法律状态公告日
法律状态信息
法律状态
2017-11-14
授权
授权
2017-10-31
著录事项变更 IPC(主分类):G01S7/02 变更前: 变更后: 申请日:20150515
著录事项变更
2017-10-31
专利申请权的转移 IPC(主分类):G01S7/02 登记生效日:20171012 变更前: 变更后: 申请日:20150515
专利申请权、专利权的转移
2015-09-16
实质审查的生效 IPC(主分类):G01S7/02 申请日:20150515
实质审查的生效
2015-08-19
公开
公开
技术领域
本发明涉及一种无线传感器网络领域和空间多目标跟踪领域,具体来说是一种基于去偏 坐标转换的α-β目标跟踪方法。
背景技术
随着信息时代的发展,航天技术不断的创新提高,空间在各国的政治、经济、军事等领 域内的战略地位日益提高。在现代化的军事斗争中,空间信息俨然已经成为了最核心的战斗 能力,对于空间信息的掌握至关重要。为了更好的掌握空间信息,同时随着卫星技术和雷达 技术的发展,研究出了新型的天基雷达对空间目标进行探测和跟踪,为了更加精确的识别、 跟踪空间目标信息,在跟踪雷达中必须引入目标跟踪方法,利用目标的观测信息来更新目标 的状态信息,提高天基雷达对空间目标的跟踪精度。
目标跟踪方法是雷达数据处理的重要环节,在雷达对航天器、空间碎片、卫星、不明星 球等目标进行探测跟踪时,目标跟踪方法扮演着越来越重要的角色,利用观测到的数据(距 离,方位角,俯仰角等)对运动目标的状态进行预测,从而预测下一时刻的目标的运动位置, 以完成目标运动轨迹的跟踪。同时,目标跟踪技术在民用方面也应用广泛,如空中交通管制, 机器人技术等,目前它已成为非常活跃的研究领域之一。二十世纪中期,卡尔曼滤波方法的 出现,大力推动了目标跟踪技术的发展。目前常用的目标跟踪方法有:线性滤波方法主要有 卡尔曼滤波方法以及由卡尔曼滤波为基础推导出的常增益滤波方法(如α-β滤波方法与 α-β-γ滤波方法);为满足更高的跟踪精度需求,跟踪滤波方法由线性滤波方法发展到非 线性滤波方法,常用的非线性的滤波方法有扩展卡尔曼滤波方法、无迹卡尔曼滤波方法与粒 子滤波方法。
在1993年D.Lerro等人提出另外一种区别于UT变换的线性化方法,即利用坐标转换方 法来实现线性化,提出了二维空间中的去偏混合坐标系转换卡尔曼滤波方法,后来有杨春玲 等人提出了三维空间中的去偏混合坐标系转换卡尔曼滤波方法。但是去偏坐标转换卡尔曼滤 波方法复杂,计算量太大,进行即时跟踪效果不佳。本发明对三维空间的去偏混合坐标系卡 尔曼滤波方法做了简化改进,有效的提高了计算效率,减少了计算时间。
发明内容
本发明为了解决了上述难题,提出一种基于去偏坐标转换的α-β滤波方法,本方法通过 改进三维空间的去偏混合坐标系卡尔曼滤波方法,在直角坐标系中采用α-β滤波替换卡尔曼 滤波,减少对滤波增益的计算。
一种基于去偏坐标转换的α-β滤波方法,具体步骤如下:
步骤1、建立系统模型,设定本方法的目标的状态方程和测量方程;
步骤2、对目标初始状态和误差协方差进行初始化;
步骤3、在k-1时刻,通过系统模型对k时刻目标的状态和误差协方差进行预测;
步骤4、通过新的观测值对测量方程进行更新;
步骤5、对测量误差的均方误差进行更新;
步骤6、引入常数因子α和β,计算得到滤波增益;
步骤7、计算得到k时刻的滤波误差协方差和目标状态估计;
