CN115792794A - 一种无线电测向的卡尔曼跟踪方法、装置、设备和介质 - Google Patents

Abstract

本申请属于无线电侦测感知技术领域，涉及一种无线电测向的卡尔曼跟踪方法、装置、设备和介质。方法包括：建立无线电测向的主跟踪链和备份跟踪链；获取当前观测的数据；对主跟踪链的各模态状态和备份跟踪链的各模态状态进行模型预测；计算当前观测数据归属主跟踪链和归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，并计算当前观测数据归属主跟踪链各模态以及归属备份跟踪链各模态的后验概率；更新主跟踪链各模态的状态以及备份跟踪链各模态的状态并遍历，以热度最大的模态对应的均值作为当前观测的跟踪信息并输出。采用本方法能够有效对抗野值并适应无人机的机动性。

Description

一种无线电测向的卡尔曼跟踪方法、装置、设备和介质

技术领域

本申请涉及无线电侦测感知技术领域，特别是涉及一种无线电测向的卡尔曼跟踪方法、装置、设备和介质。

背景技术

通过被动侦收、处理无人机发射的电磁信号对无人机实施无源侦测、识别、定位是无人机侦测的主要技术手段之一。

现有技术中，无线电测向的主要测向体制有比幅法、AOA(Angle Of Arrival)、TDOA(Time Difference of Arrival)等，分别通过利用无线电信号到达天线阵的幅度差、相位差、时间差等进行计算辐射源的来向。

但是，上述无人机无线电测向方法可能由于噪声、关联错误、测向模糊等导致出现野值，并且野值可能连续出现；另外，无人机的机动性较强，角度变化可能在某一时段出现较大变化，上述方法无法有效应对。

发明内容

基于此，有必要针对上述技术问题，提供一种无线电测向的卡尔曼跟踪方法、装置、设备和介质，能够在无人机无线电测向中有效对抗野值，且在准确剔除野值的同时能够适应无人机的机动性。

一种无线电测向的卡尔曼跟踪方法，包括：

建立无线电测向的两条跟踪链并分别初始化，得到主跟踪链和备份跟踪链；主跟踪链对应主模态集，备份跟踪链对应备份模态集，主模态集和备份模态集均包括多个模态，每个模态的状态均包括热度和均值；

获取当前观测的数据；

判断当前观测不是第一次观测时，对主跟踪链的各模态状态和备份跟踪链的各模态状态进行模型预测，得到主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态；

根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，并计算当前观测数据归属主跟踪链各模态的后验概率以及当前观测数据归属备份跟踪链各模态的后验概率；

