CN105738870B - 一种多模滤波方法 - Google Patents
一种多模滤波方法 Download PDFInfo
- Publication number
- CN105738870B CN105738870B CN201410749781.4A CN201410749781A CN105738870B CN 105738870 B CN105738870 B CN 105738870B CN 201410749781 A CN201410749781 A CN 201410749781A CN 105738870 B CN105738870 B CN 105738870B
- Authority
- CN
- China
- Prior art keywords
- mrow
- value
- filtering
- mtr
- mtd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000013213 extrapolation Methods 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 230000006641 stabilisation Effects 0.000 claims description 3
- 238000011105 stabilization Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 abstract description 2
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000009189 diving Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种多模滤波方法,包括:接收探测数据;滤波器进行剔点判断,若有剔点标识,进行滤波器复位判断,若无剔点标识,计算α‑β滤波的输出值以及α‑β‑γ滤波的输出值,通过机动识别判断机动标识是否为真,若机动标识为真,输出为α‑β‑γ滤波的输出值,若机动标识为假,则判断前一观测时刻的机动标识是否为真,若前一观测时刻的机动标识为真,输出为α‑β‑γ滤波的输出值,若前一观测时刻的机动标识为假,输出为α‑β滤波的输出值。多模滤波方法采用α‑β滤波和α‑β‑γ滤波同步并行计算的基础结构,两种滤波器的观测积累窗口大小不同,适用于非机动和机动目标两种情况,根据机动识别结果,实时切换滤波器的输出,可以准确高效地计算目标位置。
Description
技术领域
本发明涉及防空导弹武器***火控领域,特别涉及一种多模滤波方法 。
背景技术
机动目标模型是机动目标跟踪理论的基本要素之一,任何目标跟踪都是以某个或某些运动模型为基础来展开研究的,而物体的动态模型则以各种几何运动规律(如直线运动、曲线运动)为基础。牛顿定律是描述目标运动规律的基础。在建立机动目标模型时,一般的原则是所建立的模型既要符合机动实际,又要便于数学处理。当目标作非机动运动时,这种运动模型容易建立,但对于机动运动目标,理想的建模变得十分困难,因为在大多数情况下,对目标机动的先验知识了解很少,而机动过程由于有人为作用力的影响,很难用数学表达式准确,只能在各种假设条件下,用近似方法寻求最为合适和真实的统计描述。
发明内容
本发明的目的在于提供一种多模滤波方法,以解决在干扰条件下如何通过多模切换滤波得到大俯冲、大机动目标的三维位置的问题。
为了解决上述技术问题,本发明的技术方案是:提供一种多模滤波方法,包括:接收探测数据;滤波器进行剔点判断,若有剔点标识,进行滤波器复位判断,若无剔点标识,计算α-β滤波的输出值以及α-β-γ滤波的输出值,所述滤波器复位判断包括:无复位标识,判断上周期目标机动标识是否为真,若为真,则计算α-β-γ外推值,若为假,计算α-β外推值,并分别输出本周期武控输出的目标位置及时间;有复位标识,则滤波器复位;通过机动识别判断机动标识是否为真,若机动标识为真,输出为α-β-γ滤波的输出值,若机动标识为假,则判断前一观测时刻的机动标识是否为真,若前一观测时刻的机动标识为真,输出为α-β-γ滤波的输出值,若前一观测时刻的机动标识为假,输出为α-β滤波的输出值。
进一步地,机动识别包括:作第一新息计算:当前周期的目标观测值与前一周期对当前周期的α-β预测值差的绝对值;判断第一新息是否大于机动阈值,若大于机动阈值,则作第二新息计算:前两个周期目标观测值与前两个周期对当前周期的α-β预测值差的绝对值;判断第二新息是否大于机动阈值,若大于机动阈值,输出对应方向机动标识;若第一新息或第二新息小于机动阈值,判断当前观测值是否为垂直方向,若为垂直方向,判断前一周期对当前周期的α-β速度值是否大于速度阈值,若大于速度阈值,则判断前一周期的α-β速度值是否大于速度阈值,若大于速度阈值,则输出垂直方向机动标识;若当前观测值不是垂直方向或前一周期对当前周期的α-β速度值小于速度阈值,则输出非机动标识。