下面具体阐述基于去偏坐标转换的α-β滤波方法过程。目标的观测方程建立在极坐标系 下,状态方程建立在直角坐标系下,观测平台先获取目标的观测值,然后通过去偏坐标转换 方法,将观测值无偏的转换到直角坐标系中,再在直角坐标系中进行α-β滤波,得到目标的 状态估计和误差协方差,实现对目标跟踪。
x、y、z分别为X、Y、Z轴上的位置分量,在极坐标下目标的测量值为目标到坐标 原点的距离r、俯仰角β和方位角θ。
东北极坐标系向雷达直角坐标系的转换关系表达式为:
x=r cosβcosθ
y=r cosβsinθ (1)
z=r sinβ
观测平台在极坐标系下得到的测量值分别为:rm、βm、θm,设在极坐标系下真实值和测 量值之间的误差为:测量距离误差为俯仰角误差为方位角误差为的 均方差分别为:σr、σβ、σθ,它们是相互独立的,并且均值为0。用公式表示为:
根据(1)式中的坐标转换关系可得到:
xm=rm cosβm cosθm
ym=rm cosβm sinθm (3)
zm=rm sinβm
(3)式中的xm、ym、zm为坐标转换得到的X、Y、Z轴上的测量值。把(2)式带入(3)式得 到:
设为存在雷达直角坐标系下的转换测量误差,有:
因此,可以表示为:
设东北极坐标下的测量误差为相互独立、零均值的高斯白噪声。存在如下 关系:
在只知道测量位置的情况下的测量误差均值和均方差的表达式为:
根据(6)式可以推导出在知道测量值情况下的测量误差均值计算公式为:
同样可以得到相应的测量误差的均方差矩阵为:
Rm中的各个元素分别为:
可以使用去偏测量值来更新滤波测量值,见公式(20):
把(12)式带入(20)式得到:
DCMαβ算法的目标状态方程为:
Xk=ΦXk-1+Γvk-1(k≥1) (22)
其中,Xk=[x,vx,y,vy,z,vz]T为目标状态向量,Φ∈Rn×n为状态转移矩阵,Γ∈Rn×p为过程 噪声分布矩阵,vk∈Rp×1为过程噪声。设在系统中的过程噪声vk为零均值、高斯白噪声序列, 其协方差为Qk。
DCMαβ的测量方程为:
zk=HXk+wk (23)
其中,H为测量矩阵,wk为测量噪声。再利用上面章节所讲的去偏坐标转换方法,代替 zk,得到:
引入常数因子α和β,得到基于去偏坐标转换的α-β滤波方法的滤波增益K。
得到增益K后可以得到k时刻的滤波误差协方差和状态估计为:
Pk=(I-KkH)Pk|k-1 (25)
附图说明
图1为本发明流程图;
图2为DCMKF和DCMαβ的位置均方根误差;
图3为DCMKF和DCMαβ的速度均方根误差。
具体实施方式
为使本发明的上述特征和优点能更加明显易懂,下面结合图1和具体实施方式对本发明 作进一步详细说明。
首先将引入涉及到本方案的相关参数,并详细描述如下:
x、y、z分别为X、Y、Z轴上的位置分量;
r、β、θ分别表示在极坐标下目标的测量值为目标到坐标原点的距离、俯仰角和方位 角;
rm、βm、θm分别为观测平台在极坐标系下得到的测量值(距离、俯仰角和方位角);
为极坐标系下真实值和测量值之间测量距离误差;
为极坐标系下真实值和测量值之间测量俯仰角误差;
为极坐标系下真实值和测量值之间测量方位角误差;
σr、σβ、σθ分别为的均方差;
xm、ym、zm分别为坐标转换得到的X、Y、Z轴上的测量值;
分别为存在直角坐标系下的转换测量误差;
μm、Rm分别为测量误差均值和均方差矩阵;
Xk=[x,vx,y,vy,z,vz]T为目标状态向量;
Φ∈Rn×n为状态转移矩阵;
Γ∈Rn×p为过程噪声分布矩阵;
vk∈Rp×1为过程噪声,Qk为其协方差;
zk为测量值;
为去偏测量值;
