CN115420290B - 非合作目标机动检测方法、装置、设备及计算机存储介质 - Google Patents

非合作目标机动检测方法、装置、设备及计算机存储介质 Download PDF

Info

Publication number
CN115420290B
CN115420290B CN202210991702.5A CN202210991702A CN115420290B CN 115420290 B CN115420290 B CN 115420290B CN 202210991702 A CN202210991702 A CN 202210991702A CN 115420290 B CN115420290 B CN 115420290B
Authority
CN
China
Prior art keywords
measurement
measurement information
observation
representing
variance
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.)
Active
Application number
CN202210991702.5A
Other languages
English (en)
Other versions
CN115420290A (zh
Inventor
黄普
王兆魁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN202210991702.5A priority Critical patent/CN115420290B/zh
Publication of CN115420290A publication Critical patent/CN115420290A/zh
Application granted granted Critical
Publication of CN115420290B publication Critical patent/CN115420290B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Automation & Control Theory (AREA)
  • Astronomy & Astrophysics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请公开一种非合作目标机动检测方法、装置、设备及计算机存储介质，根据待检测目标在第一时刻的观测预测值和实际观测值，确定第一测量残差序列，基于之前统计的测量残差序列对多个测量信息的权系数进行更新，利用更新后的测量信息的权系数对第一测量残差序列进行加权处理，得到第二测量残差序列，根据第二测量残差序列、待检测目标在第一时刻的观测方差和观测协方差确定机动检测衰减因子，然后根据衰减因子确定待检测目标是否发生机动。根据本申请实施例，动态控制不同的测量信息对衰减因子“贡献”的大小，最大程度的利用了残差序列中的有效信息，提高了系统机动检测能力，解决了滤波发散的问题。

Description

非合作目标机动检测方法、装置、设备及计算机存储介质
技术领域
本申请属于航空航天技术领域，尤其涉及一种非合作目标机动检测方法、装置、设备及计算机存储介质。
背景技术
当前，空间机动目标的实时定轨技术是空间态势感知系统应用的基础，无论后续的目标识别，导弹预警还是碰撞规避都需要准确的实时轨道和高精度的预报轨道。
机动检测是机动目标实时定轨技术的核心问题，现有技术进行机动检测的计算思路是：首先建立目标动力学模型，然后设计滤波器，接收测量数据，分析滤波过程中的指定信息变化，按照相应的检测准则，对目标是否机动进行判断。其中，指定信息和检测准则是目标机动检测方法优劣的重要因素。于是，相关技术人员从不同角度对这两方面进行研究和分析，指定信息方面主要是滤波残差新息或扩展状态信息，滤波残差新息是指目标发生机动后，原有的动力学模型将不再匹配，通过滤波过程中滤波残差(又称新息)的剧烈变化可完成目标机动检测，该方法在机动检测过程较为直观，然而，滤波残差如不经过数学处理，会带来较多的虚警和决策的困难，为此，相关技术人员针对残差进行相应统计处理，如求取归一化的残差平方和，残差累加和等，以得到更好的检测效果；扩展状态信息是指在滤波器的状态信息中加入设定的辅助参数，通过滤波器实时估计辅助参数，利用辅助参数的变化完成机动检测，该方法机动检测准确性会比滤波残差新息方法高，但是，该方法需要重点关注滤波算法，要求满足滤波收敛性和鲁棒性。为此，相关技术人员提出多种方法改进滤波方法，包括建立交互式多模滤波方法、加速度补偿滤波方法等等，但是，该方法在缺乏机动先验信息的情况下很难满足任务需求。
因此，现有技术中急需一种非合作目标机动检测方法，能够有效解决非合作机动目标实时轨道确定问题，摆脱机动检测异常导致滤波发散的问题。
发明内容
本申请实施例提供一种非合作目标机动检测方法、装置、设备及计算机存储介质，能够在进行机动检测时，根据之前统计的测量残差序列对测量信息的权系数进行更新，从而控制不同的测量信息对衰减因子“贡献”的大小，实现对权系数的动态控制和平衡，最大程度的利用了残差序列中的有效信息，提高了系统机动检测能力，解决了滤波发散的问题。
第一方面，本申请实施例提供一种非合作目标机动检测方法，包括：
确定待检测目标在第一时刻的观测预测值、实际观测值以及观测方差和观测协方差，其中，观测预测值包括多个测量信息的预测值，实际观测值包括多个测量信息的实际值；
根据观测预测值和实际观测值，确定第一测量残差序列，其中，测量残差序列中包括多个测量信息的残差；
基于第一时刻前统计的测量残差序列对多个测量信息的权系数进行更新；
利用更新后的多个测量信息的权系数对第一测量残差序列进行加权处理，得到第二测量残差序列；
根据第二测量残差序列、观测方差和观测协方差确定机动检测衰减因子；
根据机动检测衰减因子确定待检测目标是否发生机动。
作为一种可能的实现方式，基于第一时刻前统计的测量残差序列对多个测量信息的权系数进行更新，包括：
根据第一时间区间内统计的测量残差序列对多个测量信息的权系数进行更新，其中，第一时间区间为第一时刻前最近一次对多个测量信息的权系数进行更新的时刻与第一时刻组成的区间。