进一步地,所述α-β滤波为6点滤波,对应的系数值为α=0.52,β=0.14。
进一步地,所述α-β-γ滤波为3点滤波,对应的系数值为α=1,β=0.66,γ=0.1。
进一步地,α-β滤波的输出值、α-β外推值、第一新息计算为:当时:
,当 时:
α-β外推值计算:
新息计算:
α-β滤波的输出值计算:
式中:
其中,为有效数据累计点数,为探测数据输入值,为位置预测值,为位置滤波值,为速度预测值,为速度滤波值,为前后两点数据对应时刻的时间差,为观察区间的点数,当时,取,当并且目标类型不是直升机时,如果连续3次α-β滤波的位置预测值与对应雷达测量值的差大于等于机动判断阈值,置相应方向的机动标志为真, 当并且目标类型不是直升机时,且不满足机动识别条件判据时,置相应方向的机动标志为假。
进一步地,α-β-γ滤波的输出值、α-β-γ外推值、第一新息计算为:
当时:
当 时:
α-β-γ外推值计算:
第一新息计算:
α-β-γ滤波的输出值计算:
式中:
其中, 为有效数据累计点数,为输入值, 为位置预测值,为位置滤波值,为速度预测值,为速度滤波值,为加速度预测值,为加速度滤波值,为前后两点数据对应时刻的时间差,为观察区间的点数,当时,取,当并且目标类型不是直升机时,如果连续3次α-β滤波的位置预测值与对应雷达测量值的差大于等于机动判断阈值,置相应方向的机动标志为真, 当并且目标类型不是直升机时,且不满足机动识别条件判据时,置相应方向的机动标志为假。
进一步地,对实时接收的目标信息进行滤波,在滤波点后进行剔点处理,其中为滤波器稳定所需点数:
当或或时:
输出采用外推值,否则输出采用滤波输出值;
,,
其中、、为剔点阈值;t为数据源采样周期。
进一步地,当连续剔点次数大于等于时,目标参数滤波器复位,其中,为判断滤波器不稳定所需要的点数。
进一步地,累计剔点数为5个时,滤波器复位。
进一步地,接收探测数据包括以下步骤:本周期是否收到新探测数据;若收到新探测数据,将本周期探测到目标位置的时间与上周期武控输出目标位置的时间差的绝对值输入数据频率检验,判断数据频率是否在门限范围内,若在门限范围内,表示探测到目标位置,并进行滤波器剔点判断,若不在门限范围内,丢弃当前输入;若没有收到新探测数据,则判断上周期目标机动标识是否为真。
本发明提供的多模滤波方法,可应用于机动目标在发生诸如大俯冲、蛇形机动等机动情况下的目标位置计算,为实时导弹发射提供可用的目标三维引导信息。多模滤波方法采用α-β滤波和α-β-γ滤波同步并行计算的基础结构,两种滤波器的观测积累窗口大小不同,适用于非机动和机动目标两种情况,根据机动识别结果,实时切换滤波器的输出,可以准确高效地计算目标位置。本发明提供的多模滤波方法分为机动识别与滤波器切换输出两部分,其它型号可直接使用该方法,通用性良好,能够有效的节约研制经费和人力资源成本,可满足不同导弹武器***对机动目标运动参数实时解算的要求。
附图说明
下面结合附图对发明作进一步说明:
图1为本发明实施例提供的多模滤波器切换输出的流程结构示意图;
图2为本发明实施例提供的机动目标识别流程结构示意图。
具体实施方式
以下结合附图和具体实施例对本发明提出的一种多模滤波方法作进一步详细说明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比率,仅用以方便、明晰地辅助说明本发明实施例的目的。
本发明的核心思想在于,本发明提供的多模滤波方法,可应用于机动目标在发生诸如大俯冲、蛇形机动等机动情况下的目标位置计算,为实时导弹发射提供可用的目标三维引导信息。多模滤波方法采用α-β滤波和α-β-γ滤波同步并行计算的基础结构,两种滤波器的观测积累窗口大小不同,适用于非机动和机动目标两种情况,根据机动识别结果,实时切换滤波器的输出,可以准确高效地计算目标位置。本发明提供的多模滤波方法分为机动识别与滤波器切换输出两部分,其它型号可直接使用该方法,通用性良好,能够有效的节约研制经费和人力资源成本,可满足不同导弹武器***对机动目标运动参数实时解算的要求。
图1为本发明实施例提供的多模滤波器切换输出的流程结构示意图。参照图1,一种多模滤波方法,包括:接收探测数据;滤波器进行剔点判断,若有剔点标识,进行滤波器复位判断,若无剔点标识,计算α-β滤波的输出值以及α-β-γ滤波的输出值,所述滤波器复位判断包括:无复位标识,判断上周期目标机动标识是否为真,若为真,则计算α-β-γ外推值,若为假,计算α-β外推值,并分别输出本周期武控输出的目标位置及时间;有复位标识,则滤波器复位;通过机动识别判断机动标识是否为真,若机动标识为真,输出为α-β-γ滤波的输出值,若机动标识为假,则判断前一观测时刻的机动标识是否为真,若前一观测时刻的机动标识为真,输出为α-β-γ滤波的输出值,若前一观测时刻的机动标识为假,输出为α-β滤波的输出值。