H为测量转换矩阵;
wk为测量噪声;
K为基于去偏坐标转换的α-β滤波算法的滤波增益;
Pk为k时刻滤波误差协方差;
qx、qy、qz分别为X,Y,Z轴上的过程噪声;
N为仿真帧数;
M为蒙特卡罗采样次数;
T为采样周期;
为滤波估计。
本发明具体实施步骤如下:
一:选择实验参数。本发明实例是假设目标在匀速运动模型下,在雷达直角坐标系中初 始位置为[300km,300km,50km],初始速度为[100m/s,100m/s,100m/s],距离测量精度σr=40m, 角度测量精度为σθ=0.01rad、σβ=0.01rad,在X,Y,Z轴上的过程噪声分别为:qx=2、 qy=2、qz=2,仿真帧数为N=100,蒙特卡罗采样次数M=500,采样周期为T=2s。
二:建立目标跟踪系统模型。DCMαβ方法简化了DCMKF方法中的增益计算,引入α、 β常数因子,使得DCMαβ算法增益为常数。当雷达测得目标的测量值距离rm、俯仰角βm、 方位角θm时,DCMαβ方法的目标状态方程为:
Xk=ΦXk-1+Γvk-1(k≥1) (27)
测量方程为:
zk=HXk+wk (28)
代替zk,得到:
其中
三:对目标状态进行初始化。如图1中的步骤101,设目标初始状态为X0,初始均值为 均方误差为P0|0,满足:
P0|0=Var[X0] (31)
四:预测状态和相应的协方差。如图1的步骤102,在k-1时刻,通过计算预测得到k时 刻的状态预测和其相应的预测协方差:
五:更新测量方程。如图1中的步骤103,通过(29)式来更新测量方程:
六:更新计算测量误差的均方差矩阵。如图1中的步骤104,通过(14)式到(19)式来更新 计算测量误差的均方差矩阵:
七:计算滤波增益。如图1中的步骤105,引入常数因子α、β,满足:
其中,同理可以求出αy、αz、βy、βz值。同时可以得到常增益K的表达式为:
八:计算k时刻滤波误差协方差。如图1中的步骤106,可以计算得到k时刻滤波误差协 方差:Pk=(I-KkH)Pk|k-1。
九:得到状态滤波估计。如图1中的步骤107,得到状态滤波估计为:
十:判断跟踪是否结束,如图1中的步骤108,若是结束退出本方法,进入图1中的步 骤109;否则进入k+1时刻,返回图1中101继续。
通过上述给定的参数,利用传统的去偏坐标转换卡尔曼滤波方法和本发明在相同的硬件 条件下,在上述参数下对目标进行跟踪,单次循环所用的时间如表1:
表1DCMKF和DCMαβ单次循环跟踪消耗时间
本发明DCMαβ方法的运行时间比DCMKF算法的运行时间快了50%,提高了运行时间, 因为采用α-β滤波方法代替卡尔曼滤波方法,减少了对增益k的计算,所以简化了计算量。 如图2和图3,为本发明DCMαβ和传统的DCMKF算法子在上述参数条件下Matlab仿真得 到的目标位置和速度均方根误差。可见DCMαβ虽然简化了DCMKF的计算量,提高了计算 效率,但是目标跟踪性能相对下降了,适用于工程中对目标运动趋势的实时跟踪。
在此说明书中,本发明已参照特定的实施实例做了描述。但是,很显然仍可以做出各种 修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限 制性的。
机译: /视频编码/解码设备基于帧内预测方向的去块滤波器和去块滤波方法及其记录介质
机译: 视频编码/解码设备,基于帧内预测方向的去块滤波器和去块滤波方法以及记录中值的方法
机译: 考虑帧内模式的去块滤波方法以及基于该方法的基于多层的视频编码器/解码器