作为一种可能的实现方式，根据第一时间区间内统计的测量残差序列对多个测量信息的权系数进行更新，包括：
针对每个所述测量信息，基于第一时间区间内统计的测量残差序列，利用预设的方差统计函数计算测量信息对应的测量方差统计值；
确定多个测量信息对应的测量方差统计值的均方根；
针对每个测量信息，将均方根与测量信息对应的测量方差统计值的比值，作为测量信息的权系数。
作为一种可能的实现方式，方差统计函数包括：
其中，σi表示测量信息i的测量方差统计值，i为ρ、A、E或其中，ρ、A、E和/>分别表示不同的测量信息，n表示所述第一时间区间内统计的测量残差序列的数据长度，/>表示第一时间区间内统计的测量残差序列中测量信息i对应的测量残差，/>为方差控制函数，σ表示多个测量信息对应的测量方差统计值的均方根。
作为一种可能的实现方式，基于第一时刻前统计的测量残差序列对多个测量信息的权系数进行更新之前，方法还包括：
判断是否满足预设的测量信息权系数更新条件；
基于第一时刻前统计的测量残差序列对多个测量信息的权系数进行更新，包括：
在确定满足所述测量信息权系数更新条件的情况下，基于第一时刻前统计的测量残差序列对多个测量信息的权系数进行更新。
作为一种可能的实现方式，判断是否满足预设的测量信息权系数更新条件，包括：
确定第一时间区间内统计的测量残差序列的数据长度是否达到预设的统计数据长度；
若确定第一时间区间内统计的测量残差序列的数据长度达到统计数据长度，则确定满足预设的测量信息权系数更新条件；
若确定第一时间区间内统计的测量残差序列的数据长度未达到统计数据长度，则确定不满足预设的测量信息权系数更新条件。
作为一种可能的实现方式，确定待检测目标在第一时刻的观测预测值，包括：
获取待检测目标在第二时刻的状态值和状态方差矩阵，第二时刻为第一时刻的前一时刻；
根据状态值和所述状态协方差，确定多个采样点的状态值和权系数；
针对每个采样点，将采样点对应的状态值输入预设的动力学模型，得到采样点在第一时刻的状态预测值；
将采样点对应的第一时刻的状态预测值输入预设的观测模型，得到采样点在第一时刻的观测预测值；
根据多个采样点的权系数对多个采样点在第一时刻的观测预测值进行加权计算，得到待检测目标在第一时刻的观测预测预测值。
作为一种可能的实现方式，利用更新后的多个所述测量信息的权系数对第一测量残差序列进行加权处理，得到第二测量残差序列，包括：
将更新后的多个测量信息的权系数组成对角矩阵；
将对角矩阵与所述第一测量残差序列相乘，得到第二测量残差序列。
作为一种可能的实现方式，根据第二测量残差序列、观测方差和观测协方差确定机动检测衰减因子，包括：
根据第二测量残差序列、观测方差和观测协方差按照预设的衰减因子计算公式，计算得到机动检测衰减因子；
衰减因子计算公式包括：
其中，λk+1表示机动检测衰减因子，tr[·]为矩阵迹的运算，Y(k+1,k)i表示测量信息i的实际值，表示测量信息i的预测值，/>表示第二测量残差序列中测量信息i的测量残差，Rk+1表示观测噪声协方差矩阵，Qk表示过程噪声协方差矩阵，η表示更新后的多个所述测量信息的权系数组成的对角矩阵，/>表示观测协方差，/>表示观测方差，/>表示第i个采样点的状态预测值，/>表示待检测目标状态预测值，/>表示第i个采样点的观测预测值，/>表示待检测目标的观测预测值。
作为一种可能的实现方式，根据机动检测衰减因子确定待检测目标是否发生机动，包括：
将机动检测衰减因子与第一阈值进行比较；
若比较出机动检测衰减因子大于所述第一阈值，则确定待检测目标发生机动；
若比较出机动检测衰减因子小于或等于第一阈值，则确定待检测目标未发生机动。
第二方面，本申请实施例还提供一种非合作目标机动检测方法，包括：
第一确定单元，用于确定待检测目标在第一时刻的观测预测值、实际观测值以及观测方差和观测协方差，其中，观测预测值包括多个测量信息的预测值，实际观测值包括多个测量信息的实际值；
第二确定单元，用于根据观测预测值和实际观测值，确定第一测量残差序列，其中，测量残差序列中包括多个测量信息的残差；
权系数更新单元，用于基于第一时刻前统计的测量残差序列对多个测量信息的权系数进行更新；
加权处理单元，用于利用更新后的多个测量信息的权系数对第一测量残差序列进行加权处理，得到第二测量残差序列；
衰减因子计算单元，用于根据第二测量残差序列、观测方差和观测协方差确定机动检测衰减因子；
机动判断单元，用于根据机动检测衰减因子确定待检测目标是否发生机动。
第三方面，本申请实施例还提供一种非合作目标机动检测设备，所述设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如第一方面任意一项所述的非合作目标机动检测方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如第一方面任意一项所述的非合作目标机动检测方法。
第五方面，本申请实施例还提供一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如第一方面任意一项所述的非合作目标机动检测方法。
本申请实施例的非合作目标机动检测方法、装置、设备及计算机存储介质，根据待检测目标在第一时刻的观测预测值和实际观测值，确定第一测量残差序列，基于之前统计的测量残差序列对多个测量信息的权系数进行更新，利用更新后的测量信息的权系数对第一测量残差序列进行加权处理，得到第二测量残差序列，根据第二测量残差序列、待检测目标在第一时刻的观测方差和观测协方差确定机动检测衰减因子，然后根据衰减因子确定待检测目标是否发生机动。根据本申请实施例，在进行机动检测时，根据之前统计的测量残差序列对测量信息的权系数进行更新，从而控制不同的测量信息对衰减因子“贡献”的大小，实现对权系数的动态控制和平衡，当目标发生机动后，通过衰减因子调整滤波增益，使得残差序列持续保持正交，最大程度的利用了残差序列中的有效信息，提高了系统机动检测能力，解决了滤波发散的问题。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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，还可以根据这些附图获得其他的附图。
