml的信號輸入；下角標(biāo)為k|k或者k-1|k-1表示估計狀態(tài)向量，而下角標(biāo)k|k-1表示對估計狀態(tài)向量的一步預(yù)測；計算與相對應(yīng)的協(xié)方差的一步預(yù)測值其中，Γk-1(ml)是噪聲系數(shù)矩陣；Qk-1(ml)是過程噪聲協(xié)方差；計算2階模型序列的觀測預(yù)測值其中，Hk是觀測矩陣；計算2階模型序列的新息其中新息與零均值白色高斯過程噪聲vk-1(ml)為不同參數(shù)；計算2階模型序列的新息協(xié)方差計算2階模型序列的似然函數(shù)其中，表示zk服從均值為協(xié)方差為的高斯分布；計算2階模型序列的增益計算2階模型序列的估計狀態(tài)向量計算相對應(yīng)的協(xié)方差本專利技術(shù)具有以下有益效果：為了提高目標(biāo)跟蹤時的濾波精度，本專利技術(shù)利用目標(biāo)不會時刻發(fā)生模型切換的先驗信息，提出一種基于模型切換次數(shù)受限的多模型機(jī)動目標(biāo)跟蹤濾波方法(SC-IMM)。本專利技術(shù)假設(shè)連續(xù)3個時刻內(nèi)最多只發(fā)生一次模型切換，舍去了在該假設(shè)下不可能產(chǎn)生的模型序列；同時在此假設(shè)基礎(chǔ)上設(shè)計一個合適的模型序列轉(zhuǎn)移概率，把不發(fā)生切換的模型序列轉(zhuǎn)移概率值設(shè)得很大。因此，本專利技術(shù)極大地減小了估計誤差和收斂區(qū)域，在獲得更高濾波精度的同時又保留較小的計算量。與經(jīng)典的交互式多模型濾波方法(IMM方法)相比，本專利技術(shù)不僅在模型不變區(qū)域精度極大提高，同時在模型切換區(qū)域估計誤差迅速降低，有極小的收斂區(qū)，精度提高20％～27％左右；相比于廣義2階交互式多模型方法(IMM2)，本專利技術(shù)的精度提高18％左右，同時減少計算時間約6％。附圖說明圖1為500次蒙特卡洛仿真下的IMM、IMM2和SC-IMM三種方法的位置均方根誤差對比圖；圖2為500次蒙特卡洛仿真下的IMM、IMM2和SC-IMM三種方法的速度均方根誤差對比圖。具體實施方式具體實施方式一：一種基于模型切換次數(shù)受限的多模型機(jī)動目標(biāo)跟蹤濾波方法，包括：步驟1：將機(jī)動目標(biāo)的三個時刻的狀態(tài)作為本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于模型切換次數(shù)受限的多模型機(jī)動目標(biāo)跟蹤濾波方法，其特征在于，包括：步驟1：對機(jī)動目標(biāo)的2階模型序列中的模型m

【技術(shù)特征摘要】
1.一種基于模型切換次數(shù)受限的多模型機(jī)動目標(biāo)跟蹤濾波方法，其特征在于，包括：步驟1：對機(jī)動目標(biāo)的2階模型序列中的模型mi、mj、ml進(jìn)行建模，并基于跳變次數(shù)受限的假設(shè)，設(shè)置2階模型序列的轉(zhuǎn)移概率pijl，表示從模型序列mimj跳變到模型ml的概率；i、j、l分別為用于區(qū)別模型mi、mj、ml的序號；設(shè)模型個數(shù)為r，則i,j,l的取值范圍為1～r；其中，Pmax是預(yù)先設(shè)定的一個值，Pmax取值范圍為[0.99,1)；步驟2：分以下三種情況對k時刻的估計狀態(tài)向量和相對應(yīng)的協(xié)方差為進(jìn)行實時處理；(1)當(dāng)k＝1時，轉(zhuǎn)步驟3；(2)當(dāng)k＝2時，轉(zhuǎn)步驟4；(3)當(dāng)k≥3時，轉(zhuǎn)步驟5；步驟3：對k＝1時的估計狀態(tài)向量和相對應(yīng)的協(xié)方差為初始化其中，zk＝[xkyk]T表示k時刻接收到的雷達(dá)觀測數(shù)據(jù)，xk表示k時刻x軸位置，yk表示k時刻y軸位置，zk(q′)表示zk的第q′個值；ri′j′是觀測噪聲協(xié)方差R的第i′行第j′列元素，即轉(zhuǎn)步驟2等待接收k＝k+1時刻的雷達(dá)觀測數(shù)據(jù)并繼續(xù)處理；步驟4：對k＝2時的估計狀態(tài)向量和相對應(yīng)的協(xié)方差為初始化再初始化k-1時刻模型為mi、k時刻模型為mj時的2階模型序列概率令2階模型序列估計狀態(tài)向量和與相對應(yīng)的協(xié)方差轉(zhuǎn)步驟2等待接收k＝k+1時刻的雷達(dá)觀測數(shù)據(jù)并繼續(xù)處理；步驟5：對k≥3時的狀態(tài)進(jìn)行如下處理：步驟5.1：計算混合概率當(dāng)l＝j(luò)時，則i的取值范圍是1,2,...,r,其中，為k-1時刻的2階模型序列概率；Cjj為歸一化參數(shù)，當(dāng)l≠j時，則i＝j(luò),其中，Cjl分別為歸一化參數(shù)，在跳變受限的條件下，l≠j、i≠j的情況不存在，不參與濾波計算；步驟5.2：計算2階模型序列混合狀態(tài)向量及其協(xié)方差當(dāng)l＝j(luò)時當(dāng)l≠j時步驟5.3：將和作為輸入對模型ml進(jìn)行卡爾曼濾波，計算k時刻和似然函數(shù)步驟5.4：計算k時刻的2階模型序列概率步驟5.5：計算k時刻的估計狀態(tài)向量及其協(xié)方差轉(zhuǎn)步驟2等待接收k＝k+1時刻的雷達(dá)觀測數(shù)...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周共健，葉曉平，周暢，
申請(專利權(quán))人：哈爾濱工業(yè)大學(xué)，
類型：發(fā)明
國別省市：黑龍江,23