CN112051569A - 雷达目标跟踪速度修正方法及装置 - Google Patents
雷达目标跟踪速度修正方法及装置 Download PDFInfo
- Publication number
- CN112051569A CN112051569A CN202010946392.6A CN202010946392A CN112051569A CN 112051569 A CN112051569 A CN 112051569A CN 202010946392 A CN202010946392 A CN 202010946392A CN 112051569 A CN112051569 A CN 112051569A
- Authority
- CN
- China
- Prior art keywords
- weighting coefficient
- velocity vector
- kalman filter
- dimensional
- dimensional velocity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000012937 correction Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 61
- 238000009499 grossing Methods 0.000 claims abstract description 55
- 238000005259 measurement Methods 0.000 claims abstract description 35
- 230000000875 corresponding effect Effects 0.000 claims description 69
- 238000012545 processing Methods 0.000 claims description 28
- 238000001914 filtration Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 9
- 230000002596 correlated effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 8
- 238000004088 simulation Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种雷达目标跟踪速度修正方法及装置,方法包括对目标在N个时刻的斜距序列和方位角正弦值序列分别进行平滑处理,得到平滑处理后的斜距序列和平滑处理后的方位角正弦值序列;根据平滑处理后的数据重构目标的二维坐标轨迹;使用重构的二维坐标轨迹进行拟合得到二维速度矢量,最后基于卡尔曼滤波器状态协方差矩阵设置二维速度矢量的加权系数,将卡尔曼滤波器输出目标的二维速度矢量和一阶线性拟合得到的二维速度矢量进行加权,得到修正后的二维速度矢量。通过对各项测量信息的测量误差进行平滑消除,提高了速度估计的精度;并且计算过程不需执行搜索运算或迭代矩阵运算等,降低了运算量。
Description
技术领域
本发明涉及雷达技术领域,更具体地说,涉及雷达目标跟踪速度修正方法及装置。
背景技术
雷达对目标的连续跟踪,通常通过建立前一时刻和当前时刻的运动状态转移模型,并结合当前时刻的雷达测量到的目标信息,利用扩展卡尔曼滤波器、无迹卡尔曼滤波器等进行求解。这类跟踪方法在航迹起始时刻没有更早的航迹作为输入,无法利用跟踪器进行滤波,只能强制定义一个初始的运动状态,并将这一状态代入跟踪器作为第二个跟踪周期的输入。雷达可以通过斜距和方位角正弦值的测量值,解算目标的二维位置坐标,但无法通过单一的多普勒速度解算目标的二维速度矢量。通常采用的策略是根据一定的先验假设,结合目标的初始多普勒速度指定初始时刻的二维速度矢量,但如果实际情形与先验假设不符时,目标的真实初始速度矢量与指定值偏差较大,会严重影响后续跟踪的精度和滤波收敛速度。
为了解决上述问题,一种方法是存储连续几帧的测量信息,利用较多的信息给出目标初始速度矢量的估计,用于对跟踪器给出的速度估计进行校正;通常采用的估计方法有最大似然估计、高斯牛顿迭代等,但这类估计方法通常都需要执行搜索运算或执行迭代矩阵运算,对雷达系统运算能力要求较高,这通常会超出低性能的雷达芯片的运算能力。另一种方法是利用目标前后帧的位置信息进行差分或拟合给出目标初始速度矢量的估计,但这种方法只适用于位置测量较为精确的激光雷达,对于位置测量精度不高的雷达,直接利用位置信息求解速度容易产生较大偏差。
发明内容
有鉴于此,本发明提出一种雷达目标跟踪速度修正方法及装置,欲在降低运算量的同时,实现提高速度估计精度的目的。
为了实现上述目的,现提出的方案如下:
第一方面,提供一种雷达目标跟踪速度修正方法,包括:
对目标在N个时刻的斜距序列和方位角正弦值序列分别进行平滑处理,得到平滑处理后的斜距序列和平滑处理后的方位角正弦值序列;
根据平滑处理后的斜距序列和平滑处理后的方位角正弦值序列,重构目标在所述N个时刻的二维坐标轨迹;
对所述二维坐标轨迹分别进行以时刻信息为自变量的一阶线性拟合,得到目标的第一二维速度矢量;
根据当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,计算得到第一加权系数和第二加权系数,所述第一加权系数为所述第一二维速度矢量的加权系数和所述第二二维速度矢量的加权系数中的一个,所述第二加权系数为所述第一二维速度矢量的加权系数和所述第二二维速度矢量的加权系数中的另一个;
将所述第一二维速度矢量和所述第二二维速度矢量进行加权,得到修正后的二维速度矢量。
可选的,所述对目标在N个时刻的斜距序列和方位角正弦值序列分别进行平滑处理,得到平滑处理后的斜距序列和平滑处理后的方位角正弦值序列,具体包括:
获取N个时刻对目标的测量信息与对应的时刻信息,所述测量信息包括斜距、多普勒速度和方位角正弦值;
计算得到多普勒速度均值,所述多普勒速度均值为所述N个多普勒速度的平均值;
利用所述多普勒速度均值作为斜距关于时间的变化率,对所述N个斜距进行基于一阶线性拟合的平滑处理,得到平滑处理后的斜距序列;
对所述N个方位角正弦值进行平滑处理,得到平滑处理后的方位角正弦值序列。
可选的,对所述N个方位角正弦值进行平滑处理,具体为:
采用一阶线性拟合法、滑动窗口平均值法、指数滑动平均值法或卡尔曼滤波法对所述N个方位角正弦值进行平滑处理。
可选的,所述根据当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,计算得到第一加权系数和第二加权系数,具体包括:
利用预先设定的第一关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第一加权系数;所述预先设定的第一关系式为:卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,与第一加权系数之间的关系式;
根据所述第一加权系数,计算得到所述第二加权系数。