在本实施例中,接收探测数据包括:本周期是否收到新探测数据;若收到新探测数据,将本周期探测到目标位置的时间与上周期武控输出目标位置的时间差的绝对值输入数据频率检验,判断数据频率是否在门限范围内,若在门限范围内,表示探测到目标位置,并进行滤波器剔点判断,若不在门限范围内,丢弃当前输入;若没有收到新探测数据,则判断上周期目标机动标识是否为真。所述门限范围为数据频率的。
图2为本发明实施例提供的机动目标识别流程结构示意图。参照图2,机动识别包括:作第一新息计算:当前周期的目标观测值与前一周期对当前周期的α-β预测值差的绝对值;判断第一新息是否大于机动阈值,若大于机动阈值,则作第二新息计算:前两个周期目标观测值与前两个周期对当前周期的α-β预测值差的绝对值;判断第二新息是否大于机动阈值,若大于机动阈值,输出对应方向机动标识;若第一新息或第二新息小于机动阈值,判断当前观测值是否为垂直方向,若为垂直方向,判断前一周期对当前周期的α-β速度值是否大于速度阈值,若大于速度阈值,则判断前一周期的α-β速度值是否大于速度阈值,若大于速度阈值,则输出垂直方向机动标识;若当前观测值不是垂直方向或前一周期对当前周期的α-β速度值小于速度阈值,则输出非机动标识。
各方向滤波过程中分别进行机动识别:当判断目标维持非机动状态时,采用α-β滤波器输出的滤波值,并以此滤波值外推发送修正指令;当目标由非机动状态转为机动状态时,在同识别周期内即采用α-β-γ滤波器输出的滤波值,并以此滤波值往后外推发送修正指令;当判断目标维持机动状态时,采用α-β-γ滤波器输出的滤波值,并以此滤波值外推发送修正指令;当目标由机动状态转为非机动状态,且连续维持一个周期的非机动状态时,采用α-β滤波器输出的滤波值,并以此滤波值往后外推发送修正指令。根据α-β滤波的直线外推位置,同目标的实时观测位置进行比较,采用多周期积累判断的方式对目标的机动状态做出识别。
在本实施例中,滤波器采用α-β滤波器和α-β-γ滤波器并行计算、切换输出的方式工作。α-β滤波器采用6点滤波,对应的系数值α=0.52,β=0.14;α-β-γ滤波器采用3点滤波,对应的系数值α=1,β=0.66,γ=0.1。
α-β滤波的输出值、α-β外推值、第一新息计算为:
当时:
当 时:
α-β外推值计算:
新息计算:
α-β滤波的输出值计算:
式中:
其中,为有效数据累计点数,为探测数据输入值,为位置预测值,为位置滤波值,为速度预测值,为速度滤波值,为前后两点数据对应时刻的时间差,为观察区间的点数,当时,取,当并且目标类型不是直升机时,如果连续3次α-β滤波的位置预测值与对应雷达测量值的差大于等于机动判断阈值,置相应方向的机动标志为真, 当并且目标类型不是直升机时,且不满足机动识别条件判据时,置相应方向的机动标志为假。
α-β-γ滤波的输出值、α-β-γ外推值、第一新息计算为:
当时:
当 时:
α-β-γ外推值计算:
第一新息计算:
α-β-γ滤波的输出值计算:
式中:
其中, 为有效数据累计点数,为输入值, 为位置预测值,为位置滤波值,为速度预测值,为速度滤波值,为加速度预测值,为加速度滤波值,为前后两点数据对应时刻的时间差,为观察区间的点数,当时,取,当并且目标类型不是直升机时,如果连续3次α-β滤波的位置预测值与对应雷达测量值的差大于等于机动判断阈值,置相应方向的机动标志为真, 当并且目标类型不是直升机时,且不满足机动识别条件判据时,置相应方向的机动标志为假。
α-β-γ滤波的输出值、α-β-γ外推值、第一新息计算为:
当时:
当 时:
α-β-γ外推值计算:
第一新息计算:
α-β-γ滤波的输出值计算:
式中:
其中, 为有效数据累计点数,为输入值, 为位置预测值,为位置滤波值,为速度预测值,为速度滤波值,为加速度预测值,为加速度滤波值,为前后两点数据对应时刻的时间差,为观察区间的点数,当时,取,当并且目标类型不是直升机时,如果连续3次α-β滤波的位置预测值与对应雷达测量值的差大于等于机动判断阈值,置相应方向的机动标志为真, 当并且目标类型不是直升机时,且不满足机动识别条件判据时,置相应方向的机动标志为假。
对实时接收的目标信息进行滤波,在滤波点后进行剔点处理,其中为滤波器稳定所需点数:
当 或或 时:
输出采用外推值,否则输出采用滤波输出值;
,,
其中、、为剔点阈值;t为数据源采样周期。
当连续剔点次数大于等于时,目标参数滤波器复位,其中,为判断滤波器不稳定所需要的点数。
在本实施例中,累计剔点数为5个时,滤波器复位。
目标进入机动识别,当并且目标类型不是直升机时,如果连续3次α-β滤波的位置预测值与对应雷达测量值的差大于等于机动判断阈值,就认为该方向满足机动准则,置相应方向的机动标志为真。