图1是本申请一个实施例提供的非合作目标机动检测方法的流程示意图；
图2是本申请一个实施例提供的机动检测衰减因子在目标机动前后的变换示意图；
图3是本申请另一个实施例提供的非合作目标机动检测装置的结构示意图；
图4是本申请又一个实施例提供的非合作目标机动检测设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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……”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。
目前，为了保障航天器在轨运行安全，需要提高空间的态势感知能力，以监视可能对在轨运行航天器造成接触式威胁的非合作目标。非合作目标泛指不能提供有效合作信息的空间目标，包括空间碎片、临时失效与废旧弃用航天器、外层空间飞行物、敌对飞机、敌对舰船、敌对单兵等。
目前，采用门限法进行目标机动检测时，主要针对两类不匹配信息，一类是测量信息，另一类是状态信息。其中，针对测量信息不匹配进行机动检测时，首先将一步预测状态信息转为一步预测测量信息，计算两者的偏差量，通常定义为测量新息。然后利用测量新息的变化和设定的门限值进行机动判断。在实际应用中，测量新息会出现“野值”，如果不对测量新息进行统计处理会带来大量的虚警，造成决策困难。于是，相关技术人员通常利用数理统计方法，改进新息序列，包括归一化、残差累加和等，使得处理结果服从某种概率分布(高斯分布，二项分布等)，进而降低虚警率。而针对状态信息不匹配进行机动检测时，通常将机动信息作为状态估计量，利用测量信息进行最优估计，通过机动信息估计量进行机动检测，但在实际应用中，该方法需要重点关注滤波算法，满足滤波收敛性和鲁棒性。为此，相关学者提出多种方法改进滤波方法，包括建立交互式多模滤波方法、加速度补偿滤波方法等等，但是，在缺乏机动先验信息的情况下很难满足任务需求。
为了解决现有技术问题，本申请实施例提供了一种非合作目标机动检测方法、装置、设备及计算机存储介质。
下面首先对本申请实施例所提供的非合作目标机动检测方法进行介绍。
图1示出了本申请一个实施例提供的非合作目标机动检测方法的流程示意图。如图1所示，本申请实施例提供的非合作目标机动检测方法可以包括以下步骤：
S11.确定待检测目标在第一时刻观测预测值、实际观测值以及观测方差和观测协方差，其中，观测预测值包括多个测量信息的预测值，实际观测值包括多个测量信息的实际值。
S12.根据观测预测值和实际观测值，确定第一测量残差序列，其中，测量残差序列中包括多个测量信息的测量残差。
S13.基于第一时刻前统计的测量残差序列对多个测量信息的权系数进行更新。
S14.利用更新后的多个测量信息的权系数对第一测量残差序列进行加权处理，得到第二测量残差序列。
S15.根据第二测量残差序列、观测方差和观测协方差确定机动检测衰减因子。
S16.根据机动检测衰减因子确定待检测目标是否发生机动。
本申请实施例提供的非合作目标机动检测方法，根据待检测目标在第一时刻的观测预测值和实际观测值，确定第一测量残差序列，基于之前统计的测量残差序列对多个测量信息的权系数进行更新，利用更新后的测量信息的权系数对第一测量残差序列进行加权处理，得到第二测量残差序列，根据第二测量残差序列、待检测目标在第一时刻的观测方差和观测协方差确定机动检测衰减因子，然后根据衰减因子确定待检测目标是否发生机动。根据本申请实施例，在进行机动检测时，根据之前统计的测量残差序列对测量信息的权系数进行更新，从而控制不同的测量信息对衰减因子“贡献”的大小，实现对权系数的动态控制和平衡，当目标发生机动后，通过衰减因子调整滤波增益，使得残差序列持续保持正交，最大程度的利用了残差序列中的有效信息，提高了系统机动检测能力，解决了滤波发散的问题。
此外，通过根据之前统计的测量残差序列对测量信息的权系数进行更新，避免了测量信息由于数值相差较大，引起机动检测延时高，降低了小脉冲条件下的机动检测时延，提高了非合作机动目标实时定轨能力，非常适合不同脉冲机动条件下的非合作目标轨道确定问题。
下面介绍上述各个步骤的具体实现方式。
在S11之前，预先建立动力学模型。
动力学模型可以为预先建立的地心J2000惯性系目标动力学模型。动力学模型设置只考虑J2项模型，其状态方程如下所示：
其中，J2＝1.08263×10-3为二阶带谐项系数；μ＝3.986005×1014m3/s2为地球引力常数；Re＝6378140.0m为地球赤道半径； 为ECI天球北极。
之后根据上述动力学模型，采用S11-S15基于无味卡尔曼滤波算法UFK进行状态估计，从而得到机动检测衰减因子。
在一些实施例中，在S11之前，可以先进行状态初始化，获取待检测目标在第一时刻的前一时刻(下称第二时刻)的状态值其中，r表示位置矢量，/>表示速度矢量，状态方差Pxx，Pxx＝diag(1.0e4,1.0e4,1.0e4,10,10,10)过程噪声协方差矩阵Q，Q＝diag(0,0,0,1.0e-5,1.0e-5,1.0e-5)，以及观测噪声协方差矩阵R，R＝diag(30,0.03,0.03,0.3)。其中，过程噪声协方差矩阵代表建立的状态方程的精度，观测噪声协方差矩阵代表建立的观测方程的精度。
在一个示例中，在S11中，待检测目标在第一时刻的实际观测值，可以通过预先建立的观测方程来计算。
在一个示例中，在S11中，确定待检测目标在第一时刻的观测预测值时，可以根据待检测目标在第二时刻的状态值和状态协方差，确定多个采样点及各采样点的状态值和权系数，针对每个采样点，将采样点对应的状态值输入预设的动力学模型，从而得到各采样点在第一时刻的状态预测值，然后再将各采样点在第一时刻的状态预测值输入预设的观测模型，从而得到各采样点在第一时刻的观测预测量，根据多个采样点的权系数对多个采样点在第一时刻的观测预测量进行加权计算，进而得到待检测目标在第一时刻的观测预测值。
在一个示例中，可以根据下式确定多个采样点的状态值：
其中，X0表示初始采样点的状态值，Xi表示第i个采样点的状态值，其中，采样点的个数为2n+1；X表示待检测目标在第二时刻的状态值 表示(n+k)Pxx的平方根矩阵的第i行或第i列；Pxx表示待检测目标在第二时刻的状态方差矩阵；κ为比例参数，用于调节采样点和X的距离，仅影响二阶之后的高阶矩带来的偏差，其取值可以为-5；n为X中状态变量的个数，例如，若r和/>都是三维的，则n的值为6。