根据当前观测数据归属主跟踪链各模态的后验概率，更新主跟踪链各模态的状态，根据当前观测数据归属备份跟踪链各模态的后验概率，更新备份跟踪链各模态的状态；

遍历更新后主跟踪链的各模态状态以及更新后备份跟踪链的各模态状态，以热度最大的模态对应的均值作为当前观测的跟踪信息并输出。

在一个实施例中，在更新主跟踪链各模态的状态以及更新备份跟踪链各模态的状态之后，还包括：

根据更新后主跟踪链的各模态状态以及更新后备份跟踪链的各模态状态，更新主跟踪链与备份跟踪链的分歧度；

当分歧度满足预设的第一条件时，将更新后的备份跟踪链复制到更新后的主跟踪链，得到新的主跟踪链；当分歧度不满足预设的第一条件时，以更新后的主跟踪链为新的主跟踪链；

获取下一观测的数据，并根据新的主跟踪链和更新后的备份跟踪链，进行模型预测并输出下一观测的跟踪信息。

在一个实施例中，还包括：

判断当前观测是第一次观测时，建立新模态并初始化；

根据初始化的新模态，更新所述主跟踪链的主模态集和所述备份跟踪链的备份模态集；

获取下一观测的数据，并根据更新后的主模态集和更新后的备份模态集，进行模型预测并输出下一观测的跟踪信息。

在一个实施例中，还包括：

根据当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，计算当前观测数据归属新模态的后验概率；

判断当前观测数据归属新模态的后验概率满足预设的第二条件时，建立新模态并初始化；

根据初始化后的新模态，更新所述主跟踪链的主模态集和所述备份跟踪链的备份模态集；

获取下一观测的数据，并根据更新后的主模态集和更新后的备份模态集，进行模型预测并输出下一观测的跟踪信息。

在一个实施例中，判断当前观测不是第一次观测时，对主跟踪链的各模态状态和备份跟踪链的各模态状态进行模型预测，得到主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，包括：

主跟踪链的各模态状态和备份跟踪链的各模态状态表示为：

{n^k,μ^k,Σ^k}

式中，n^k为跟踪链第k个模态的热度，μ^k为跟踪链第k个模态的均值，Σ^k为跟踪链第k个模态的方差，θ为跟踪链的方位，

为跟踪链的方位角速度；

状态转移方程为：

式中，X_i为状态更新方程，i为第i个观测数据，η_i为状态转移不确定性，服从均值为0方差为Q的高斯分布，

为方位的转移不确定方差，

为方位角速度的转移不确定方差；

根据跟踪链的各模态状态以及状态转移方程进行模型预测，遍历跟踪链的所有模态，若n_k＝0则跳过当前模态，否则跟踪链各模态的预测状态为：

式中，

为跟踪链第k个模态的预测热度，

为跟踪链第k个模态的预测均值，

为跟踪链第k个模态的方差，γ为遗忘因子。

在一个实施例中，根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，包括：

根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率和当前观测数据归属备份跟踪链各模态的似然概率：

若

则，

P(Y_i|k)＝0

Y_i＝θ_i+ε_i＝BX_i+ε_i

B＝[1 0]

否则，

式中，P(Y_i|k)为当前观测数据归属跟踪链各模态的似然概率，Y_i为测量方程，ε_i为方位观测噪声，N为高斯概率分布函数，

为观测余量协方差；

根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率：

式中，

为跟踪链各模态的先验概率，α为dirichlet分布参数。

在一个实施例中，计算当前观测数据归属主跟踪链各模态的后验概率以及当前观测数据归属备份跟踪链各模态的后验概率，包括：

根据当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，计算当前观测数据归属跟踪链各模态的后验概率：

式中，P_k为当前观测数据归属跟踪链各模态的后验概率，

为新模态的先验概率，P(Y_i|new)为当前观测数据归属新模态的似然分布。

一种无线电测向的卡尔曼跟踪装置，包括：

建立模块，用于建立无线电测向的两条跟踪链并分别初始化，得到主跟踪链和备份跟踪链；主跟踪链对应主模态集，备份跟踪链对应备份模态集，主模态集和备份模态集均包括多个模态，每个模态的状态均包括热度和均值；

获取模块，用于获取当前观测的数据；

判断模块，用于判断当前观测不是第一次观测时，对主跟踪链的各模态状态和备份跟踪链的各模态状态进行模型预测，得到主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态；

计算模块，用于根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，并计算当前观测数据归属主跟踪链各模态的后验概率以及当前观测数据归属备份跟踪链各模态的后验概率；

更新模块，用于根据当前观测数据归属主跟踪链各模态的后验概率，更新主跟踪链各模态的状态，根据当前观测数据归属备份跟踪链各模态的后验概率，更新备份跟踪链各模态的状态；

输出模块，用于遍历更新后主跟踪链的各模态状态以及更新后备份跟踪链的各模态状态，以热度最大的模态对应的均值作为当前观测的跟踪信息并输出。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

建立无线电测向的两条跟踪链并分别初始化，得到主跟踪链和备份跟踪链；主跟踪链对应主模态集，备份跟踪链对应备份模态集，主模态集和备份模态集均包括多个模态，每个模态的状态均包括热度和均值；