可选的,所述第一加权系数为所述第一二维速度矢量的加权系数,所述预先设定的第一关系式为:
整体呈正相关的态势的sigmoid函数、多项式函数或阶梯函数。
可选的,所述第一加权系数为所述第二二维速度矢量的加权系数,所述预先设定的第一关系式为:
整体呈负相关的态势的多项式函数或阶梯函数。
可选的,所述根据当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,计算得到第一加权系数和第二加权系数,具体包括:
利用预先设定第一关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第一加权系数;所述预先设定第一关系式为:卡尔曼滤波器状态协方差矩阵中与所述第二二维速度矢量对应的对角线元素,与第一加权系数之间的关系式;
利用预先设定第二关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第二加权系数;所述预先设定第二关系式为:卡尔曼滤波器状态协方差矩阵中与所述第二二维速度矢量对应的对角线元素,与第二加权系数之间的关系式。
第二方面,提供一种雷达目标跟踪速度修正装置,包括:
平滑处理单元,用于对目标在N个时刻的斜距序列和方位角正弦值序列分别进行平滑处理,得到平滑处理后的斜距序列和平滑处理后的方位角正弦值序列;
轨迹重构单元,用于根据平滑处理后的斜距序列和平滑处理后的方位角正弦值序列,重构目标在所述N个时刻的二维坐标轨迹;
速度拟合单元,用于对所述二维坐标轨迹分别进行以时刻信息为自变量的一阶线性拟合,得到目标的第一二维速度矢量;
加权系数单元,用于根据当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,计算得到第一加权系数和第二加权系数,所述第一加权系数为所述第一二维速度矢量的加权系数和所述第二二维速度矢量的加权系数中的一个,所述第二加权系数为所述第一二维速度矢量的加权系数和所述第二二维速度矢量的加权系数中的另一个;
速度修正单元,用于将所述第一二维速度矢量和所述第二二维速度矢量进行加权,得到修正后的二维速度矢量。
可选的,所述平滑处理单元,具体包括:
信息获取子单元,用于获取N个时刻对目标的测量信息与对应的时刻信息,所述测量信息包括斜距、多普勒速度和方位角正弦值;
多普勒速度均值计算子单元,用于计算得到多普勒速度均值,所述多普勒速度均值为所述N个多普勒速度的平均值;
斜距平滑处理子单元,用于利用所述多普勒速度均值作为斜距关于时间的变化率,对所述N个斜距进行基于一阶线性拟合的平滑处理,得到平滑处理后的斜距序列;
方位角正弦值处理子单元,用于对所述N个方位角正弦值进行平滑处理,得到平滑处理后的方位角正弦值序列。
可选的,所述方位角正弦值处理子单元,具体用于:
采用一阶线性拟合法、滑动窗口平均值法、指数滑动平均值法或卡尔曼滤波法对所述N个方位角正弦值进行平滑处理,得到平滑后的方位角正弦值序列。
可选的,所述加权系数单元,具体用于:
利用预先设定的第一关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第一加权系数;所述预先设定的第一关系式为:卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,与第一加权系数之间的关系式;
根据所述第一加权系数,计算得到所述第二加权系数。
可选的,所述第一加权系数为所述第一二维速度矢量的加权系数,所述预先设定的第一关系式为:
整体呈正相关的态势的sigmoid函数、多项式函数或阶梯函数。
可选的,所述第一加权系数为所述第二二维速度矢量的加权系数,所述预先设定的第一关系式为:
整体呈负相关的态势的多项式函数或阶梯函数。
可选的,所述加权系数单元,具体用于:
利用预先设定第一关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第一加权系数;所述预先设定第一关系式为:卡尔曼滤波器状态协方差矩阵中与所述第二二维速度矢量对应的对角线元素,与第一加权系数之间的关系式;
利用预先设定第二关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第二加权系数;所述预先设定第二关系式为:卡尔曼滤波器状态协方差矩阵中与所述第二二维速度矢量对应的对角线元素,与第二加权系数之间的关系式。
与现有技术相比,本发明的技术方案具有以下优点:
上述技术方案提供的一种雷达目标跟踪速度修正方法及装置,方法包括对目标在N个时刻的斜距序列和方位角正弦值序列分别进行平滑处理,得到平滑处理后的斜距序列和平滑处理后的方位角正弦值序列;根据平滑处理后的数据重构目标的二维坐标轨迹;使用重构的二维坐标轨迹进行拟合得到二维速度矢量,最后基于卡尔曼滤波器状态协方差矩阵设置二维速度矢量的加权系数,将卡尔曼滤波器所输出目标的二维速度矢量和一阶线性拟合后所得到目标的二维速度矢量进行加权,得到修正后的二维速度矢量。通过对各项测量信息的测量误差进行平滑消除,提高了速度估计的精度;并且计算过程不需执行搜索运算或迭代矩阵运算等,降低了运算量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为雷达坐标系下观测几何关系示意图;
图2为本发明实施例提供的一种雷达目标跟踪速度修正方法的示意图;
图3为本发明实施例提供的一种仿真场景几何关系的示意图;
图4为图3所示仿真场景下斜距测量曲线;
图5为图3所示仿真场景下多普勒速度测量曲线;
图6为图3所示仿真场景下方位角正弦值测量曲线;
图7为不同方法的斜距拟合结果示意图;
图8为方位角正弦值拟合结果示意图;
图9为轨迹重构结果与测量轨迹对比示意图;
图10为本发明实施例提供的一种雷达目标跟踪速度修正装置的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,在雷达坐标系下,目标的测量信息包括斜距r,方位角正弦值a=sin(θ)和多普勒速度v。θ为方位角。目标的位置坐标为(x,y),目标的二维速度矢量为(vx,vy)。多普勒速度v=(vx*x+vy*y)/[(x*x+y*y)^(0.5)])。
参见图2,为本实施例提供的一种雷达目标跟踪速度修正方法,该方法可以包括以下步骤:
S21:对目标在N个时刻的斜距序列和方位角正弦值序列分别进行平滑处理,得到平滑处理后的斜距序列和平滑处理后的方位角正弦值序列。
对斜距序列和方位角正弦值序列进行平滑处理,使得平滑处理后的斜距序列和方位角正弦值序列相对平滑的、更能合理地体现出目标变化的趋势。在一些具体实施例中,使用多普勒速度的均值对斜距序列进行平滑处理,以提高拟合后斜距序列与真实斜距序列的吻合度。当然,在其他实施例中,也可以使用其他方式对N个时刻斜距的斜距做平滑处理,如使用平均滤波、中位滤波、高斯滤波等平滑处理方式。对斜距序列和方位角正弦值序列分别进行平滑处理的具体过程包括:
