卡尔曼滤波器的应用.pptxVIP

2.5.1卡尔曼滤波器在雷达跟踪系统中的应用; 另设目标的径向加速度和方位角加速度为 和 , 则经过 秒后, 目标的径向速度和方位角速度的变化量分别为 (2.5.21a) 或 (2.5.21b) 径向速度和方位角速度的变化通常是由于大气扰动或发动机引擎拉力 瞬时变化引起的. 下面的分析中, 假定 和 都是零均值平稳白噪声, 即满足 和 的方差分别为 ，;2.卡尔曼滤波信号模型的状态方程 引入状态变量: , , 于是式(2.5.20)和(2.5.21)表示的四个方程可表示为 (2.5.22) (2.5.23) (2.5.24) (2.5.25) 写成矩阵形式;由此得到卡尔曼滤波信号模型的状态方程 (2.5.26) 其中 (2.5.27) (2.5.28) (2.5.29) 的自相关函数 (2.5.30) ;3.量测方程 设雷达天线每 秒旋转一周, 并对目标的距离和方位角进行一次测量, 测量噪声(即距离和方位角观测偏差)分别用 和 表示,得到测量 方程为 (2.5.31) (2.5.32) 其中, 和 是零均值高斯白噪声,方差分别为 和 . 以上二式给出距离和方位角的估计值. 写成矢量矩阵形式 (2.5.33) 其中 (2.5.34) (2.5.35) (2.5.36) 由式(2.5.35)可求出 的自相关函数; (2.5.37) 4.卡尔曼滤波 按以下矢量卡尔曼滤波递推公式进行迭代运算: (2.5.38a) (2.5.38c) (2.5.38b) (2.5.38d) 为了进行卡尔曼滤波, 需要确定加权系数矩阵 的初值.为此,应采 用适当方法先确定均方误差矢量 的初始值. 根据雷达接收到的相邻两个回波脉冲, 可以测得目标在初始时刻 和 的四个数据: 距离观测数据: 和 ; 方位角观测数据: 和 . ;为求误差矢量初值 , 需分别计算 和 , 故先作如下估计: (2.5.39) 由测量方程[式(2.5.33)]可得 (2.5.40) (2.5.41);将以上二式结果代入式(2.5.39), 得 (2.5.42) 另由状态方程[式(2.5.26)], 并考虑到式(2.5.22)和(2.5.24), 得 (2.5.43) ;因此, 由上式, 可根据定义确定均方误差 的初始值为 其中, 和 通常是给定的, 因而可计算 值. 为了得到 值, 需 指定 和 的方差 和 . ; 为简单起见, 假定在各个方向上, 加速度 [包括径向加速度 和方 位角加速度 ]服从均匀分布, 在 范围内, 其概率密度函数 因此, 加速度方差 由于 ; ,于是可求得 ， ;5.举例 设 km, 雷达天线旋转同期 s,目标最大加速度 2.1m/s2. 雷达测距误差均方根值等于1 km, ? =10m; 雷达方位角测量误差均 方根值等于 或0.017弧度. 由 和 可算出矩阵 ; 由 可算出: ， 一.迭代计算 , 和 : （1）求得 的初始值: （2）由 计算 : ; （3）由 计算 : （4）由 和 计算 : 再返回步骤(2),确良迭代计算下一时刻的 , ? 二.迭代计算 :; 如图2.5.3所示, 当给定 的初始值后, 根据不断测得的观 测数据 ,利用上面迭代计算得到的 , 迭代计算 :