获取当前观测的数据；

判断当前观测不是第一次观测时，对主跟踪链的各模态状态和备份跟踪链的各模态状态进行模型预测，得到主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态；

根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，并计算当前观测数据归属主跟踪链各模态的后验概率以及当前观测数据归属备份跟踪链各模态的后验概率；

根据当前观测数据归属主跟踪链各模态的后验概率，更新主跟踪链各模态的状态，根据当前观测数据归属备份跟踪链各模态的后验概率，更新备份跟踪链各模态的状态；

遍历更新后主跟踪链的各模态状态以及更新后备份跟踪链的各模态状态，以热度最大的模态对应的均值作为当前观测的跟踪信息并输出。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

建立无线电测向的两条跟踪链并分别初始化，得到主跟踪链和备份跟踪链；主跟踪链对应主模态集，备份跟踪链对应备份模态集，主模态集和备份模态集均包括多个模态，每个模态的状态均包括热度和均值；

获取当前观测的数据；

判断当前观测不是第一次观测时，对主跟踪链的各模态状态和备份跟踪链的各模态状态进行模型预测，得到主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态；

根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，并计算当前观测数据归属主跟踪链各模态的后验概率以及当前观测数据归属备份跟踪链各模态的后验概率；

根据当前观测数据归属主跟踪链各模态的后验概率，更新主跟踪链各模态的状态，根据当前观测数据归属备份跟踪链各模态的后验概率，更新备份跟踪链各模态的状态；

遍历更新后主跟踪链的各模态状态以及更新后备份跟踪链的各模态状态，以热度最大的模态对应的均值作为当前观测的跟踪信息并输出。

上述无线电测向的卡尔曼跟踪方法、装置、设备和介质，针对无人机无线电测向跟踪存在的连续野值导致跟踪失效以及如何快速适应机动的技术问题，在卡尔曼跟踪的基础上，进行修正适应角度跟踪，引入多模态跟踪链，通过在多模态间自适应切换剔除野值，引入主跟踪链和备份跟踪链，通过主跟踪链和备份跟踪链的自适应切换，实现对快速机动的适应，满足了存在较多野值、目标快速机动条件下无线电测向跟踪的适应能力。

附图说明

图1为一个实施例中一种无线电测向的卡尔曼跟踪方法的应用场景图；

图2为一个实施例中一种无线电测向的卡尔曼跟踪方法的流程示意图；

图3为一个实施例中一种无线电测向的卡尔曼跟踪方法的框架示意图；

图4为一个实施例中典型无线电测向的数据跟踪效果图；

图5为一个实施例中一种无线电测向的卡尔曼跟踪装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请中的实施例，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，都属于本申请保护的范围。

需要说明，本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本申请中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多组”的含义是至少两组，例如两组，三组等，除非另有明确具体的限定。

在本申请中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接，还可以是物理连接或无线通信连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

另外，本申请各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。

本申请提供的方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信，终端102可以包括但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以是各类门户网站、工作系统后台对应的服务器等。

本申请提供了一种无线电测向的卡尔曼跟踪方法，如图2所示，在一个实施例中，以该方法应用于图1中的终端为例进行说明，包括：

步骤202，建立无线电测向的两条跟踪链并分别初始化，得到主跟踪链和备份跟踪链；主跟踪链对应主模态集，备份跟踪链对应备份模态集，主模态集和备份模态集均包括多个模态，每个模态的状态均包括热度和均值。

在本步骤中，对无人机无线电测向建立两条跟踪链，跟踪链以方位θ和方位角速度

为状态量、以方位θ为观测量，利用混合高斯模型对状态进行表征，能够适应测向野值。

主跟踪链的各模态构成主模态集，备份跟踪链的各模态构成备份模态集。

对跟踪链进行初始化包括：跟踪链的参数初始化(包括：主跟踪链的参数初始化以及备份跟踪链的参数初始化，两者的参数相同但是取值不同)、跟踪链的状态初始化(主跟踪链的状态初始化以及备份跟踪链的状态初始化)以及主跟踪链与备份跟踪链的分歧度初始化。