首先,获取N个时刻对目标的测量信息与对应的时刻信息,测量信息包括斜距、多普勒速度和方位角正弦值。N个时刻的时刻序列为T=[t1,t2,...,tN],ti表示第i个时刻,i=1、2、……、N,两个相邻时刻之间的差不一定相当,但时刻序列是递增的;N个时刻的斜距序列为R=[r1,r2,...,rN],ri表示第i个时刻的斜距;N个时刻的多普勒速度序列为V=[v1,v2,...,vN],vi表示第i个时刻的多普勒速度;N个时刻的方位角正弦值序列为A=[a1,a2,...,aN],ai表示第i个时刻的方位角正弦值。
N值较大时可以利用较多的信息弥补测量噪声的影响,进而会有较好的速度估计精度,但同时N较大时也会带来存储计算资源消耗增加、修正滞后、测量线性变化的先验假设不再满足等问题。在实际应用中,可以根据不同应用场景的延时要求和精度要求,以及雷达系统的运算能力,来设定具体的N值大小。
其次,计算得到多普勒速度均值。多普勒速度均值为N个时刻对应的多普勒速度的平均值。在本实施例中认为N个时刻内,目标的多普勒速度近似不变,求解多普勒速度均值以减少多普勒速度的测量误差。多普勒速度均值的计算公式如下:
其中,Vm表示多普勒速度均值。当然,在其他实施例中,多普勒速度均值也可以去除测量所得N个多普勒速度中的最大值和最小值后再取平均。
再次,利用多普勒速度均值作为斜距关于时间的变化率,对N个斜距进行基于一阶线性拟合的平滑处理,得到平滑处理后的斜距序列。在本实施例中,认为N个时刻内,斜距是随时间线性变化的,且斜距随时间的变化率为多普勒速度均值。平滑后的斜距序列为:
r′i=Vm×(ti-Tm)+Rm,i=1~N
其中,r′i为平滑处理后的第i个时刻的斜距,Tm为N个时刻对应的时刻的平均值,Rm为N个时刻对应的斜距的平均值。
最后,对N个方位角正弦值进行平滑处理,得到平滑后的方位角正弦值序列。具体可以采用一阶线性拟合法、滑动窗口平均值法、指数滑动平均值法或卡尔曼滤波法对N个方位角正弦值进行平滑处理。
在采用一阶线性拟合法对N个时刻对应的方位角正弦值进行平滑处理时,平滑处理后的方位角正弦值序列为:
a′i=b×ti+c,i=1~N
其中,a′i为平滑处理后的第i个时刻的方位角正弦值序列,b表示斜率,c为截距。斜率b和截距c分别通过下述公式计算得到:
c=Am-b×Tm
其中,Am为N个时刻对应的方位角正弦值的平均值。
S22:根据平滑处理后的斜距序列和平滑处理后的方位角正弦值序列,重构目标在N个时刻的二维坐标轨迹。
S23:对二维坐标轨迹分别进行以时刻信息为自变量的一阶线性拟合,得到目标的第一二维速度矢量。
为方便描述,将步骤S23一阶线性拟合后得到的目标的二维速度矢量称之为第一二维速度矢量。用(vx,vy)表示第一二维速度矢量,其中,vx为目标的横向速度,vy为目标的纵向速度。对二维坐标轨迹分别进行以时刻信息为自变量的一阶线性拟合,得到第一二维速度矢量(vx,vy),即利用下述公式进行计算:
S24:根据当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,计算得到第一加权系数和第二加权系数。
同样地,为方便描述,将步骤S24卡尔曼滤波器所输出的目标的二维速度矢量称之为第二二维速度矢量。第一加权系数为第一二维速度矢量的加权系数和第二二维速度矢量的加权系数中的一个。第二加权系数第一二维速度矢量的加权系数和第二二维速度矢量的加权系数中的另一个。
对于扩展卡尔曼滤波器和无迹卡尔曼滤波器等卡尔曼滤波器,其每个时刻完成滤波后都会计算给出当前卡尔曼滤波器状态协方差矩阵;该当前卡尔曼滤波器状态协方差矩阵的对角线元素,分别表示不同状态参数在完成此次滤波后,相对真实值的偏差的大小的估计。卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的二维速度矢量对应的对角线元素越大,则认为当前时刻卡尔曼滤波器输出的目标的二维速度矢量的精度越低,进而确定卡尔曼滤波器输出的目标的二维速度矢量的加权系数越低,在加权时赋予其更小的权重;以及确定一阶线性拟合所得到目标的二维速度矢量的加权系数越大,在加权时赋予其更大的权重。
在一种具体实施方式中,可将卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的二维速度矢量对应的对角线元素,与第一加权系数之间的关系式作为预先设定的第一关系式。利用预先设定的第一关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第一加权系数。在此基础上,根据第一加权系数,计算得到第二加权系数。其中,第一加权系数可以为一阶线性拟合所得到目标的二维速度矢量的加权系数,也以为卡尔曼滤波器所输出目标的二维速度矢量的加权系数。
进一步地,在第一加权系数为一阶线性拟合所得到目标的二维速度矢量的加权系数时,预先设定的第一关系式也即为卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的二维速度矢量对应的对角线元素,与一阶线性拟合所得到目标的二维速度矢量的加权系数之间的关系式,第一加权系数即为第一二维速度矢量的加权系数。此时可以根据预先设定的第一关系式,以及当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,确定第一二维速度矢量的加权系数。
第一二维速度矢量的加权系数和第二二维速度矢量的加权系数之和为1,因此,计算得到其中一个加权系数,即可得知另一个加权系数。
同样地,在第一加权系数为卡尔曼滤波器所输出目标的二维速度矢量的加权系数时,预先设定的第一关系式也即为卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的二维速度矢量对应的对角线元素,与卡尔曼滤波器所输出目标的二维速度矢量的加权系数之间的关系式,第一加权系数即为第二二维速度矢量的加权系数。此时可以根据预先设定的第一关系式,以及当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,确定第二二维速度矢量的加权系数;进而根据第二二维速度矢量的加权系数,确定第一二维速度矢量的加权系数(也即第二加权系数)。
还可以预先设定以上两个关系式。即设定卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的二维速度矢量对应的对角线元素,与卡尔曼滤波器所输出目标的二维速度矢量的加权系数之间的关系式;以及卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的二维速度矢量对应的对角线元素,与一阶线性拟合后所得到的目标的二维速度矢量的加权系数之间的关系式。这样可以直接根据上述两个关系式,分别得到对应的加权系数。
在一些具体实施例中,卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的二维速度矢量对应的对角线元素,与一阶线性拟合所得到目标的二维速度矢量的加权系数之间的关系式,具体为整体呈正相关的态势的sigmoid函数、多项式函数或阶梯函数;当然也可以是整体呈正相关的态势的其他函数,甚至可以为表征一阶线性拟合所得到目标的二维速度矢量与加权系数关系的数据表。以及卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的二维速度矢量对应的对角线元素,与卡尔曼滤波器所输出目标的二维速度矢量的加权系数之间的关系式,具体为整体呈负相关的态势的多项式函数或阶梯函数;当然也可以是整体呈负相关的态势的其他函数,甚至可以为表征卡尔曼滤波器所输出目标的二维速度矢量与加权系数关系的数据表。
