基于UKF的机动目标跟踪处理方法

摘要:提出了基于UKF的机动目标跟踪处理方法,能有效抑制动力学模型非线性和观测模型非线性带来的模型误差。和传统EKF滤波方法相比,该方法不仅避免了截断误差造成的滤波发散,而且避免了求解雅克比矩阵,简化计算流程,可以模块化处理,非常适合工程实现。仿真实验表明,当目标呈现明显非线性特征并且大机动运动时,该方法可以有效确定目标轨迹,实现高精度目标跟踪。

关键词:机动目标跟踪UKF 非线性模型

机动目标跟踪处理是从传感器对机动目标跟踪测量的数据中提取目标状态特征信息的过程。对线性运动模型而言,传统的卡尔曼滤波可以获得最优估计。但当目标运行轨迹呈现明显非线性性时,传感器测控信息将包含有非线性目标信息从而会形成明显的非线性特征,经过非线性变换的加性误差将变换成乘性误差,从而进一步影响目标特性提取精度。尤其对于大机动目标跟踪而言,强非线性会使得测量模型曲率变大,形成模型误差。在机动目标跟踪技术中,模型误差成为制约精度提高的关键之一[1～2]。传统的线性化求解方式将截断误差会传播扩大到模型求解中,从而难以获得目标轨迹的精确解,甚至造成滤波发散。

本文提出了一种基于UKF的机动目标跟踪方法,对状态模型和测量模型采用UT变换,从而求取非线性变换的转移矩阵,保证了非线性