跟踪链的参数包括：最大模态个数K(典型值取5)、遗忘因子γ、观测噪声

(典型值取5²)、主跟踪链的方位转换方差

(典型值取1²)、主跟踪链的方位角速度转换方差

(典型值取0.5²)、备份跟踪链的方位转换方差

(典型值取5²)、备份跟踪链的方位角速度转换方差

(典型值取2²)以及初始状态方差Σ₀，其中：

式中，20表示时间窗口为20次，

一般为180²，

根据角速度最大范围确定，如10²。

主跟踪链的转移方差较小、具有较高的精度、但对机动的适应性较差，备份跟踪链的转移方差较大、能适应快速机动、但精度稍差。

跟踪链各模态的状态初始化时，n^k＝0表示当前所有模态未激活。

主跟踪链与备份跟踪链的分歧度初始化，令分歧度Δ_i＝0。

步骤204，获取当前观测的数据。

在本步骤中，Y_i为当前观测的数据，i为序列观测的第i个观测数据。

步骤206，判断当前观测不是第一次观测时，对主跟踪链的各模态状态和备份跟踪链的各模态状态进行模型预测，得到主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态。

具体地：

主跟踪链的各模态状态和备份跟踪链的各模态状态表示为：

{n^k,μ^k,Σ^k}

式中，n^k为跟踪链第k个模态的热度，通过滑窗统计一定时间窗口内归属该模态的观测样本数计算得到，μ^k为跟踪链第k个模态的均值，Σ^k为跟踪链第k个模态的方差，θ为跟踪链的方位，

为跟踪链的方位角速度；

状态转移方程为：

式中，X_i为状态更新方程，i为第i个观测数据，η_i为状态转移不确定性，服从均值为0方差为Q的高斯分布，

为方位的转移不确定方差，

为方位角速度的转移不确定方差；

根据跟踪链的各模态状态以及状态转移方程进行模型预测，遍历跟踪链的所有模态，若n^k＝0则跳过当前模态，否则跟踪链各模态的预测状态为：

式中，

为跟踪链第k个模态的预测热度，

为跟踪链第k个模态的预测均值，

为跟踪链第k个模态的方差，γ为遗忘因子，一般取典型值0.95。

步骤208，根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，并计算当前观测数据归属主跟踪链各模态的后验概率以及当前观测数据归属备份跟踪链各模态的后验概率。

具体地：

根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率和当前观测数据归属备份跟踪链各模态的似然概率：

若

则，

P(Y_i|k)＝0

Y_i＝θ_i+ε_i＝BX_i+ε_i

B＝[1 0]

否则，

式中，P(Y_i|k)为当前观测数据归属跟踪链各模态的似然概率，由高斯分布概率计算，注意由于方向存在360°缠绕问题，在代入高斯分布概率公式前，需要将观测值解缠至分布均值左右180°方位内，Y_i为测量方程(是观测数据的展开表示)，ε_i为方位观测噪声，服从均值为0方差为

的高斯分布，N为高斯概率分布函数，

为观测余量协方差；

根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率：

式中，

为跟踪链各模态的先验概率，α为dirichlet分布参数，一般取典型值0.2。

根据当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，计算当前观测数据归属跟踪链各模态的后验概率(当前观测数据归属主跟踪链各模态的后验概率以及当前观测数据归属备份跟踪链各模态的后验概率均采用下式计算)：