在一个示例中，可以根据下式确定多个采样点的权系数：
其中，表示状态方差的权系数，/>表示采样点的权系数，α为正值的比例缩放因子，控制采样点的分部范围，通常取(0，1)的一个较小的值，β为引入f(·)高阶项信息的参数，f(·)表示状态方程，其中，α的取值可以为0.5，β的取值可以为2。
在得到各采样点在第一时刻的观测预测量之后，可以根据下式对多个采样点在第一时刻的观测预测量进行加权计算，从而得到待检测目标在第一时刻的观测预测值：
其中，X(k+1,k)i表示第i个采样点在第一时刻的状态预测值，表示待检测目标在第一时刻的状态预测值，P(k+1,k)表示第一时刻的状态方差矩阵，Y(k+1,k)i表示第i个采样点在第一时刻的观测预测量，/>表示待检测目标在第一时刻的观测预测值，H(·)表示观测模型的观测方程。
在一个示例中，在S11中待检测目标在第一时刻的观测方差和观测协方差可以根据下式确定：
其中，PYY(k+1,k)表示观测方差，Pxy(k+1,k)表示观测协方差，也即状态量和观测量的协方差，R(k+1)表示第一时刻的观测噪声协方差矩阵。
通过上述方式实现的技术方案，根据目标在第二时刻的状态值及状态方差矩阵等内容即可得到目标在第一时刻的观测预测值、观测方差、观测协方差等内容，方便，准确。
在一些实施例中，在S12中，根据观测预测值和实际观测值，确定第一测量残差序列时，因为观测预测值中包括多个测量信息的预测值，实际观测值中包括多个测量信息的实际值，所以在确定第一测量残差序列时，可以分别计算各测量信息的残差，然后将计算得到的多个测量信息的残差组成第一测量残差序列。
其中，测量信息的残差可以采用下述公式计算：
其中，表示测量信息i的残差，i为ρ、A、E或/>其中，ρ、A、E和/>分别表示不同的测量信息，例如，ρ表示测距，A表示测速，E表示方位角，/>表示俯仰角；Y(k+1,k)i表示测量信息i的实际值，/>表示测量信息i的预测值。
在一些实施例中，S13在基于第一时刻前统计的测量残差序列对多个测量信息的权系数进行更新时，可以获取第一时间区间内统计的测量残差序列，然后根据第一时间区间内统计的测量残差序列对多个所述测量信息的权系数进行更新，其中，第一时间区间为第一时刻前最近一次对多个测量信息的权系数进行更新的时刻与第一时刻组成的区间。例如第一时刻为2021年5月1日12时31分12秒，第一时刻前最近一次对测量信息的权系数进行更新的时间为2021年4月30日12时31分12秒，则第一时间区间就是从2021年4月30日12时31分12秒到2021年5月1日12时31分12秒这个时间区间。
在根据第一时间区间内统计的测量残差序列对多个测量信息的权系数进行更新时，可以针对每个测量信息，基于第一时间区间内统计的测量残差序列，利用预设的方差统计函数计算该测量信息对应的测量方差统计值，在得到多个测量信息对应的测量方差统计值后，计算多个测量信息对应的测量方差统计值的均方根，然后针对每个测量信息，将均方根与该测量信息对应的测量方差统计值的比值，作为该测量信息的权系数。
其中，方差统计函数如下式所示：
其中，σi表示测量信息i的测量方差统计值，i为ρ、A、E或其中，ρ、A、E和/>分别表示不同的测量信息，n表示所述第一时间区间内统计的测量残差序列的数据长度，/>表示第一时间区间内统计的测量残差序列中测量信息i对应的测量残差，/>为方差控制函数，σ表示多个测量信息对应的测量方差统计值的均方根。
其中，测量信息ρ、A、E和更新后的权系数则分别为：
式中，σρ、σA、σE和分别表示测量信息ρ、A、E和/>对应的测量方差统计值。
通过上述方式实现的技术方案，引入方差统计函数，可实时自适应计算不同测量信息对系统机动检测“贡献”度的大小，也即权系数的大小，避免测量信息由于数值相差较大，引起的机动检测延时高，甚至无法检测小脉冲机动的问题，非常适合不同脉冲机动条件下的非合作目标轨道确定问题。
在一些实施例中，在S14中，在利用更新后的多个所述测量信息的权系数对所述第一测量残差序列进行加权处理时，可以将更新后的多个测量信息的权系数组成对角矩阵，然后将该对角矩阵与第一测量残差序列相乘，从而得到第二测量残差序列。
其中，根据测量信息ρ、A、E和更新后的权系数组成的对角矩阵可以为根据上述对角矩阵可以按照下式计算第二测量残差序列：
γ′k+1＝η·γk+1
其中，γ′k+1表示第二测量残差序列，γk+1表示第一测量残差序列。
在一些实施例中，在S15中，可以根据下述公式计算机动检测衰减因子：
所述衰减因子计算公式包括：
/>
其中，Vk+1表示测量方差的残差，Nk+1和Mk+1为自定义变量，λk+1表示机动检测衰减因子，tr[·]为矩阵迹的运算，Y(k+1,k)i表示测量信息i的实际值，表示测量信息i的预测值，/>表示第二测量残差序列中测量信息i的测量残差，Rk+1表示观测噪声协方差矩阵，Qk表示过程噪声协方差矩阵，η表示更新后的多个所述测量信息的权系数组成的对角矩阵，/>表示观测协方差，/>表示观测方差，/>表示第i个采样点的状态预测值，/>表示待检测目标状态预测值，/>表示第i个采样点的观测预测值，/>表示待检测目标的观测预测值。
在一些实施例中，S16可以通过将将机动检测衰减因子与第一阈值进行比较来确定待检测目标是否发生机动，若比较出机动检测衰减因子大于第一阈值，则确定待检测目标发生机动，若比较出机动检测衰减因子小于或等于第一阈值，则确定待检测目标未发生机动。因为通常在非机动时刻，衰减因子通常为小于零的数，当发生机动后，衰减因子会突然增加超过1。所以，第一阈值可以为1。
至此完成对待检测目标在第一时刻的机动检测。
作为本申请的另一种实现方式，为了保证更新的测量信息的权系数的准确性，在S13基于第一时刻前统计的测量残差序列对多个测量信息的权系数进行更新之前，还可以对统计的测量残差序列进行处理，剔除其中的野值。
在一个示例中，在进行野值剔除时，可以分别判断统计的各个测量残差序列是否大于预设的门限值，将大于，门限值的测量残差序列作为野值进行剔除。其中，门限值可以根据实际情况设定。