以X方向为例,若连续3次输入数据满足 ,则置。其中,为α-β滤波的预测值;为探测数据输入值;为三方向进入机动的阙值,其中,。
此外,在垂直方向,增加一个判断依据,当目标连续2次的垂直方向滤波速度输出大于等于机动判断阈值,所述阈值为20m/s,就认为垂直方向上满足机动准则,置垂直方向的机动标志为真。
目标退出机动识别,当并且目标类型不是直升机时,且不满足机动识别条件判据时,认为该方向不满足机动准则,置相应方向的机动标志为假。
以X方向为例,若连续3次输入数据满足 ,则置。其中,为α-β滤波的预测值;为探测数据输入值;为三方向进入机动的阙值。
当同一目标有多源探测数据时,必须所有数据源的某方向机动识别均为否,才置该目标该方向的机动识别为否,即退出机动。
目标非机动运动时,当本周期有观测值输入时,输出为α-β滤波的输出值,即
当本周期无观测值输入时,输出值为预测值(外推值),即
其中,为本周期时刻与上个数据采样时刻的时间差,即外推时间。
目标机动运动时,当本周期有观测值输入时,输出为α-β-γ滤波的输出值,即
当本周期无观测值输入时,输出值为预测值(外推值),即
其中,为本周期时刻与上个数据采样时刻的时间差,即外推时间。
显然,本领域的技术人员可以对本发明进行各种改动和变形而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种多模滤波方法,其特征在于,包括:
接收探测数据;
滤波器进行剔点判断,若有剔点标识,进行滤波器复位判断,若无剔点标识,计算α-β滤波的输出值以及α-β-γ滤波的输出值,所述滤波器复位判断包括:无复位标识,判断上周期目标机动标识是否为真,若为真,则计算α-β-γ外推值,若为假,计算α-β外推值,并分别输出本周期武控输出的目标位置及时间;有复位标识,则滤波器复位;
通过机动识别判断机动标识是否为真,若机动标识为真,输出为α-β-γ滤波的输出值,若机动标识为假,则判断前一观测时刻的机动标识是否为真,若前一观测时刻的机动标识为真,输出为α-β-γ滤波的输出值,若前一观测时刻的机动标识为假,输出为α-β滤波的输出值;α-β滤波的输出值、α-β外推值、第一新息计算为:
当n=1时:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
当1<n≤Nw时:
α-β外推值计算:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>C</mi>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>=</mo>
<mi>X</mi>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>+</mo>
<mi>V</mi>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>&times;</mo>
<mi>&Delta;</mi>
<mi>t</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>V</mi>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>=</mo>
<mi>V</mi>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
新息计算:
ν(n)=X(n)-X(n|n-1)
α-β滤波的输出值计算:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&alpha;</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mi>&upsi;</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mrow>
<mi>&beta;</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>&times;</mo>
<mi>&upsi;</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中:
其中,n为有效数据累计点数,X(n)、V(n)为探测数据输入值,X(n|n-1)为位置预测值,X(n|n)为位置滤波值,V(n|n-1)为速度预测值,V(n|n)为速度滤波值,Δt为前后两点数据对应时刻的时间差,Nw为观察区间的点数,当n>Nw时,取n=Nw,当n>Nw并且目标类型不是直升机时,如果连续3次α-β滤波的位置预测值与对应雷达测量值的差大于等于机动判断阈值,置相应方向的机动标志为真,当n>Nw并且目标类型不是直升机时,且不满足机动识别条件判据时,置相应方向的机动标志为假。