式中，P_k为当前观测数据归属跟踪链各模态的后验概率，

为新模态的先验概率，P(Y_i|new)为当前观测数据归属新模态的似然分布，表示360°范围内均匀分布。

步骤210，根据当前观测数据归属主跟踪链各模态的后验概率，更新主跟踪链各模态的状态，根据当前观测数据归属备份跟踪链各模态的后验概率，更新备份跟踪链各模态的状态。

在本步骤中，根据{P_k,Y_i}更新各模态状态：

式中，

为预测误差，W_k为修正矩阵，I为单位矩阵。

步骤212，遍历更新后主跟踪链的各模态状态以及更新后备份跟踪链的各模态状态，以热度最大的模态对应的均值作为当前观测的跟踪信息并输出。

在本实施例中，无人机有两个跟踪链，即主跟踪链和备份跟踪链，每个跟踪链都具有一个状态，并对应一个模态集，每个模态集都包括多个模态。

上述无线电测向的卡尔曼跟踪方法，针对无人机无线电测向跟踪存在的连续野值导致跟踪失效以及如何快速适应机动的技术问题，本申请在卡尔曼跟踪的基础上，进行修正适应角度跟踪，引入多模态跟踪链，通过在多模态间自适应切换剔除野值，引入主跟踪链和备份跟踪链，通过主跟踪链和备份跟踪链的自适应切换，实现对快速机动的适应，满足了存在较多野值、目标快速机动条件下无线电测向跟踪的适应能力。

应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

如图3所示，在一个实施例中，在更新主跟踪链各模态的状态以及更新备份跟踪链各模态的状态之后，还包括：根据更新后主跟踪链的各模态状态以及更新后备份跟踪链的各模态状态，更新主跟踪链与备份跟踪链的分歧度；当分歧度满足预设的第一条件时，将更新后的备份跟踪链复制到更新后的主跟踪链，得到新的主跟踪链；当分歧度不满足预设的第一条件时，以更新后的主跟踪链为新的主跟踪链；获取下一观测的数据，并根据新的主跟踪链和更新后的备份跟踪链，进行模型预测并输出下一观测的跟踪信息。

其中，

Δ_i＝γΔ_i+(θ_main-θ_back)

式中，θ_main为主跟踪链的输出跟踪信息，θ_back为备份跟踪链的输出跟踪信息。

第一条件可以设置为：Δ_i＞2σ_θ，即进行自适应切换判决，满足第一条件则将备份跟踪链的状态复制至主跟踪链，也就是以备份跟踪链的各模态状态对主跟踪链的各模态状态进行相应的替换。

在一个实施例中，还包括：判断当前观测是第一次观测时，即所有

则P_new＝1，建立新模态并初始化；根据初始化的新模态，更新所述主跟踪链的主模态集和所述备份跟踪链的备份模态集；获取下一观测的数据，并根据更新后的主模态集和更新后的备份模态集，进行模型预测并输出下一观测的跟踪信息。

在一个实施例中，还包括：根据当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，计算当前观测数据归属新模态的后验概率；判断当前观测数据归属新模态的后验概率满足预设的第二条件时，建立新模态并初始化；根据初始化后的新模态，更新所述主跟踪链的主模态集和所述备份跟踪链的备份模态集；获取下一观测的数据，并根据更新后的主模态集和更新后的备份模态集，进行模型预测并输出下一观测的跟踪信息。

其中，计算当前观测数据归属新模态的后验概率：

式中，P_new为当前观测数据归属新模态的后验概率；

第二条件可以设置为：P_new＞0.5；

建立新模态：搜索热度最小的模态及其对应的热度值，记为

若

则初始化新模态k_cold为：

这里是通过与最小热度值的比较来确定新模态的建立，模态的个数是一定的，通过比较的方式获得热度较大的k个，新模态的初始均值和初始方差根据新模态的自身观测值算出；

否则，也就是若

维持原有的热度最小的模态及其对应的热度值。

如图4所示，横坐标为时间序号，纵坐标为方位角。由此图可以看出，原始角度的输出呈散点状，其分布较为杂散；备份跟踪链具有高机动性，与原始输出保持相对一致，在原始数据的基础上对输出结果进行了小幅度的修正；主跟踪链输出结果相对原始数据较为平稳且集中。与实际结果比较，该主跟踪链的输出最贴近实际情况。

