法律状态公告日
法律状态信息
法律状态
2019-11-05
未缴年费专利权终止 IPC(主分类):G06F19/00 授权公告日:20160224 终止日期:20181113 申请日:20121113
专利权的终止
2016-02-24
授权
授权
2013-04-24
实质审查的生效 IPC(主分类):G06F19/00 申请日:20121113
实质审查的生效
2013-03-27
公开
公开
技术领域
本发明属于目标跟踪领域,主要涉及噪声相关系统基于容积信息滤波的纯方位目标跟踪方法。
背景技术
传感器目标跟踪是一门多学科交叉技术。近年来,随着传感器技术、计算机技术、通信技术和信息处理技术的发展,特别是军事上的迫切需求,多传感器目标跟踪技术的研究内容日益深入和广泛。军事上主要应用于指挥、控制、通信和情报系统,同时在机器人、民航航管等领域也有重要应用价值。目前对目标跟踪有了很多比较好的算法,如卡尔曼滤波算法(KF),无迹卡尔曼滤波算法(UKF),求容积卡尔曼滤波算法(CKF)等,然而众所周知,当所有传感器测量值到达融合中心进行集中处理时这些算法具有很高的计算复杂度。所以,信息滤波器被提了出来并且得到了广泛的应用由于在计算方面有比卡尔曼滤波算法更优越的性能并且容易初始化。实际上,信息滤波算法本质上是用协方差阵的逆表示的卡尔曼滤波算法。
目前关于非线性滤波的目标跟踪算法最新进展是容积信息滤波算法(SCIF),但由于此算法的前提是任何噪声之间是不相关的,所以大大限制了它的应用范围。在实际当中往往由于天气,跟踪同一个目标,同样的环境,多传感器的异步采样等原因,过程噪声与观测噪声之间可能相关,这就大大限制了SCIF的使用。
发明内容
为了解决噪声相关的情况,本发明提出了噪声相关系统基于容积信息滤波的纯方位跟踪方法,从而达到跟踪目标的目的。为了方便描述本发明的内容,首先本发明针对单传感器目标系统建立模型,它包括2个方程,状态方程和观测方程,分别如下所示:
这里的
针对上面描述的系统模型和初始条件,本发明给出如下迭代算法,具体包括2个模块:时间更新(先)和状态更新(后),从而达到跟踪目标的目的。
1.时间更新
步骤1.1 分别计算k-1时刻第i个容积点
首先,可以假设k-1时刻的状态估计
其中
其次,从(6)式计算k-1时刻第i个传播容积点
其中,
并且
最后,计算k-1时刻状态的一步预测:
步骤1.2 根据下式计算k-1时刻一步开方
这里
步骤1.3 使用下面的式子得到k-1时刻一步信息矩阵
令
然后利用
步骤1.4 使用式(12)式计算k-1时刻一步预测信息状态向量
2.测量更新
步骤2.1 分别计算k-1时刻第i个一步容积点
首先,计算k-1时刻一步容积点
进而可利用下式计算k-1时刻第i个一步传播容积点,
然后,利用式(15)计算k-1时刻一步观测预测
步骤2.2 利用下式计算k-1时刻互协方差矩阵
首先,根据下式计算k-1时刻开方新息协方差矩阵
其中,
令
然后,利用下式计算k-1时刻互协方差矩阵
步骤2.3 利用式分别计算k时刻信息矩阵
步骤2.4 利用下式获得k时刻状态估计
不断重复上面2个模块的内容,就可实现对目标状态
本发明的有益效果:
本发明提出的目标跟踪方法,在时间更新和测量更新中利用容积信息滤波解决了噪声的相关性,从而使本方法能在过程噪声与测量噪声相关的条件下也能对纯方位目标进行很好的跟踪。
附图说明
图1为本发明跟踪方法的流程图;
图2为本发明中的纯方位跟踪系统图;
图3 A为本发明仿真在X方向(正东方向)的跟踪效果图;
图3 B为本发明仿真在Y方向(正北方向)的跟踪效果图;
图3 C为本发明仿真在X方向(正东方向)的跟踪误差图;
图3 D为本发明仿真在X方向(正东方向)的跟踪误差图。
具体实施方式
本发明的实施流程图如图1所示,具体实施方式如下:
为了解决噪声相关的情况,本发明提出了噪声相关条件下的容积信息滤波器(SCIF-CN)设计方法,从而达到跟踪目标的目的。为了方便描述本发明的内容,首先本发明针对单传感器目标系统建立模型,它包括2个方程,状态方程和观测方程,分别如下所示:
这里的
针对上面描述的系统模型和初始条件,本发明给出如下迭代算法,具体包括2个模块:时间更新(先)和状态更新(后),从而达到跟踪目标的目的。
1.时间更新
步骤1.1 分别计算k-1时刻第i个容积点
首先,可以假设k-1时刻的状态估计
其中
其次,从(6)式计算k-1时刻第i个传播容积点
其中,
并且
最后,计算k-1时刻状态的一步预测:
步骤1.2 根据下式计算k-1时刻一步开方
这里
步骤1.3 使用下面的式子得到k-1时刻一步信息矩阵
令
然后利用
步骤1.4 使用式(12)式计算k-1时刻一步预测信息状态向量
2.测量更新
步骤2.1 分别计算k-1时刻第i个一步容积点
首先,计算k-1时刻一步容积点
进而可利用下式计算k-1时刻第i个一步传播容积点,
然后,利用式(15)计算k-1时刻一步观测预测
步骤2.2 利用下式计算k-1时刻互协方差矩阵
首先,根据下式计算k-1时刻开方新息协方差矩阵
其中,
令
然后,利用下式计算k-1时刻互协方差矩阵
步骤2.3 利用式分别计算k时刻信息矩阵
步骤2.4 利用下式获得k时刻状态估计
不断重复上面2个模块的内容,就可实现对目标状态
方法实验
在本试验中,我们采用上述算法对纯方位系统进行目标跟踪估计。为了更好的阐释本实验,首先对图2中的各个参数加以解释:
过程噪声协方差矩阵
初始状态与协方差矩阵分别为:
为了显示噪声相关性,我们用
图3 A 为对X方向的状态估计跟踪效果图,图中X-Displacement为目标在X方向的状态位置,本发明的跟踪方法SCIF-CN的曲线基本与目标在X方向的状态重合,跟踪效果很好。
图3 B 为对Y方向的状态估计跟踪效果图,图中Y-Displacement为目标在Y方向的状态位置,本发明的跟踪方法SCIF-CN的曲线基本与目标在Y方向的状态重合,跟踪效果很好。
图3 C为本发明跟踪方法SCIF-CN在X方向对目标状态估计跟踪的误差,其误差在2.5左右震荡,误差在实际允许范围内。
图3 D为本发明跟踪方法SCIF-CN在Y方向对目标状态估计跟踪的误差,其误差在1.2左右震荡,误差在实际允许范围内。
机译: 三维异核相关核磁共振波谱中的噪声滤波器装置,噪声滤波器方法和噪声滤波器程序
机译: 三维异相核相关核磁共振谱的噪声滤波器,噪声滤波器方法和噪声滤波器程序
机译: 通信信号噪声分量确定方法,涉及基于相关序列的重心找到估计噪声的色相,并且当色相大于预定水平时将其通过滤波器