用分段自适应KALMAN滤波提高雷达测速精度的研究.pdfVIP

用分段自适应KALMAN滤波 提高雷达测速精度的研究 陈永东 (太原卫星发射中心·山西太原·030027) 摘要首先分析了某雷达测速中通过平均来提高精度所存在的问题，然后提出 了一种分段自适应卡尔曼滤波算法，给出了合理模型和滤波公式，考虑了初值的 计算方法。然后根据该雷达指标进行了仿真，证明了这种算法的合理性，分析了 其在该雷达中实现的可行性。结论指出：4Y-l雯自适应卡尔曼滤波算法在该雷达中 可行，大大提高了实时的测速精度，而且这种方法可以推广到其他测控设备中去。 关键词分段自适应卡尔曼滤波；平均；最小二乘法；仿真 1 问题的提出 某雷达作为靶场测控系统重要的设备，主要担负着测量火箭、导弹等飞行器的速度的 任务。它主要是利用雷达与目标的相对位置的移动产生的多普勒频率来对探测目标进行测 速，进而对所关心参数进行辨识。该雷达作为新一代雷达，采用了许多新技术，特别是采 用了当今软件无线电设计所普遍采用的DSP+FPGA的硬件平台架构。但是由于各种外来和 设各自身的不可避免的所带来的噪声的影响，使得雷达测速的精度下降。为了提高精度， 雷达采用了平均的方法，雷达测速为每秒等间隔采样40k帧，每秒实时记录80点，故 差，取其平均值为雷达的瞬时值，这样就出现了在减小随机误差的同时又由于目标速度变 化带来-；N速的系统误差的增大。这样必须通过时间修正来减小系统误差，也就是向前或 1 利用这500个数据，存在很大的弊端。本文就是基于这种处理方法存在的弊端，提出了用 分段自适应卡尔曼(KAIMAN)滤波方法来提高精度的方法。 2分段自适应卡尔曼滤波算法及分析 卡尔曼滤波是一种线性最小方差估计，它采用动力学方程来描述被估计量的动态变化 过程，这个算法是递推的，既适应于平稳过程，又适应于非平稳过程。在经典的卡尔曼滤 波算法中，当测量次数不断增大时，由于描述系统动力学特性的数学模型和噪声统计模型 493 不准确，以及迭代时舍入误差的积累都可能引起滤波发散。因此合理的建模和起始参数的 确定是算法是否可行的关键。本文对此作了深入的研究，提出了一种分段自适应卡尔曼滤 波方法，建立了适用于该雷达对导弹、卫星等飞行器的测量模型。首先通过以上的分析和 事后数据处理结果可知，用平均方法得到的结果可以满足事后处理的要求，这样可以推算 出在12．5ms内飞行器相对于雷达的多普勒速度满足线性变化的要求，只有这样才能用平均 方法来满足要求。虽然飞行器在长时间之内作径向非线性运动，但是在12．5ms内飞行器看 作径向作线性运动客观上也是合理的。因此在12．5ms内信号模型可以表示为：Xn-at。+b， 为采样间隔，也就是V40k(s)。在离散模型中，At=-I，因此速度的系统模型为： x(k+1)=x(k卜a (1) z时1)=)【耐1)+e@) (2) 普勒的测量值与真实值之间的差别的标准均方差。由Kalman滤波原理，经过推导，模型 (1)的状态参数(速度)的滤波方程为： x(k+1／k)=x(1c／k)+a (3) v时l应耐1)-x(k+1／k) (4) p时1／k)=p(k／k) (5) K(k+1)=p(1【+1／k)／(p(k+l瓜)+R∞) (6) (7) x(1(+1／l(+1)=Ⅸ(1(+1瓜)+K(1(+1)v@+1)