CN105843079A - 一种多阶目标运动信息的估计方法 - Google Patents

Abstract

本发明提供了一种多阶目标运动信息的估计方法，包括步骤(1)从控制角度出发，通过综合考虑滤波特性和各运动分量间关系，在控制器设计过程中把外回路主要由比例积分环节构成，且积分环节为多个；步骤(2)每个积分环节需设计为内环，形成内部负反馈，以此提升控制内部过程变量的估计精度，这样可通过反向微分单独获得每个控制过程变量；步骤(3)在设计控制器过程中，需保证控制器的时域稳定性，满足李雅普诺夫稳定性判据；步骤(4)从频域角度分析滤波器的特性，响应带宽，保证能有效滤波；步骤(5)将过程变量输出，作为目标运动信息的高阶估计。该方法依靠滤波降低了输入位置信号的噪声，且不基于目标的运动模型，与控制易于结合，计算简单，容易实现。

Description

一种多阶目标运动信息的估计方法

技术领域

本发明属于目标跟踪与信息融合领域，具体的涉及一种多阶目标运动信息的估计方法，主要用于从控制角度对运动目标的多阶运动信息进行估计。

背景技术

光电、雷达等目标跟踪设备在对目标跟踪过程中，要实现目标的高精度跟踪，仅仅依靠能直接观测的目标位置信息远远不够，而需要利用观测位置对目标运动高阶信息，包括目标速度、加速度、加加速度等信息进行估计，以此获取对运动目标轨迹更精确地描述，从而实现高精度跟踪。

传统的目标运动信息融合主要有两种方法：一种是微分方法，采用直接对测量的位置信息进行微分，获取目标运动速度，再次微分得到加速度；另一种是基于目标运动模型的估计，主要利用卡尔曼滤波器进行预测滤波，通过状态方程获取运动高阶信息。但是，第一种方法中微分会放大噪声，获取到的速度、加速度信息信噪比大幅降低，大多数情况下该方法只能微分一次到速度，若再微分得到的加速度则淹没于噪声中，无法使用。第二种方法从信号处理角度进行分析，基于卡尔曼预测滤波方法能较为有效的获取目标运动信息，但是存在计算量大，且依靠先验，对初始参数敏感等缺点。

发明内容

针对微分估计方法的噪声大和模型估计方法的计算量大等问题，本方法从全新的控制角度分析数据融合滤波问题，其目的是提供一种多阶目标运动信息的估计方法。本方法利用控制过程中的积分单元，逐级嵌套构成一个高阶滤波控制器，控制过程中通过积分方式得到目标运动的速度、加速度，甚至更高阶的目标运动分量。

本发明采用的技术方案为：一种多阶目标运动信息的估计方法，该方法步骤如下：

步骤(1)：从控制角度出发，通过综合考虑滤波特性和各运动分量间关系，其中位置、速度、加速度之间为逐级微分关系，反之则为积分环节，在控制器设计过程中外回路主要由比例积分环节构成，且积分环节为多个；

步骤(2)：每个积分环节需设计为内环，形成内部负反馈，以此提升控制内部过程变量的估计精度，这样可通过反向微分单独获得每个控制过程变量；

步骤(3)：在设计控制器过程中，需保证控制器的时域稳定性，满足李雅普诺夫稳定性判据；

步骤(4)：从频域角度分析滤波器的特性，响应带宽，保证能有效滤波；

步骤(5)：将过程变量输出，作为目标运动信息的高阶估计。

其中，步骤(1)中来源于控制中的思想，针对输入目标信息设计一个滤波器，该滤波器利用控制环节中的积分环节和比例反馈形成闭环单元，其中每个闭环单元的输出被称为过程状态变量，该过程状态变量通过积分单元反向与各运动分量进行一一对应，包括位置、速度和加速度。此种方法在设计时对于各滤波参数具有明确的指导，先从整体上设计滤波器，确定滤波阶数和滤波参数。

其中，步骤(2)中每个内回路的开环为一个积分环节，采用比例反馈的形式构成内闭环回路，内闭环回路可提升控制内部过程状态变量的估计精度。当滤波器的整体阶数和参数确定后，则需要对积分单元进行离散处理，然后针对各闭环回路单独一步一步进行计算，获取过程状态变量，而不是整体上的滤波处理再积分。

其中，步骤(3)中在设计过程中保证控制器的时域稳定，也可通过劳斯稳定性判据进行判定。

其中，步骤(4)中对滤波特性的要求，需保证滤波有效，在整体滤波器设计时利用其频率伯德图对其滤波特性进行选择，针对不同的噪声特性设计不同的滤波性能。

本发明的原理在于：

从控制角度看滤波问题则是设计一个控制器作为滤波器，例如常见的低通滤波器或高通滤波器，若在设计控制器过程中综合考虑滤波特性和各运动分量间关系(位置、速度、加速度之间为逐级微分关系，反之则为积分环节)，则可在滤波器中以积分环节为基本单元设计，这在控制器设计过程中是比较容易实现的。从数据物理含义分析，滤波器输入为位置信息，则输出数据的物理含义依旧为位置信息，但是由于滤波器过程中存在积分环节，从输出的估计位置返回看控制器中间输出变量则依次为速度、加速度，或更高阶信息。该方法依靠滤波降低了输入位置信号的噪声，且不基于目标的运动模型，与控制易于结合，计算简单，容易实现。