作为本申请的另一种实现方式，为了保证更新后的测量信息的权系数的有效性，在S13之前，还可以包括：
判断是否满足预设的测量信息权系数更新条件，在确定满足测量信息权系数更新条件的情况下，再基于第一时刻前统计的测量残差序列对多个所述测量信息的权系数进行更新。在确定不满足测量信息权系数更新条件的情况下，将第一时刻前最近一次更新得到的对测量信息的权系数对第一测量残差序列进行加权处理，从而得到第二测量残差序列。
其中，判断是否满足预设的测量信息权系数更新条件，可以包括：
确定第一时间区间内统计的测量残差序列的数据长度是否达到预设的统计数据长度，若确定第一时间区间内统计的测量残差序列的数据长度达到统计数据长度，则确定满足预设的测量信息权系数更新条件，若确定第一时间区间内统计的测量残差序列的数据长度未达到统计数据长度，则确定不满足预设的测量信息权系数更新条件。其中，统计数据长度可以通过仿真计算自动调整。
因为若统计的测量残差序列较少可能会导致更新后的测量信息的权系数与实际需求的偏差较大。
通过上述方式实现的技术方案，在统计的测量残差序列达到一定数据长度之后，再对测量信息的权系数进行更新，保证了更新后的权系数的有效性。
基于仿真算例对本申请上述实施例提供的非合作目标机动检测方法进行验证，其中，仿真算例的测量数据为地面测站仿真数据，并加载与各设备性能相当的随机误差，测距：10m，测角：0.01度，测速：0.1m/s，仿真弹道共计500s，滤波初值误差考虑在三个方向位置和速度上分别加1000m和10m/s的随机误差。设置目标在300秒时存在一次小脉冲机动，机动大小3m/s。衰减因子在机动前后变换如图2所示。从图中可以看出，在301秒附近，衰减因子发生突变，可认为此时发生机动。机动检测延时约为1秒左右。
此外，经数值实验分析，在2000km近地轨道，测距偏差10米，测速偏差0.1米/秒，测角偏差0.01度情况下，本申请上述实施例提供的非合作目标机动检测方法能有效检测3米/秒脉冲机动，机动检测延时不超过1秒。
基于上述实施例提供的非合作目标机动检测方法，相应地，本申请还提供了非合作目标机动检测装置的具体实现方式。请参见以下实施例。
参见图3，本申请实施例提供的非合作目标机动检测装置包括以下单元：
第一确定单元301，用于确定待检测目标在第一时刻的观测预测值、实际观测值以及观测方差和观测协方差，其中，观测预测值包括多个测量信息的预测值，实际观测值包括多个测量信息的实际值；
第二确定单元302，用于根据观测预测值和实际观测值，确定第一测量残差序列，其中，测量残差序列中包括多个测量信息的残差；
权系数更新单元303，用于基于第一时刻前统计的测量残差序列对多个测量信息的权系数进行更新；
加权处理单元304，用于利用更新后的多个测量信息的权系数对第一测量残差序列进行加权处理，得到第二测量残差序列；
衰减因子计算单元305，用于根据第二测量残差序列、观测方差和观测协方差确定机动检测衰减因子；
机动判断单元306，用于根据机动检测衰减因子确定待检测目标是否发生机动。
本申请实施例的非合作目标机动检测装置，根据待检测目标在第一时刻的观测预测值和实际观测值，确定第一测量残差序列，基于之前统计的测量残差序列对多个测量信息的权系数进行更新，利用更新后的测量信息的权系数对第一测量残差序列进行加权处理，得到第二测量残差序列，根据第二测量残差序列、待检测目标在第一时刻的观测方差和观测协方差确定机动检测衰减因子，然后根据衰减因子确定待检测目标是否发生机动。根据本申请实施例，在进行机动检测时，根据之前统计的测量残差序列对测量信息的权系数进行更新，从而控制不同的测量信息对衰减因子“贡献”的大小，实现对权系数的动态控制和平衡，当目标发生机动后，通过衰减因子调整滤波增益，使得残差序列持续保持正交，最大程度的利用了残差序列中的有效信息，提高了系统机动检测能力，解决了滤波发散的问题。
作为一种可能的实现方式，权系数更新单元303用于：
根据第一时间区间内统计的测量残差序列对多个测量信息的权系数进行更新，其中，第一时间区间为第一时刻前最近一次对多个测量信息的权系数进行更新的时刻与第一时刻组成的区间。
作为一种可能的实现方式，根据第一时间区间内统计的测量残差序列对多个测量信息的权系数进行更新，包括：
针对每个测量信息，基于第一时间区间内统计的测量残差序列，利用预设的方差统计函数计算测量信息对应的测量方差统计值；
确定多个测量信息对应的测量方差统计值的均方根；
针对每个测量信息，将均方根与测量信息对应的测量方差统计值的比值，作为测量信息的权系数。
作为一种可能的实现方式，方差统计函数包括：
其中，σi表示测量信息i的测量方差统计值，i为ρ、A、E或其中，ρ、A、E和/>分别表示不同的测量信息，n表示第一时间区间内统计的测量残差序列的数据长度，/>表示第一时间区间内统计的测量残差序列中测量信息i对应的测量残差，/>为方差控制函数，σ表示多个测量信息对应的测量方差统计值的均方根。
作为一种可能的实现方式，装置还可以包括判断单元；
判断单元用于，基于第一时刻前统计的测量残差序列对多个测量信息的权系数进行更新之前，判断是否满足预设的测量信息权系数更新条件；
权系数更新单元303用于：
在确定满足所述测量信息权系数更新条件的情况下，基于第一时刻前统计的测量残差序列对多个测量信息的权系数进行更新。
作为一种可能的实现方式，判断单元用于：
确定第一时间区间内统计的测量残差序列的数据长度是否达到预设的统计数据长度；
若确定第一时间区间内统计的测量残差序列的数据长度达到统计数据长度，则确定满足预设的测量信息权系数更新条件；
若确定第一时间区间内统计的测量残差序列的数据长度未达到统计数据长度，则确定不满足预设的测量信息权系数更新条件。
作为一种可能的实现方式，第一确定单元301用于：
获取待检测目标在第二时刻的状态值和状态方差矩阵，第二时刻为第一时刻的前一时刻；
根据状态值和所述状态协方差，确定多个采样点的状态值和权系数；
针对每个采样点，将采样点对应的状态值输入预设的动力学模型，得到采样点在第一时刻的状态预测值；
将采样点对应的第一时刻的状态预测值输入预设的观测模型，得到采样点在第一时刻的观测预测值；
根据多个采样点的权系数对多个采样点在第一时刻的观测预测值进行加权计算，得到待检测目标在第一时刻的观测预测预测值。
作为一种可能的实现方式，加权处理单元304用于：