本申请还提供了一种无线电测向的卡尔曼跟踪装置，如图5所示，在一个实施例中，包括：建立模块502、获取模块504、判断模块506、计算模块508、更新模块510和输出模块512，其中：

建立模块502，用于建立无线电测向的两条跟踪链并分别初始化，得到主跟踪链和备份跟踪链；主跟踪链对应主模态集，备份跟踪链对应备份模态集，主模态集和备份模态集均包括多个模态，每个模态的状态均包括热度和均值；

获取模块504，用于获取当前观测的数据；

判断模块506，用于判断当前观测不是第一次观测时，对主跟踪链的各模态状态和备份跟踪链的各模态状态进行模型预测，得到主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态；

计算模块508，用于根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，并计算当前观测数据归属主跟踪链各模态的后验概率以及当前观测数据归属备份跟踪链各模态的后验概率；

更新模块510，用于根据当前观测数据归属主跟踪链各模态的后验概率，更新主跟踪链各模态的状态，根据当前观测数据归属备份跟踪链各模态的后验概率，更新备份跟踪链各模态的状态；

输出模块512，用于遍历更新后主跟踪链的各模态状态以及更新后备份跟踪链的各模态状态，以热度最大的模态对应的均值作为当前观测的跟踪信息并输出。

关于无线电测向的卡尔曼跟踪装置的具体限定可以参见上文中对于无线电测向的卡尔曼跟踪方法的限定，在此不再赘述。上述装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种无线电测向的卡尔曼跟踪方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述实施例中方法的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种无线电测向的卡尔曼跟踪方法，其特征在于，包括：

建立无线电测向的两条跟踪链并分别初始化，得到主跟踪链和备份跟踪链；主跟踪链对应主模态集，备份跟踪链对应备份模态集，主模态集和备份模态集均包括多个模态，每个模态的状态均包括热度和均值；

获取当前观测的数据；

判断当前观测不是第一次观测时，对主跟踪链的各模态状态和备份跟踪链的各模态状态进行模型预测，得到主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态；

根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，并计算当前观测数据归属主跟踪链各模态的后验概率以及当前观测数据归属备份跟踪链各模态的后验概率；

根据当前观测数据归属主跟踪链各模态的后验概率，更新主跟踪链各模态的状态，根据当前观测数据归属备份跟踪链各模态的后验概率，更新备份跟踪链各模态的状态；

遍历更新后主跟踪链的各模态状态以及更新后备份跟踪链的各模态状态，以热度最大的模态对应的均值作为当前观测的跟踪信息并输出。

2.根据权利要求1所述的无线电测向的卡尔曼跟踪方法，其特征在于，在更新主跟踪链各模态的状态以及更新备份跟踪链各模态的状态之后，还包括：

根据更新后主跟踪链的各模态状态以及更新后备份跟踪链的各模态状态，更新主跟踪链与备份跟踪链的分歧度；

当分歧度满足预设的第一条件时，将更新后的备份跟踪链复制到更新后的主跟踪链，得到新的主跟踪链；当分歧度不满足预设的第一条件时，以更新后的主跟踪链为新的主跟踪链；

获取下一观测的数据，并根据新的主跟踪链和更新后的备份跟踪链，进行模型预测并输出下一观测的跟踪信息。

3.根据权利要求2所述的无线电测向的卡尔曼跟踪方法，其特征在于，还包括：

判断当前观测是第一次观测时，建立新模态并初始化；

根据初始化的新模态，更新所述主跟踪链的主模态集和所述备份跟踪链的备份模态集；

获取下一观测的数据，并根据更新后的主模态集和更新后的备份模态集，进行模型预测并输出下一观测的跟踪信息。

4.根据权利要求3所述的无线电测向的卡尔曼跟踪方法，其特征在于，还包括：

根据当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，计算当前观测数据归属新模态的后验概率；

判断当前观测数据归属新模态的后验概率满足预设的第二条件时，建立新模态并初始化；

根据初始化后的新模态，更新所述主跟踪链的主模态集和所述备份跟踪链的备份模态集；

获取下一观测的数据，并根据更新后的主模态集和更新后的备份模态集，进行模型预测并输出下一观测的跟踪信息。

5.根据权利要求1至4任一项所述的无线电测向的卡尔曼跟踪方法，其特征在于，判断当前观测不是第一次观测时，对主跟踪链的各模态状态和备份跟踪链的各模态状态进行模型预测，得到主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，包括：