本发明与现有技术相比具有如下优点：

(1)同微分估计方法相比，本发明该方法利用滤波过程降低了位置估计噪声，从而降低整个高阶估计的噪声，估计输出更接近真实值；

(2)相对基于运动模型的卡尔曼预测估计方法，本发明不基于目标的运动模型，降低了卡尔曼滤波中扩张状态观测器的估计误差，避开了依靠先验和对初始参数敏感，结合控制降低了计算量，提高了算法实时性；

(3)相对目前的状态估计方法来说，本发明降低了估计误差，实现简单，结合控制具有很好的结合性和扩展性。

附图说明

图1是本发明的多阶目标运动信息估计的控制器设计结构图。

图2是本发明的三阶目标运动信息估计的控制器设计结构图。

图3是本发明的一设计实例的伯德图。

图4是本发明的该设计实例的加速度估计与微分加速度的数据对比图。

具体实施方式

以下结合附图对本发明的具体实施方式做详细说明。

如图1所示是本发明的多阶目标运动信息估计的控制器设计结构图，这是该方法的通用控制框架，其控制器数学表达式如下：

${\mathrm{\θ}}_e=\frac{k_n}{s^n+k_1{s}^{n-1}+k_2{s}^{n-2}......+k_n}\·\mathrm{\θ}$

其中，θ为位置输入，θ_e为滤波后的位置估计输出，n为估计阶数，k_n为比例系数，图1中为控制过程的中间输出变量，也就是高阶估计输出。

下面以三阶目标运动信息估计为例进行详细说明：

步骤(1)：如图2所示，从控制角度出发，在控制器设计过程中考虑外回路主要由比例积分环节构成，且积分环节为3个，实现对位置、速度、加速度、加加速度信息的估计，其控制输出表达式如下；

${\mathrm{\θ}}_e=\frac{k_3}{s^3+k_1{s}^2+k_{2}s+k_3}\·\mathrm{\θ}$

其中，θ为位置输入，θ_e为滤波后的位置估计输出，k₁k₂为内环负反馈比例系数，k₃为外环比例系数，图2中为速度估计，为加速度估计，为加加速度估计。

步骤(2)：每个积分环节需设计为内环，形成内部负反馈，以此提升控制内部过程变量的估计精度，这样可通过反向微分单独获得每个控制过程变量；

步骤(3)：在设计控制器过程中，需保证控制器的时域稳定性，满足李雅普诺夫稳定性判据。

步骤(4)：从频域角度分析滤波器的特性，响应带宽，保证能有效滤波。如图3所示为一滤波特性设计伯德图，其中：k₁＝126；k₂＝3021；k₃＝35530；其为一低通滤波器，可有效滤除高频部分噪声数据。

步骤(5)：将过程变量输出，作为目标运动信息的高阶估计。如图4所示为步骤(4)所设计的滤波器所得的估计加速度和微分加速度进行的效果对比，可以明显看出估计的加速度的噪声相比微分加速度大大降低，能有效滤除高频噪声，效果较好。

Claims (5)

1.一种多阶目标运动信息的估计方法，其特征在于：该方法步骤如下：

步骤(1)：从控制角度出发，通过综合考虑滤波特性和各运动分量间关系，其中位置、速度、加速度之间为逐级微分关系，反之则为积分环节，在控制器设计过程中外回路主要由比例积分环节构成，且积分环节为多个；

步骤(2)：每个积分环节需设计为内环，形成内部负反馈，以此提升控制内部过程变量的估计精度，这样可通过反向微分单独获得每个控制过程变量；

步骤(3)：在设计控制器过程中，需保证控制器的时域稳定性，满足李雅普诺夫稳定性判据；

步骤(4)：从频域角度分析滤波器的特性，响应带宽，保证能有效滤波；

步骤(5)：将过程变量输出，作为目标运动信息的高阶估计。

2.根据权利要求1所述的一种多阶目标运动信息的估计方法，其特征在于：步骤(1)中来源于控制中的思想，利用控制环节中的积分环节，与各运动分量进行一一对应，各运动分量包括位置、速度和加速度，在控制器设计中加入多个积分环节进行控制器设计。

3.根据权利要求1所述的一种多阶目标运动信息的估计方法，其特征在于：步骤(2)中每个积分环节形成内回路，加上比例反馈，以此提升控制内部过程变量的估计精度，这样可通过反向微分单独获得每个控制过程变量。

4.根据权利要求3所述的一种多阶目标运动信息的估计方法，其特征在于：步骤(3)中在设计过程中保证控制器的时域稳定。

5.根据权利要求1所述的一种多阶目标运动信息的估计方法，其特征在于：步骤(4)中对滤波特性的要求，需保证滤波有效。