将更新后的多个测量信息的权系数组成对角矩阵；
将对角矩阵与所述第一测量残差序列相乘，得到第二测量残差序列。
作为一种可能的实现方式，衰减因子计算单元305用于：
根据第二测量残差序列、观测方差和观测协方差按照预设的衰减因子计算公式，计算得到机动检测衰减因子；
衰减因子计算公式包括：
/>
其中，λk+1表示机动检测衰减因子，tr[·]为矩阵迹的运算，Y(k+1,k)i表示测量信息i的实际值，表示测量信息i的预测值，/>表示第二测量残差序列中测量信息i的测量残差，Rk+1表示观测噪声协方差矩阵，Qk表示过程噪声协方差矩阵，η表示更新后的多个所述测量信息的权系数组成的对角矩阵，/>表示观测协方差，/>表示观测方差，/>表示第i个采样点的状态预测值，/>表示待检测目标状态预测值，/>表示第i个采样点的观测预测值，/>表示待检测目标的观测预测值。
作为一种可能的实现方式，机动判断单元306用于：
将机动检测衰减因子与第一阈值进行比较；
若比较出机动检测衰减因子大于所述第一阈值，则确定待检测目标发生机动；
若比较出机动检测衰减因子小于或等于第一阈值，则确定待检测目标未发生机动。
图4示出了本申请实施例提供的的非合作目标机动检测的硬件结构示意图。
的非合作目标机动检测设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在综合网关容灾设备的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。存储器402可包括只读存储器(ROM)，随机存取存储器(RAM)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器402包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现上述实施例中的任意一种的非合作目标机动检测方法。
在一个示例中，的非合作目标机动检测设备还可包括通信接口403和总线410。其中，如图4所示，处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
另外，结合上述实施例中的的非合作目标机动检测方法，本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种的非合作目标机动检测方法。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种非合作目标机动检测方法，其特征在于，包括：
确定待检测目标在第一时刻的观测预测值、实际观测值以及观测方差和观测协方差，其中，所述观测预测值包括多个测量信息的预测值，所述实际观测值包括多个所述测量信息的实际值；
根据所述观测预测值和实际观测值，确定第一测量残差序列，其中，测量残差序列中包括多个所述测量信息的残差；
基于所述第一时刻前统计的测量残差序列对多个所述测量信息的权系数进行更新；
利用更新后的多个所述测量信息的权系数对所述第一测量残差序列进行加权处理，得到第二测量残差序列；
根据所述第二测量残差序列、观测方差和观测协方差确定机动检测衰减因子；
根据所述机动检测衰减因子确定所述待检测目标是否发生机动；
所述基于所述第一时刻前统计的测量残差序列对多个所述测量信息的权系数进行更新，包括：
根据第一时间区间内统计的测量残差序列对多个所述测量信息的权系数进行更新，其中，所述第一时间区间为所述第一时刻前最近一次对多个所述测量信息的权系数进行更新的时刻与所述第一时刻组成的区间；
所述根据所述第一时间区间内统计的测量残差序列对多个所述测量信息的权系数进行更新，包括：
针对每个所述测量信息，基于所述第一时间区间内统计的测量残差序列，利用预设的方差统计函数计算所述测量信息对应的测量方差统计值；
确定多个所述测量信息对应的测量方差统计值的均方根；
针对每个所述测量信息，将所述均方根与所述测量信息对应的测量方差统计值的比值，作为所述测量信息的权系数；
所述方差统计函数包括：
其中，σi表示测量信息i的测量方差统计值，i为ρ、A、E或其中，ρ、A、E和/>分别表示不同的测量信息，n表示所述第一时间区间内统计的测量残差序列的数据长度，/>表示所述第一时间区间内统计的测量残差序列中测量信息i对应的测量残差，/>为方差控制函数，σ表示多个测量信息对应的测量方差统计值的均方根；
所述根据所述第二测量残差序列、观测方差和观测协方差确定机动检测衰减因子，包括：
根据所述第二测量残差序列、观测方差和观测协方差按照预设的衰减因子计算公式，计算得到机动检测衰减因子；
所述衰减因子计算公式包括：
其中，λk+1表示机动检测衰减因子，tr[·]为矩阵迹的运算，Y(k+1,k)i表示测量信息i的实际值，表示测量信息i的预测值，/>表示第二测量残差序列中测量信息i的测量残差，Rk+1表示观测噪声协方差矩阵，Qk表示过程噪声协方差矩阵，η表示更新后的多个所述测量信息的权系数组成的对角矩阵，/>表示观测协方差，/>表示观测方差，表示第i个采样点的状态预测值，/>表示待检测目标状态预测值，/>表示第i个采样点的观测预测值，/>表示待检测目标的观测预测值。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一时刻前统计的测量残差序列对多个所述测量信息的权系数进行更新之前，所述方法还包括：
判断是否满足预设的测量信息权系数更新条件；
所述基于所述第一时刻前统计的测量残差序列对多个所述测量信息的权系数进行更新，包括：
在确定满足所述测量信息权系数更新条件的情况下，基于所述第一时刻前统计的测量残差序列对多个所述测量信息的权系数进行更新。
3.根据权利要求2所述的方法，其特征在于，所述判断是否满足预设的测量信息权系数更新条件，包括：
确定第一时间区间内统计的测量残差序列的数据长度是否达到预设的统计数据长度；
若确定所述第一时间区间内统计的测量残差序列的数据长度达到所述统计数据长度，则确定满足预设的测量信息权系数更新条件；
若确定所述第一时间区间内统计的测量残差序列的数据长度未达到所述统计数据长度，则确定不满足预设的测量信息权系数更新条件。
4.根据权利要求1所述的方法，其特征在于，所述确定待检测目标在第一时刻的观测预测值，包括：