主跟踪链的各模态状态和备份跟踪链的各模态状态表示为：

{n^k,μ^k,Σ^k}

式中，n^k为跟踪链第k个模态的热度，μ^k为跟踪链第k个模态的均值，Σ^k为跟踪链第k个模态的方差，θ为跟踪链的方位，

为跟踪链的方位角速度；

状态转移方程为：

式中，X_i为状态更新方程，i为第i个观测数据，η_i为状态转移不确定性，服从均值为0方差为Q的高斯分布，

为方位的转移不确定方差，

为方位角速度的转移不确定方差；

根据跟踪链的各模态状态以及状态转移方程进行模型预测，遍历跟踪链的所有模态，若n_k＝0则跳过当前模态，否则跟踪链各模态的预测状态为：

式中，

为跟踪链第k个模态的预测热度，

为跟踪链第k个模态的预测均值，

为跟踪链第k个模态的方差，γ为遗忘因子。

6.根据权利要求1至4任一项所述的无线电测向的卡尔曼跟踪方法，其特征在于，根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，包括：

根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率和当前观测数据归属备份跟踪链各模态的似然概率：

若

则，

P(Y_i|k)＝0

Y_i＝θ_i+ε_i＝BX_i+ε_i

B＝[1 0]

否则，

式中，P(Y_i|k)为当前观测数据归属跟踪链各模态的似然概率，Y_i为测量方程，ε_i为方位观测噪声，N为高斯概率分布函数，

为观测余量协方差；

根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率：

式中，

为跟踪链各模态的先验概率，α为dirichlet分布参数。

7.根据权利要求1至4任一项所述的无线电测向的卡尔曼跟踪方法，其特征在于，计算当前观测数据归属主跟踪链各模态的后验概率以及当前观测数据归属备份跟踪链各模态的后验概率，包括：

根据当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，计算当前观测数据归属跟踪链各模态的后验概率：

式中，P_k为当前观测数据归属跟踪链各模态的后验概率，

为新模态的先验概率，P(Y_i|new)为当前观测数据归属新模态的似然分布。

8.一种无线电测向的卡尔曼跟踪装置，其特征在于，包括：

建立模块，用于建立无线电测向的两条跟踪链并分别初始化，得到主跟踪链和备份跟踪链；主跟踪链对应主模态集，备份跟踪链对应备份模态集，主模态集和备份模态集均包括多个模态，每个模态的状态均包括热度和均值；

获取模块，用于获取当前观测的数据；

判断模块，用于判断当前观测不是第一次观测时，对主跟踪链的各模态状态和备份跟踪链的各模态状态进行模型预测，得到主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态；

计算模块，用于根据主跟踪链各模态的预测状态和备份跟踪链各模态的预测状态，计算当前观测数据归属主跟踪链各模态的似然概率、当前观测数据归属备份跟踪链各模态的似然概率、主跟踪链各模态的先验概率以及备份跟踪链各模态的先验概率，并计算当前观测数据归属主跟踪链各模态的后验概率以及当前观测数据归属备份跟踪链各模态的后验概率；

更新模块，用于根据当前观测数据归属主跟踪链各模态的后验概率，更新主跟踪链各模态的状态，根据当前观测数据归属备份跟踪链各模态的后验概率，更新备份跟踪链各模态的状态；

输出模块，用于遍历更新后主跟踪链的各模态状态以及更新后备份跟踪链的各模态状态，以热度最大的模态对应的均值作为当前观测的跟踪信息并输出。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

Images