2.如权利要求1所述的多模滤波方法,其特征在于,机动识别包括:
作第一新息计算:当前周期的目标观测值与前一周期对当前周期的α-β预测值差的绝对值;判断第一新息是否大于机动阈值,若大于机动阈值,则作第二新息计算:前两个周期目标观测值与前两个周期对当前周期的α-β预测值差的绝对值;
判断第二新息是否大于机动阈值,若大于机动阈值,输出对应方向机动标识;
若第一新息或第二新息小于机动阈值,判断当前观测值是否为垂直方向,若为垂直方向,判断前一周期对当前周期的α-β速度值是否大于速度阈值,若大于速度阈值,则判断前一周期的α-β速度值是否大于速度阈值,若大于速度阈值,则输出垂直方向机动标识;若当前观测值不是垂直方向或前一周期对当前周期的α-β速度值小于速度阈值,则输出非机动标识。
3.如权利要求1所述的多模滤波方法,其特征在于,所述α-β滤波为6点滤波,对应的系数值为α=0.52,β=0.14。
4.如权利要求1所述的多模滤波方法,其特征在于,所述α-β-γ滤波为3点滤波,对应的系数值为α=1,β=0.66,γ=0.1。
5.如权利要求1或2所述的多模滤波方法,其特征在于,α-β-γ滤波的输出值、α-β-γ外推值、第一新息计算为:
当n=1时:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
当1<n≤Nw时:
α-β-γ外推值计算:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mo>&times;</mo>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msup>
<mi>&Delta;t</mi>
<mn>2</mn>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
第一新息计算:
v(n)=X(n)-X(n|n-1)
α-β-γ滤波的输出值计算:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>X</mi>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>)</mo>
<mo>=</mo>
<mi>X</mi>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>+</mo>
<mi>&alpha;</mi>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
<mo>&times;</mo>
<mi>&upsi;</mi>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>V</mi>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>)</mo>
<mo>=</mo>
<mi>V</mi>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>+</mo>
<mfrac>
<mrow>
<mi>&beta;</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>&times;</mo>
<mi>&upsi;</mi>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>a</mi>
<mo>(</mo>
<mi>x</mi>
<mo>|</mo>
<mi>x</mi>
<mo>)</mo>
<mo>=</mo>
<mi>a</mi>
<mo>(</mo>
<mi>n</mi>
<mo>|</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>+</mo>
<mfrac>
<mrow>
<mi>&gamma;</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>&Delta;t</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>&times;</mo>
<mi>&upsi;</mi>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
式中:
其中,n为有效数据累计点数,X(n)为输入值,X(n|n-1)为位置预测值,X(n|n)为位置滤波值,V(n|n-1)为速度预测值,V(n|n)为速度滤波值,a(n|n-1)为加速度预测值,a(n|n)为加速度滤波值,Δt为前后两点数据对应时刻的时间差,Nw为观察区间的点数,当n>Nw时,取n=Nw,当n>Nw并且目标类型不是直升机时,如果连续3次α-β滤波的位置预测值与对应雷达测量值的差大于等于机动判断阈值,置相应方向的机动标志为真,当n>Nw并且目标类型不是直升机时,且不满足机动识别条件判据时,置相应方向的机动标志为假。
6.如权利要求1或2所述的多模滤波方法,其特征在于,对实时接收的目标信息进行滤波,在滤波Np点后进行剔点处理,其中Np为滤波器稳定所需点数:
当|X(n)-X(n|n-1)|>δX或|Y(n)-Y(n|n-1)|>δY或|Z(n)-Z(n|n-1)|>δZ时:
输出采用外推值,否则输出采用滤波输出值;
X(n|n)=X(n|n-1)Y(n|n)=Y(n|n-1)Z(n|n)=Z(n|n-1)
其中δX、δY、δZ为剔点阈值;t为数据源采样周期。
7.如权利要求1或2所述的多模滤波方法,其特征在于,当连续剔点次数大于等于Nrst时,目标参数滤波器复位,其中,Nrst为判断滤波器不稳定所需要的点数。
8.如权利要求1所述的多模滤波方法,其特征在于,累计剔点数为5个时,滤波器复位。
9.如权利要求1所述的多模滤波方法,其特征在于,接收探测数据包括以下步骤:
本周期是否收到新探测数据;
若收到新探测数据,将本周期探测到目标位置的时间与上周期武控输出目标位置的时间差的绝对值输入数据频率检验,判断数据频率是否在门限范围内,若在门限范围内,表示探测到目标位置,并进行滤波器剔点判断,若不在门限范围内,丢弃当前输入;
若没有收到新探测数据,则判断上周期目标机动标识是否为真。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410749781.4A CN105738870B (zh) | 2014-12-10 | 2014-12-10 | 一种多模滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410749781.4A CN105738870B (zh) | 2014-12-10 | 2014-12-10 | 一种多模滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105738870A CN105738870A (zh) | 2016-07-06 |
CN105738870B true CN105738870B (zh) | 2018-03-30 |
Family
ID=56238350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410749781.4A Active CN105738870B (zh) | 2014-12-10 | 2014-12-10 | 一种多模滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105738870B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106772274B (zh) * | 2016-12-02 | 2019-04-26 | 上海无线电设备研究所 | 一种基于α-β滤波的AGC跳变检测方法 |
CN109242881B (zh) * | 2018-08-13 | 2021-06-11 | 上海机电工程研究所 | 数据的目标机动识别方法、***及计算机可读存储介质 |
CN110596695B (zh) * | 2019-10-14 | 2023-05-05 | 上海机电工程研究所 | 基于跟踪滤波信息的目标机动识别使用方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0483914B1 (fr) * | 1990-10-30 | 1997-08-13 | Laboratoires D'electronique Philips S.A.S. | Dispositif de détection sélective d'objet mobile |
CN101173987A (zh) * | 2007-10-31 | 2008-05-07 | 北京航空航天大学 | 多模多目标精密跟踪装置和方法 |
CN102116876A (zh) * | 2011-01-14 | 2011-07-06 | 中国科学院上海技术物理研究所 | 基于轨迹编目模型的空间点目标天基探测方法 |
CN103679128A (zh) * | 2012-09-24 | 2014-03-26 | 中国航天科工集团第二研究院二O七所 | 一种抗云层干扰的飞机目标检测方法 |
-
2014
- 2014-12-10 CN CN201410749781.4A patent/CN105738870B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0483914B1 (fr) * | 1990-10-30 | 1997-08-13 | Laboratoires D'electronique Philips S.A.S. | Dispositif de détection sélective d'objet mobile |
CN101173987A (zh) * | 2007-10-31 | 2008-05-07 | 北京航空航天大学 | 多模多目标精密跟踪装置和方法 |
CN102116876A (zh) * | 2011-01-14 | 2011-07-06 | 中国科学院上海技术物理研究所 | 基于轨迹编目模型的空间点目标天基探测方法 |
CN103679128A (zh) * | 2012-09-24 | 2014-03-26 | 中国航天科工集团第二研究院二O七所 | 一种抗云层干扰的飞机目标检测方法 |
Non-Patent Citations (1)
Title |
---|
末敏弹***的目标识别;黄忠华;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技刊》;20020616;第19-21页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105738870A (zh) | 2016-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107253196B (zh) | 一种机械臂碰撞检测方法、装置、设备及存储介质 | |
EP2709064B1 (en) | Image processing to derive movement characteristics for a plurality of queue objects | |
CN104994539B (zh) | 一种基于arima模型的无线传感器网络流量异常检测方法 | |
CN105738870B (zh) | 一种多模滤波方法 | |
WO2016155241A1 (zh) | 基于Kalman滤波器的容量预测方法、***和计算机设备 | |
CN111798487B (zh) | 目标跟踪方法、装置和计算机可读存储介质 | |
CN104034733A (zh) | 基于双目视觉监测与表面裂纹图像识别的寿命预测方法 | |
EP3164786B1 (en) | Apparatus and method for determining an intended target | |
US9727978B2 (en) | Method for extracting outer space feature information from spatial geometric data | |
CN104732559B (zh) | 一种基于rgb‑d数据的多目标检测与跟踪方法 | |
CN106291498B (zh) | 一种基于粒子滤波的检测跟踪联合优化方法 | |
JP2014089686A (ja) | 車速度推定装置及び方法 | |
CN112597877A (zh) | 一种基于深度学习的厂区人员异常行为检测方法 | |
CN107479714A (zh) | 内容切换显示方法、装置及机器人 | |
Meshram et al. | Traffic surveillance by counting and classification of vehicles from video using image processing | |
CN111402287A (zh) | 用于活动序列的标准化评估的***和方法 | |
CN117471565A (zh) | 一种智能机器人水下检测方法、***及介质 | |
CN102496029B (zh) | 空间碎片身份识别方法 | |
CN105308569A (zh) | 用于将具可变运行时间的运算整合至时间受控的架构中的方法 | |
CN104596520B (zh) | 一种基于半长轴滤波值连续性的航天器轨道机动检测方法 | |
CN116400639B (zh) | 一种plc采集数据智能清洗方法及*** | |
CN104463905A (zh) | 施工现场车辆监控方法 | |
JPH04109341A (ja) | 計算機システムの状態表示方法 | |
CN107176433B (zh) | 物品传送辅助*** | |
CN109242881B (zh) | 数据的目标机动识别方法、***及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |