CN112051569B - 雷达目标跟踪速度修正方法及装置 - Google Patents

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

雷达目标跟踪速度修正方法及装置

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(v_x，v_y)。多普勒速度v＝(v_x*x+v_y*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,...,t_N]，t_i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,...,r_N]，r_i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,...,v_N]，v_i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,...,a_N]，a_i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，V_m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＝V_m×(t_i-T_m)+R_m,i＝1～N

其中，r′_i为平滑处理后的第i个时刻的斜距，T_m为N个时刻对应的时刻的平均值，R_m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×t_i+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＝A_m-b×T_m

其中，A_m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。

用(x_i，y_i)表示目标在第i个时刻的二维坐标，其中，x_i为第i个时刻的横坐标，y_i为第i个时刻的纵坐标，则x_i＝r′_i×a′_i，i＝1～N；

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(v_x，v_y)表示第一二维速度矢量，其中，v_x为目标的横向速度，v_y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(v_x，v_y)，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，v_x0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)v_x0+αv_x，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，v_y0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)v_y0+wv_y，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v_x＝-1.7m/s，v_y＝-5.1m/s；扩展卡尔曼滤波器输出目标的二维速度矢量为v_x0＝4.0m/s，v_y0＝-7.4m/s。此时v_x0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；v_y0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(v_x，v_y)和所述第二二维速度矢量(v_x0，v_y0)进行加权，得到修正后的二维速度矢量(v_x′，v′_y)：v_x′＝(1-α)v_x0+αv_x，0≤α≤1，(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；v′_y＝(1-w)v_y0+wv_y，0≤w≤1，(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。

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(v_x，v_y)和所述第二二维速度矢量(v_x0，v_y0)进行加权，得到修正后的二维速度矢量(v_x′，v′_y)：v_x′＝(1-α)v_x0+αv_x，0≤α≤1，(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；v′_y＝(1-w)v_y0+wv_y，0≤w≤1，(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。

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。