S25:将第一二维速度矢量和第二二维速度矢量进行加权,得到修正后的二维速度矢量。
步骤S25中,利用步骤S24中得到的第一加权系数和第二加权系数将第一二维速度矢量和第二二维速度矢量进行加权,得到修正后的二维速度矢量。
卡尔曼滤波器所输出目标的二维速度矢量包括目标的横向速度和目标的纵向速度,这两个速度在卡尔曼滤波器状态协方差矩阵具有对应的对角线元素。用P表示与目标的横向速度对应的卡尔曼滤波器状态协方差矩阵中对角线元素,vx0表示当前时刻滤波完成后卡尔曼滤波器输出的目标的横向速度,建立修正模型如下:
v′x=(1-α)vx0+αvx,0≤α≤1
其中,v′x为修正后的横向速度,(1-α)为当前时刻滤波完成后卡尔曼滤波器所输出的目标的横向速度的加权系数,α为一阶线性拟合得到的目标的横向速度的加权系数。P越大,则α越大,(1-α)越小,P与α之间的关系式可根据经验、实验数据拟合等方式获得。
同理,用Q表示与目标的纵向速度对应的卡尔曼滤波器状态协方差矩阵中对角线元素,vy0表示当前时刻滤波完成后卡尔曼滤波器所输出的目标的纵向速度,建立修正模型如下:
v′y=(1-w)vy0+wvy,0≤w≤1
其中,v′y为修正后的纵向速度,(1-w)为当前时刻滤波完成后卡尔曼滤波器输出的目标的纵向速度的加权系数,w为一阶线性拟合得到的目标的纵向速度的加权系数。Q越大,则w越大,(1-w)越小,Q与w间的关系式可根据经验、实验数据拟合等方式获得。
修正后的二维速度矢量为(v′x,v′y)。
需要说明的是,本发明提供的雷达目标跟踪速度修正方法,不仅可以用于跟踪起始阶段的跟踪速度修正,还可以用于跟踪中途的速度修正;并且对于具有斜距、方位角(或方位角正弦值)以及多普勒速度测量能力的雷达,均可以采用本方法。
本发明实施例提供的一种雷达目标跟踪速度修正方法,对目标在N个时刻的斜距序列和方位角正弦值序列分别进行平滑处理,得到平滑处理后的斜距序列和平滑处理后的方位角正弦值序列;根据平滑处理后的数据重构目标的二维坐标轨迹;使用重构的二维坐标轨迹进行拟合得到二维速度矢量,最后基于卡尔曼滤波器状态协方差矩阵设置二维速度矢量的加权系数,将卡尔曼滤波器所输出目标的二维速度矢量和一阶线性拟合后所得到目标的二维速度矢量进行加权,得到修正后的二维速度矢量。通过对各项测量信息的测量误差进行平滑消除,提高了速度估计的精度;并且计算过程不需执行搜索运算或迭代矩阵运算等,降低了运算量。
本实施例提供了一个车载雷达目标跟踪速度修正的仿真实施例,仿真中设置N=9。通常习惯在车辆全局坐标系下定义目标的速度(即目标的二维速度矢量),该坐标系以车辆后轴中心为原点,纵轴与车辆中轴平行。因此雷达坐标系下的目标位置和速度与全局坐标系下的目标位置和速度存在坐标转换关系。如图3所示,雷达安装位置相对全局坐标系的横向偏移为0.65米,纵向偏移为-1.06米,雷达坐标系的y轴相对全局坐标系y′轴顺时针旋转148°,目标在全局坐标系下的初始位置为(10,-40)m,初始速度矢量为(-5,5)m/s,初始加速度矢量(0,-1)m/s2。雷达工作周期为50ms。仿真中保证每个时刻雷达都可以正确关联,即相邻时刻间隔相同。仿真得到的初始时刻的目标的多普勒速度测量值为-5.8m/s,根据一般经验假设,认为目标运动方向与y轴平行,且运动速度大小和多普勒速度相同,因此指定初始时刻的全局坐标系下的二维速度矢量为(0,5.8)m/s。容易计算得出,在第9个观测时刻的二维速度矢量为(-5,4.6)m/s。
对测量的斜距、多普勒速度和方位角正弦值添加噪声后的测量序列如图4~图6所示;图7中新方法拟合斜距即为利用本发明提供的平滑处理方法得到平滑处理后的斜距序列,直接拟合即采用现有方法进行拟合结果,其中直接拟合斜距所得到的斜率曲线明显与多普勒速度不一致,新方法拟合斜距所得到的斜率曲线与多普勒速度一致性相对得到了改善。图8中拟合方位角正弦值曲线,即为利用本发明提供的平滑处理方法得到的平滑处理后的方位角正弦值序列,其测量噪声得到明显抑制。图9中重构轨迹即为根据平滑处理后的斜距序列和平滑处理后的方位角正弦值序列,重构目标在N个时刻的二维坐标轨迹;测量轨迹即为直接测量的二维坐标轨迹,可以看出重构的二维坐标轨迹更符合直线运动的规律。
通过本发明提供的雷达目标跟踪速度修正方法,一阶线性拟合所得到目标的二维速度矢量为vx=-1.7m/s,vy=-5.1m/s;扩展卡尔曼滤波器输出目标的二维速度矢量为vx0=4.0m/s,vy0=-7.4m/s。此时vx0对应的状态协方差矩阵中的对角线元素为20.1,因此设置较大的α值,α=0.75;vy0对应的状态协方差矩阵中的对角线元素为2.9,因此设置较小的w值,w=0.4。融合得到v′x=2.6m/s,v′y=-6m/s,转换到全局坐标系下的二维速度矢量为(-5.4,3.8)m/s,与(-5,4.6)m/s的真实值的欧式距离为0.9m/s,但将扩展卡尔曼滤波器所输出的目标的二维速度矢量转换到全局坐标系下为(-1.3,5.2)m/s,与真实值的欧式距离为6.3m/s。显然可以见,本发明提供的雷达目标跟踪速度修正方法提高了速度估计的精度。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。
本实施例提供了一种雷达目标跟踪速度修正装置,参见图10,该装置可以包括平滑处理单元101、轨迹重构单元102、速度拟合单元103、加权系数单元104和速度修正单元105。
平滑处理单元101,用于对目标在N个时刻的斜距序列和方位角正弦值序列分别进行平滑处理,得到平滑处理后的斜距序列和平滑处理后的方位角正弦值序列。
轨迹重构单元102,用于根据平滑处理后的斜距序列和平滑处理后的方位角正弦值序列,重构目标在N个时刻的二维坐标轨迹。
速度拟合单元103,用于对二维坐标轨迹分别进行以时刻信息为自变量的一阶线性拟合,得到目标的第一二维速度矢量。
加权系数单元104,用于根据当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,计算得到第一加权系数和第二加权系数,第一加权系数为第一二维速度矢量的加权系数和第二二维速度矢量的加权系数中的一个,第二加权系数为第一二维速度矢量的加权系数和第二二维速度矢量的加权系数中的另一个。
速度修正单元105,用于将第一二维速度矢量和第二二维速度矢量进行加权,得到修正后的二维速度矢量。
本发明实施例提供的一种雷达目标跟踪速度修正装置,对目标在N个时刻的斜距序列和方位角正弦值序列分别进行平滑处理,得到平滑处理后的斜距序列和平滑处理后的方位角正弦值序列;根据平滑处理后的数据重构目标的二维坐标轨迹;使用重构的二维坐标轨迹进行拟合得到二维速度矢量,最后基于卡尔曼滤波器状态协方差矩阵设置二维速度矢量的加权系数,将卡尔曼滤波器所输出目标的二维速度矢量和一阶线性拟合后所得到目标的二维速度矢量进行加权,得到修正后的二维速度矢量。通过对各项测量信息的测量误差进行平滑消除,提高了速度估计的精度;并且计算过程不需执行搜索运算或迭代矩阵运算等,降低了运算量。