获取所述待检测目标在第二时刻的状态值和状态方差矩阵，所述第二时刻为第一时刻的前一时刻；
根据所述状态值和状态协方差，确定多个采样点的状态值和权系数；
针对每个所述采样点，将所述采样点对应的状态值输入预设的动力学模型，得到所述采样点在第一时刻的状态预测值；
将所述采样点对应的第一时刻的状态预测值输入预设的观测模型，得到所述采样点在第一时刻的观测预测值；
根据多个所述采样点的权系数对多个所述采样点在第一时刻的观测预测值进行加权计算，得到所述待检测目标在第一时刻的观测预测预测值。
5.根据权利要求1所述的方法，其特征在于，所述利用更新后的多个所述测量信息的权系数对所述第一测量残差序列进行加权处理，得到第二测量残差序列，包括：
将更新后的多个所述测量信息的权系数组成对角矩阵；
将所述对角矩阵与所述第一测量残差序列相乘，得到第二测量残差序列。
6.根据权利要求1所述的方法，其特征在于，所述根据所述机动检测衰减因子确定所述待检测目标是否发生机动，包括：
将所述机动检测衰减因子与第一阈值进行比较；
若比较出所述机动检测衰减因子大于所述第一阈值，则确定所述待检测目标发生机动；
若比较出所述机动检测衰减因子小于或等于所述第一阈值，则确定所述待检测目标未发生机动。
7.一种非合作目标机动检测装置，其特征在于，包括：
第一确定单元，用于确定待检测目标在第一时刻的观测预测值、实际观测值以及观测方差和观测协方差，其中，所述观测预测值包括多个测量信息的预测值，所述实际观测值包括多个所述测量信息的实际值；
第二确定单元，用于根据所述观测预测值和实际观测值，确定第一测量残差序列，其中，测量残差序列中包括多个所述测量信息的残差；
权系数更新单元，用于基于所述第一时刻前统计的测量残差序列对多个所述测量信息的权系数进行更新；
加权处理单元，用于利用更新后的多个所述测量信息的权系数对所述第一测量残差序列进行加权处理，得到第二测量残差序列；
衰减因子计算单元，用于根据所述第二测量残差序列、观测方差和观测协方差确定机动检测衰减因子；
机动判断单元，用于根据所述机动检测衰减因子确定所述待检测目标是否发生机动；
所述权系数更新单元，用于：
根据第一时间区间内统计的测量残差序列对多个测量信息的权系数进行更新，其中，第一时间区间为第一时刻前最近一次对多个测量信息的权系数进行更新的时刻与第一时刻组成的区间；
所述根据第一时间区间内统计的测量残差序列对多个测量信息的权系数进行更新，包括：
针对每个测量信息，基于第一时间区间内统计的测量残差序列，利用预设的方差统计函数计算测量信息对应的测量方差统计值；
确定多个测量信息对应的测量方差统计值的均方根；
针对每个测量信息，将均方根与测量信息对应的测量方差统计值的比值，作为测量信息的权系数；
所述方差统计函数包括：
其中，σi表示测量信息i的测量方差统计值，i为ρ、A、E或其中，ρ、A、E和/>分别表示不同的测量信息，n表示第一时间区间内统计的测量残差序列的数据长度，/>表示第一时间区间内统计的测量残差序列中测量信息i对应的测量残差，/>为方差控制函数，σ表示多个测量信息对应的测量方差统计值的均方根；
所述衰减因子计算单元，用于：
根据第二测量残差序列、观测方差和观测协方差按照预设的衰减因子计算公式，计算得到机动检测衰减因子；
衰减因子计算公式包括：
其中，λk+1表示机动检测衰减因子，tr[·]为矩阵迹的运算，Y(k+1,k)i表示测量信息i的实际值，表示测量信息i的预测值，/>表示第二测量残差序列中测量信息i的测量残差，Rk+1表示观测噪声协方差矩阵，Qk表示过程噪声协方差矩阵，η表示更新后的多个所述测量信息的权系数组成的对角矩阵，/>表示观测协方差，/>表示观测方差，表示第i个采样点的状态预测值，/>表示待检测目标状态预测值，/>表示第i个采样点的观测预测值，/>表示待检测目标的观测预测值。
8.一种非合作目标机动检测设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-6任意一项所述的非合作目标机动检测方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的非合作目标机动检测方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-6任意一项所述的非合作目标机动检测方法。
CN202210991702.5A 2022-08-16 2022-08-16 非合作目标机动检测方法、装置、设备及计算机存储介质 Active CN115420290B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210991702.5A CN115420290B (zh) 2022-08-16 2022-08-16 非合作目标机动检测方法、装置、设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210991702.5A CN115420290B (zh) 2022-08-16 2022-08-16 非合作目标机动检测方法、装置、设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN115420290A CN115420290A (zh) 2022-12-02
CN115420290B true CN115420290B (zh) 2024-05-31

Family

ID=84198827

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210991702.5A Active CN115420290B (zh) 2022-08-16 2022-08-16 非合作目标机动检测方法、装置、设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN115420290B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115855069B (zh) * 2023-02-28 2023-05-05 中国人民解放军国防科技大学 基于sce的geo航天器机动检测与位置预测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108802707A (zh) * 2018-08-31 2018-11-13 中国科学院电子学研究所 改进的用于目标跟踪的卡尔曼滤波方法
CN111959828A (zh) * 2020-10-21 2020-11-20 中国人民解放军国防科技大学 基于非线性偏差演化的航天器轨道机动检测方法和装置
WO2021046829A1 (zh) * 2019-09-12 2021-03-18 华为技术有限公司 定位方法、装置及系统
CN114018270A (zh) * 2021-09-13 2022-02-08 南京航空航天大学 一种中远程空间非合作目标轨道机动检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9617018B2 (en) * 2014-03-28 2017-04-11 Rincon Research Corporation Automated detection and characterization of earth-orbiting satellite maneuvers

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108802707A (zh) * 2018-08-31 2018-11-13 中国科学院电子学研究所 改进的用于目标跟踪的卡尔曼滤波方法
WO2021046829A1 (zh) * 2019-09-12 2021-03-18 华为技术有限公司 定位方法、装置及系统
CN111959828A (zh) * 2020-10-21 2020-11-20 中国人民解放军国防科技大学 基于非线性偏差演化的航天器轨道机动检测方法和装置
CN114018270A (zh) * 2021-09-13 2022-02-08 南京航空航天大学 一种中远程空间非合作目标轨道机动检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
状态信息和轨道信息下的非合作目标精密跟踪技术;黄普;孙守明;李恒年;;弹箭与制导学报;20160415(第02期);全文 *
空间目标跟踪的融合系统设计;刘也;余安喜;张增辉;朱炬波;梁甸农;;系统工程与电子技术;20110915(第09期);全文 *
非合作机动目标天基测角定轨研究;苏建敏;董云峰;;航天控制;20110615(第03期);全文 *

Also Published As

Publication number Publication date
CN115420290A (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
CN106372646B (zh) 基于srck-gmcphd滤波的多目标跟踪方法
Li et al. A novel hybrid fusion algorithm for low-cost GPS/INS integrated navigation system during GPS outages
CN107229060B (zh) 一种基于自适应滤波的gps测量数据处理方法
CN110889862B (zh) 一种网络传输攻击环境中多目标跟踪的组合测量方法
CN105447574B (zh) 一种辅助截断粒子滤波方法、装置及目标跟踪方法及装置
CN115420290B (zh) 非合作目标机动检测方法、装置、设备及计算机存储介质
CN107290742A (zh) 一种非线性目标跟踪系统中平方根容积卡尔曼滤波方法
CN105115573A (zh) 一种洪水流量预报的校正方法和装置
CN111428369A (zh) 一种空间目标碰撞预警结果置信度计算方法
CN115204212A (zh) 一种基于stm-pmbm滤波算法的多目标跟踪方法
Rohal et al. Radar target tracking by Kalman and particle filter
CN108490465B (zh) 基于时频差与测向的地面同频多运动辐射源跟踪方法及系统
CN107621632A (zh) 用于nshv跟踪滤波的自适应滤波方法及系统
CN114137525A (zh) 基于车载毫米波雷达的多目标检测方法和系统
CN109752690A (zh) 无人机定位nlos的消除算法、系统、装置及存储介质
CN113030940A (zh) 一种转弯机动下的多星凸型扩展目标跟踪方法
CN112379350A (zh) 智能车辆毫米波雷达多目标跟踪方法、装置及设备
He et al. Constrained multiple model bayesian filtering for target tracking in cluttered environment
Sun et al. A modified marginalized Kalman filter for maneuvering target tracking
CN114660639A (zh) 定位置信误差模型的确定方法和定位置信误差的确定方法
CN113470070A (zh) 驾驶场景目标跟踪方法、装置、设备及存储介质
Yun et al. Position fix in terrain referenced navigation using statistical verification
CN113486300A (zh) 一种无人驾驶车辆多目标跟踪方法
Zubača et al. A Novel Tuning Approach of the H∞ Filter for Longitudinal Tracking of Automated Vehicles
Ristic et al. Calibration of tracking systems using detections from non-cooperative targets

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
GR01 Patent grant
GR01 Patent grant