›› 2017, Vol. 37 ›› Issue (1): 26-32.doi: 10.16708/j.cnki.1000-758X.2017.0010

• 研究探讨 • 上一篇    下一篇

自适应空间机动目标跟踪算法

 林浩申, 刘刚*, 何兵   

  1. 火箭军工程大学,西安710025
  • 收稿日期:2016-05-04 修回日期:2016-07-28 出版日期:2017-02-25 发布日期:2016-11-24
  • 作者简介:林浩申(1992-),男,硕士研究生,linhaoshen1@163.com,研究方向为信息融合与目标跟踪 *通讯作者:刘刚(1964-),男,教授,pdh_0818@163.com,研究方向为导航制导与控制
  • 基金资助:

    国家自然科学基金“基于量子生物地理优化的低空UAV编队在线协同航迹规划方法研究”(61403399)

Alocalizationalgorithmforadaptivemaneuveringspatialtargets

 LIN  Hao-Shen, LIU  Gang*, HE  Bing   

  1. RocketForceUniversityofEngineering,Xi′an710025,China
  • Received:2016-05-04 Revised:2016-07-28 Online:2017-02-25 Published:2016-11-24

摘要: 在空间目标跟踪问题中,目标机动导致的模型不匹配问题会导致滤波算法出现滞后现象。为了对空间机动目标进行快速跟踪,在平方根容积卡尔曼滤波〖(SquarerootCubatureKalmanFilter,SCKF)的基础上,引入强跟踪滤波(StrongTrackingFilter,STF)的思想,推导得到了次优渐消因子在SCKF中的等价描述。并通过建立以矩匹配方法为基础的自适应机制,设计了兼顾滤波精确性和鲁棒性的自适应强跟踪平方根容积卡尔曼滤波(AdaptiveStrongTrackingSquarerootCubatureKalmanFilter,ASTSCKF)算法。仿真结果表明,在目标机动前,AST-SCKF算法和SCKF算法的位置收敛精度相差不足1%;在目标机动后,AST-SCKF算法的位置和速度的收敛精度相对SCKF算法分别提高了95.19%和30.50%,同时,其收敛速度相对SCKF算法分别提高了57.20%和24.68%。

关键词: 空间目标定位, 机动目标, 仅测角, 自适应滤波, 容积卡尔曼滤波, 强跟踪滤波, 渐消因子, 机动检测

Abstract: Inthespacetargettrackingproblem,themodelmismatchcausedbytargetmaneuveringleadstoserious    hysteresis.Inordertotrackspatialtargetfaster,thesuboptimalfadingparameterofstrongtrackingfilter(STF)wasintroducedinsquarerootcubatureKalmanfilter(SCKF),andtheequivalentformwasderived.Onthebasisofmaneuveringdetection,anadaptivestrongtrackingsquarerootcubatureKalmanfilter(AST-SCKF)whichcombinedtheaccuracyandrobustnesswasdesigned.Theresultsofsimulationshowthatthedifferenceinpositionalaccuracybetweentwoalgorithmsislessthan1%beforethemaneuvering,butafterthemaneuvering,itturnsoutthattheconvergenceaccuracyoftheAST-SCKFwas95.19%higherinpositionand30.50%fasterinvelocity.Meanwhile,theconvergencespeedofAST-SCKFwas57.20%and24.68%fasterthanSCKFintermsofpositionandvelocityrespectively.

Key words: spatialtargetlocalization, maneuveringtarget, bearingonly, adaptivefilter, cubatureKalmanfilter, strongtrackingfilter, suboptimalfadingparameter, maneuveringdetection