在一些具体实施例中,平滑处理单元101具体包括:信息获取子单元、多普勒速度均值计算子单元、斜距平滑处理子单元和方位角正弦值处理子单元。
信息获取子单元,用于获取N个时刻对目标的测量信息与对应的时刻信息,测量信息包括斜距、多普勒速度和方位角正弦值。
多普勒速度均值计算子单元,用于计算得到多普勒速度均值,多普勒速度均值为N个多普勒速度的平均值。
斜距平滑处理子单元,用于利用多普勒速度均值作为斜距关于时间的变化率,对N个斜距进行基于一阶线性拟合的平滑处理,得到平滑处理后的斜距序列。
方位角正弦值处理子单元,用于对N个方位角正弦值进行平滑处理,得到平滑处理后的方位角正弦值序列。
在一些具体实施例中,方位角正弦值处理子单元,具体用于:采用一阶线性拟合法、滑动窗口平均值法、指数滑动平均值法或卡尔曼滤波法对N个方位角正弦值进行平滑处理,得到平滑后的方位角正弦值序列。
在一些具体实施例中,加权系数单元104,具体用于:利用预先设定的第一关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第一加权系数;预先设定的第一关系式为:卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,与第一加权系数之间的关系式;根据第一加权系数,计算得到第二加权系数。
在一些具体实施例中,第一加权系数为第一二维速度矢量的加权系数,预先设定的第一关系式为:整体呈正相关的态势的sigmoid函数、多项式函数或阶梯函数。
在一些具体实施例中,第一加权系数为第二二维速度矢量的加权系数,预先设定的第一关系式为:整体呈负相关的态势的多项式函数或阶梯函数。
在一些具体实施例中,加权系数单元104,具体用于:
利用预先设定第一关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第一加权系数;预先设定第一关系式为:卡尔曼滤波器状态协方差矩阵中与第二二维速度矢量对应的对角线元素,与第一加权系数之间的关系式;
利用预先设定第二关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第二加权系数;预先设定第二关系式为:卡尔曼滤波器状态协方差矩阵中与第二二维速度矢量对应的对角线元素,与第二加权系数之间的关系式。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可,且本说明书中各实施例中记载的特征可以相互替换或者组合。
对本发明所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种雷达目标跟踪速度修正方法,其特征在于,包括:
对目标在N个时刻的斜距序列和方位角正弦值序列分别进行平滑处理,得到平滑处理后的斜距序列和平滑处理后的方位角正弦值序列;
根据平滑处理后的斜距序列和平滑处理后的方位角正弦值序列,重构目标在所述N个时刻的二维坐标轨迹;
对所述二维坐标轨迹分别进行以时刻信息为自变量的一阶线性拟合,得到目标的第一二维速度矢量;
根据当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,计算得到第一加权系数和第二加权系数,所述第一加权系数为所述第一二维速度矢量的加权系数和所述第二二维速度矢量的加权系数中的一个,所述第二加权系数为所述第一二维速度矢量的加权系数和所述第二二维速度矢量的加权系数中的另一个;
将所述第一二维速度矢量和所述第二二维速度矢量进行加权,得到修正后的二维速度矢量。
2.根据权利要求1所述的雷达目标跟踪速度修正方法,其特征在于,所述对目标在N个时刻的斜距序列和方位角正弦值序列分别进行平滑处理,得到平滑处理后的斜距序列和平滑处理后的方位角正弦值序列,具体包括:
获取N个时刻对目标的测量信息与对应的时刻信息,所述测量信息包括斜距、多普勒速度和方位角正弦值;
计算得到多普勒速度均值,所述多普勒速度均值为所述N个多普勒速度的平均值;
利用所述多普勒速度均值作为斜距关于时间的变化率,对所述N个斜距进行基于一阶线性拟合的平滑处理,得到平滑处理后的斜距序列;
对所述N个方位角正弦值进行平滑处理,得到平滑处理后的方位角正弦值序列。
3.根据权利要求2所述的雷达目标跟踪速度修正方法,其特征在于,对所述N个方位角正弦值进行平滑处理,具体为:
采用一阶线性拟合法、滑动窗口平均值法、指数滑动平均值法或卡尔曼滤波法对所述N个方位角正弦值进行平滑处理。
4.根据权利要求1所述的雷达目标跟踪速度修正方法,其特征在于,所述根据当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,计算得到第一加权系数和第二加权系数,具体包括:
利用预先设定的第一关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第一加权系数;所述预先设定的第一关系式为:卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,与第一加权系数之间的关系式;
根据所述第一加权系数,计算得到所述第二加权系数。
5.根据权利要求4所述的雷达目标跟踪速度修正方法,其特征在于,所述第一加权系数为所述第一二维速度矢量的加权系数,所述预先设定的第一关系式为:
整体呈正相关的态势的sigmoid函数、多项式函数或阶梯函数。
6.根据权利要求4所述的雷达目标跟踪速度修正方法,其特征在于,所述第一加权系数为所述第二二维速度矢量的加权系数,所述预先设定的第一关系式为:
整体呈负相关的态势的多项式函数或阶梯函数。
7.根据权利要求1所述的雷达目标跟踪速度修正方法,其特征在于,所述根据当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,计算得到第一加权系数和第二加权系数,具体包括:
利用预先设定第一关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第一加权系数;所述预先设定第一关系式为:卡尔曼滤波器状态协方差矩阵中与所述第二二维速度矢量对应的对角线元素,与第一加权系数之间的关系式;
利用预先设定第二关系式,计算得到与当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,对应的第二加权系数;所述预先设定第二关系式为:卡尔曼滤波器状态协方差矩阵中与所述第二二维速度矢量对应的对角线元素,与第二加权系数之间的关系式。
8.一种雷达目标跟踪速度修正装置,其特征在于,包括:
平滑处理单元,用于对目标在N个时刻的斜距序列和方位角正弦值序列分别进行平滑处理,得到平滑处理后的斜距序列和平滑处理后的方位角正弦值序列;
轨迹重构单元,用于根据平滑处理后的斜距序列和平滑处理后的方位角正弦值序列,重构目标在所述N个时刻的二维坐标轨迹;
速度拟合单元,用于对所述二维坐标轨迹分别进行以时刻信息为自变量的一阶线性拟合,得到目标的第一二维速度矢量;
加权系数单元,用于根据当前卡尔曼滤波器状态协方差矩阵中与卡尔曼滤波器所输出目标的第二二维速度矢量对应的对角线元素,计算得到第一加权系数和第二加权系数,所述第一加权系数为所述第一二维速度矢量的加权系数和所述第二二维速度矢量的加权系数中的一个,所述第二加权系数为所述第一二维速度矢量的加权系数和所述第二二维速度矢量的加权系数中的另一个;
速度修正单元,用于将所述第一二维速度矢量和所述第二二维速度矢量进行加权,得到修正后的二维速度矢量。
9.根据权利要求8所述的雷达目标跟踪速度修正装置,其特征在于,所述平滑处理单元,具体包括:
信息获取子单元,用于获取N个时刻对目标的测量信息与对应的时刻信息,所述测量信息包括斜距、多普勒速度和方位角正弦值;
多普勒速度均值计算子单元,用于计算得到多普勒速度均值,所述多普勒速度均值为所述N个多普勒速度的平均值;
斜距平滑处理子单元,用于利用所述多普勒速度均值作为斜距关于时间的变化率,对所述N个斜距进行基于一阶线性拟合的平滑处理,得到平滑处理后的斜距序列;
方位角正弦值处理子单元,用于对所述N个方位角正弦值进行平滑处理,得到平滑处理后的方位角正弦值序列。
10.根据权利要求9所述的雷达目标跟踪速度修正装置,其特征在于,所述方位角正弦值处理子单元,具体用于:
采用一阶线性拟合法、滑动窗口平均值法、指数滑动平均值法或卡尔曼滤波法对所述N个方位角正弦值进行平滑处理,得到平滑后的方位角正弦值序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010946392.6A CN112051569B (zh) | 2020-09-10 | 2020-09-10 | 雷达目标跟踪速度修正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010946392.6A CN112051569B (zh) | 2020-09-10 | 2020-09-10 | 雷达目标跟踪速度修正方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112051569A true CN112051569A (zh) | 2020-12-08 |
CN112051569B CN112051569B (zh) | 2024-04-05 |
Family
ID=73610479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010946392.6A Active CN112051569B (zh) | 2020-09-10 | 2020-09-10 | 雷达目标跟踪速度修正方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112051569B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112612041A (zh) * | 2020-12-22 | 2021-04-06 | 成都北斗奇芯科技有限公司 | 一种提高北斗卫星导航系统接收机测速精度的方法 |
CN112630774A (zh) * | 2020-12-29 | 2021-04-09 | 北京润科通用技术有限公司 | 一种目标跟踪数据滤波处理方法及装置 |
CN113009468A (zh) * | 2021-02-26 | 2021-06-22 | 中国电子科技集团公司第三十八研究所 | 一种视线坐标系内的解耦cmkf跟踪方法及系统 |
RU2776078C1 (ru) * | 2021-07-02 | 2022-07-13 | Российская Федерация, От Имени Которой Выступает Министерство Промышленности И Торговли Российской Федерации | Способ определения координат и параметров движения источников радиоизлучений по измерениям их несущей частоты |
CN116881385A (zh) * | 2023-09-08 | 2023-10-13 | 中国铁塔股份有限公司 | 轨迹平滑方法、装置、电子设备及可读存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NO832193L (no) * | 1982-06-17 | 1983-12-19 | Grumman Aerospace Corp | System for dannelse av radar-avstand/asimut/elevasjons-vinkelbilde av skip til bruk for vaapenstyring |
US4783744A (en) * | 1986-12-08 | 1988-11-08 | General Dynamics, Pomona Division | Self-adaptive IRU correction loop design interfacing with the target state estimator for multi-mode terminal handoff |
RU2007117054A (ru) * | 2007-05-08 | 2008-11-20 | Владимир Тарасович Артемов (RU) | Способ автономного формирования посадочной информации для летательного аппарата и система для его осуществления (варианты) |
CN201799246U (zh) * | 2010-08-26 | 2011-04-20 | 武汉钢铁(集团)公司 | 滚筒式混匀取料机行走纠偏控制装置 |
CN104050686A (zh) * | 2014-06-24 | 2014-09-17 | 重庆大学 | 一种新型的密集空间目标跟踪方法 |
CN105628026A (zh) * | 2016-03-04 | 2016-06-01 | 深圳大学 | 一种移动物体的定位定姿方法和系统 |
CN106646453A (zh) * | 2016-11-17 | 2017-05-10 | 电子科技大学 | 一种基于预测值量测转换的多普勒雷达目标跟踪方法 |
CN106950562A (zh) * | 2017-03-30 | 2017-07-14 | 电子科技大学 | 一种基于预测值量测转换的状态融合目标跟踪方法 |
CN108132053A (zh) * | 2017-11-24 | 2018-06-08 | 北京工商大学 | 一种行人轨迹构建方法、系统及惯性测量装置 |
CN108446324A (zh) * | 2018-02-11 | 2018-08-24 | 重庆邮电大学 | 一种基于长短时记忆网络lstm的gps数据重构方法 |
US20180252804A1 (en) * | 2017-03-02 | 2018-09-06 | GM Global Technology Operations LLC | Adaptive process noise description for improved kalman filter target tracking |
CN109147390A (zh) * | 2018-08-20 | 2019-01-04 | 浙江工业大学 | 一种基于量化自适应卡尔曼滤波的车辆轨迹跟踪方法 |
CN110531328A (zh) * | 2019-06-25 | 2019-12-03 | 西安空间无线电技术研究所 | 一种星载环扫雷达波束中心指向误差估计方法 |
CN110886606A (zh) * | 2019-11-20 | 2020-03-17 | 中国地质大学(北京) | 一种随钻特征量辅助的惯性测斜方法及装置 |
CN111025282A (zh) * | 2019-12-13 | 2020-04-17 | 中国人民解放军火箭军工程大学 | 一种跟踪雷达数据处理方法 |
RU2724115C1 (ru) * | 2019-08-06 | 2020-06-22 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-Морского Флота "Военно-морская академия им. Адмирала Флота Советского Союза Н.Г. Кузнецова" | Способ автоматического сопровождения подвижной цели при сглаживании в декартовых координатах с учетом измерений радиальной составляющей скорости |
CN111474481A (zh) * | 2020-04-13 | 2020-07-31 | 深圳埃瑞斯瓦特新能源有限公司 | 基于扩展卡尔曼滤波算法的电池soc估算方法及装置 |
-
2020
- 2020-09-10 CN CN202010946392.6A patent/CN112051569B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NO832193L (no) * | 1982-06-17 | 1983-12-19 | Grumman Aerospace Corp | System for dannelse av radar-avstand/asimut/elevasjons-vinkelbilde av skip til bruk for vaapenstyring |
US4783744A (en) * | 1986-12-08 | 1988-11-08 | General Dynamics, Pomona Division | Self-adaptive IRU correction loop design interfacing with the target state estimator for multi-mode terminal handoff |
RU2007117054A (ru) * | 2007-05-08 | 2008-11-20 | Владимир Тарасович Артемов (RU) | Способ автономного формирования посадочной информации для летательного аппарата и система для его осуществления (варианты) |
CN201799246U (zh) * | 2010-08-26 | 2011-04-20 | 武汉钢铁(集团)公司 | 滚筒式混匀取料机行走纠偏控制装置 |
CN104050686A (zh) * | 2014-06-24 | 2014-09-17 | 重庆大学 | 一种新型的密集空间目标跟踪方法 |
CN105628026A (zh) * | 2016-03-04 | 2016-06-01 | 深圳大学 | 一种移动物体的定位定姿方法和系统 |
CN106646453A (zh) * | 2016-11-17 | 2017-05-10 | 电子科技大学 | 一种基于预测值量测转换的多普勒雷达目标跟踪方法 |
US20180252804A1 (en) * | 2017-03-02 | 2018-09-06 | GM Global Technology Operations LLC | Adaptive process noise description for improved kalman filter target tracking |
CN106950562A (zh) * | 2017-03-30 | 2017-07-14 | 电子科技大学 | 一种基于预测值量测转换的状态融合目标跟踪方法 |
CN108132053A (zh) * | 2017-11-24 | 2018-06-08 | 北京工商大学 | 一种行人轨迹构建方法、系统及惯性测量装置 |
CN108446324A (zh) * | 2018-02-11 | 2018-08-24 | 重庆邮电大学 | 一种基于长短时记忆网络lstm的gps数据重构方法 |
CN109147390A (zh) * | 2018-08-20 | 2019-01-04 | 浙江工业大学 | 一种基于量化自适应卡尔曼滤波的车辆轨迹跟踪方法 |
CN110531328A (zh) * | 2019-06-25 | 2019-12-03 | 西安空间无线电技术研究所 | 一种星载环扫雷达波束中心指向误差估计方法 |
RU2724115C1 (ru) * | 2019-08-06 | 2020-06-22 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-Морского Флота "Военно-морская академия им. Адмирала Флота Советского Союза Н.Г. Кузнецова" | Способ автоматического сопровождения подвижной цели при сглаживании в декартовых координатах с учетом измерений радиальной составляющей скорости |
CN110886606A (zh) * | 2019-11-20 | 2020-03-17 | 中国地质大学(北京) | 一种随钻特征量辅助的惯性测斜方法及装置 |
CN111025282A (zh) * | 2019-12-13 | 2020-04-17 | 中国人民解放军火箭军工程大学 | 一种跟踪雷达数据处理方法 |
CN111474481A (zh) * | 2020-04-13 | 2020-07-31 | 深圳埃瑞斯瓦特新能源有限公司 | 基于扩展卡尔曼滤波算法的电池soc估算方法及装置 |
Non-Patent Citations (5)
Title |
---|
MURESAN, MP AND NEDEVSCHI, S: "Multi-Object tracking of 3D cuboids using aggregated features", 《IEEE》, pages 11 - 18 * |
姚灿荣: "复杂场景下目标跟踪与轨迹识别的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 138 - 202 * |
崔彦凯;: "改进的CS-UKF加速度方差自适应跟踪算法", 计算机测量与控制, no. 05 * |
赵琛琨: "机载雷达多目标跟踪算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 136 - 2421 * |
黄清: "双子阵被动跟踪系统", 声学技术, no. 03 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112612041A (zh) * | 2020-12-22 | 2021-04-06 | 成都北斗奇芯科技有限公司 | 一种提高北斗卫星导航系统接收机测速精度的方法 |
CN112630774A (zh) * | 2020-12-29 | 2021-04-09 | 北京润科通用技术有限公司 | 一种目标跟踪数据滤波处理方法及装置 |
CN113009468A (zh) * | 2021-02-26 | 2021-06-22 | 中国电子科技集团公司第三十八研究所 | 一种视线坐标系内的解耦cmkf跟踪方法及系统 |
CN113009468B (zh) * | 2021-02-26 | 2023-05-26 | 中国电子科技集团公司第三十八研究所 | 一种视线坐标系内的解耦cmkf跟踪方法及系统 |
RU2776078C1 (ru) * | 2021-07-02 | 2022-07-13 | Российская Федерация, От Имени Которой Выступает Министерство Промышленности И Торговли Российской Федерации | Способ определения координат и параметров движения источников радиоизлучений по измерениям их несущей частоты |
RU2776079C1 (ru) * | 2021-07-02 | 2022-07-13 | Российская Федерация, От Имени Которой Выступает Министерство Промышленности И Торговли Российской Федерации | Способ определения координат и параметров движения источников радиоизлучений |
CN116881385A (zh) * | 2023-09-08 | 2023-10-13 | 中国铁塔股份有限公司 | 轨迹平滑方法、装置、电子设备及可读存储介质 |
CN116881385B (zh) * | 2023-09-08 | 2023-12-01 | 中国铁塔股份有限公司 | 轨迹平滑方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112051569B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112051569B (zh) | 雷达目标跟踪速度修正方法及装置 | |
CN109284677B (zh) | 一种贝叶斯滤波目标跟踪算法 | |
CN110061716B (zh) | 一种基于最小二乘和多重渐消因子的改进kalman滤波方法 | |
CN108682023A (zh) | 基于Elman神经网络的紧耦合无迹卡尔曼跟踪滤波算法 | |
CN109782240B (zh) | 一种基于递推修正的多传感器系统误差配准方法和系统 | |
CN115731268A (zh) | 基于视觉/毫米波雷达信息融合的无人机多目标跟踪方法 | |
CN112671373B (zh) | 一种基于误差控制的卡尔曼滤波自适应滤波算法 | |
CN104182609B (zh) | 基于去相关的无偏转换量测的三维目标跟踪方法 | |
CN107633256A (zh) | 一种多源测距下联合目标定位与传感器配准方法 | |
CN111707997B (zh) | 雷达目标跟踪方法、装置、电子设备及存储介质 | |
CN107797106A (zh) | 一种加速em未知杂波估计的phd多目标跟踪平滑滤波方法 | |
CN109687844A (zh) | 一种智能机动目标跟踪方法 | |
CN114137562B (zh) | 一种基于改进全局最邻近的多目标跟踪方法 | |
CN114501615B (zh) | 终端定位方法、装置、计算机设备、存储介质和程序产品 | |
CN112986977B (zh) | 一种克服雷达扩展卡尔曼航迹滤波发散的方法 | |
CN114063131A (zh) | 一种gnss/ins/轮速组合定位实时平滑的方法 | |
CN112379350A (zh) | 智能车辆毫米波雷达多目标跟踪方法、装置及设备 | |
CN113763434B (zh) | 一种基于卡尔曼滤波多运动模型切换的目标轨迹预测方法 | |
CN106934124B (zh) | 一种基于量测变化检测的自适应变划窗方法 | |
CN114852083A (zh) | 一种基于交互式多模型的自动驾驶跟踪方法 | |
CN112241583A (zh) | 一种最小化后验距离的传感器路径优化方法 | |
CN107367718B (zh) | 一种多散射点量测下机动随机超曲面扩展目标建模方法 | |
CN108983205A (zh) | 一种量测不可靠时的滤波初值获取方法 | |
CN116862003A (zh) | 一种基于混合推理的机动目标跟踪方法 | |
CN115047444B (zh) | 基于广义时变平滑层策略的多普勒雷达滤波方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230608 Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020 Applicant after: Beijing Jingwei Hirain Technologies Co.,Inc. Address before: 100192 5th floor, Zhizhen building, 7 Zhichun Road, Haidian District, Beijing Applicant before: BEIJING RUNKE GENERAL TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |