多普勒雷达序贯平滑变结构滤波方法及装置与流程

1.本技术实施例涉及雷达数据处理技术领域，具体而言，涉及一种多普勒雷达序贯平滑变结构滤波方法及装置。


背景技术：

2.雷达目标跟踪装置，是利用雷达回波中包含的目标距离、方位角、多普勒频偏等信息，对目标数量和位置、速度、加速度等运动状态进行持续有效的估计的装置，广泛应用于自动驾驶、空中交通管制、气象监测、安防、国防军事等领域，其中，多普勒雷达可以观测目标运动的径向速度信息，进而在雷达目标状态估计环节增加有效信息维度，大幅提高目标跟踪性能。
3.多普勒雷达的目标跟踪算法或装置需要建立雷达观测模型和目标状态转移模型，但由于多普勒雷达的观测模型是高度非线性的观测模型，而高度非线性模型会造成常用的雷达跟踪方法经常使用的滤波器，如卡尔曼滤波器(kf)等产生较大的非线性估计误差，甚至导致滤波发散；同时，多普勒雷达的目标状态转移模型具有不确定性，而传统贝叶斯滤波方法，包括卡尔曼滤波器(kf)等，均依赖于对目标运动模型的精确描述，如果目标状态转移模型和真实目标的运动模型偏差较大，例如目标发生强机动运动，会导致跟踪误差急剧增大、甚至滤波发散丢失目标。
4.为了解决多普勒雷达非线性观测模型带来的误差，在多普勒雷达应用时也会应用一系列非线性滤波方法，包括扩展卡尔曼滤波(ekf)，不敏卡尔曼滤波(ukf)以及粒子滤波(pf)，还包括估计精度高、计算复杂度低的序贯卡尔曼滤波(skf)方法，但这些传统的贝叶斯方法，包括序贯卡尔曼滤波器及其大量的改进形式，虽然可以减小非线性误差，却不能解决目标状态转移模型的不确定性问题。
5.为了解决多普勒雷达的目标状态转移模型的不确定性问题，常采用包括鲁棒卡尔曼滤波、h-infinite滤波，以及近年来备受关注的平滑变结构滤波(svsf)，平滑变结构滤波(svsf)是一种模型不确定条件下的鲁棒滤波方法，能够保证状态估计误差的有界性，同时具有较低的计算复杂度；但是，标准的平滑变结构滤波方法要求线性的观测模型和满秩的观测矩阵，从而实现目标状态空间到观测空间的双射映射。由于多普勒雷达的观测模型是非线性的，因此为了解决非线性观测模型问题，也试图用雅克比矩阵代替非线性函数代入标准平滑变结构滤波器结构，但这又会引入新的欠定矩阵求逆的难题，从而导致目标速度的估计误差很大，因此，平滑变结构滤波方法仍然无法应用于多普勒雷达装置。
6.因此，多普勒雷达的非线性欠定观测模型带来的精度问题与目标的运动模型不确定条件下的鲁棒跟踪问题仍亟待解决。


技术实现要素：

7.本技术实施例提供一种多普勒雷达序贯平滑变结构滤波方法、装置、设备以及存储介质，旨在便于提高多普勒雷达观测目标状态的跟踪精度，同时在目标运动模型不确定
情况下保持鲁棒估计性能。
8.第一方面，本技术实施例提供一种多普勒雷达序贯平滑变结构滤波方法，所述方法包括以下步骤：
9.第一量测转换模块，将当前帧多普勒雷达的非线性的目标位置量测，转换为笛卡尔坐标系下的线性位置量测；
10.第一状态估计器，利用广义平滑变结构滤波器和笛卡尔坐标系下的所述线性位置量测，获得第一级目标状态估计；
11.第二量测转换模块，利用当前帧多普勒雷达的目标径向速度量测构造目标距离-径向速度积伪量测；
12.第二状态估计器，基于所述目标距离-径向速度积伪量测，对所述第一级目标状态估计进行更新，得到当前帧目标最终的后验状态估计。
13.所述第一量测转换模块采用无偏量测转换的方法将多普勒雷达三维球坐标或者二维极坐标下的所述非线性目标位置量测矢量转换为笛卡尔坐标系下的所述线性位置量测矢量，并计算第一转换偏差和第一转换协方差。
14.所述第一状态估计器，利用广义平滑变结构滤波器和笛卡尔坐标系下的所述线性位置量测，获得第一级目标状态估计，包括以下步骤：
15.计算当前帧的目标状态先验估计、雷达量测先验估计和先验状态估计协方差阵；
16.根据所述当前帧的线性位置量测、所述第一转换偏差、所述第一转换协方差以及所述雷达量测先验估计，计算先验位置量测误差；
17.根据所述先验位置量测误差，计算第一新息增益项；
18.根据所述目标状态先验估计、所述先验状态估计协方差阵、所述先验位置量测误差以及所述第一新息增益项，计算当前帧的目标状态后验估计和后验状态估计协方差阵，将所述当前帧的目标状态后验估计和后验状态估计协方差阵作为第一级目标状态估计。
19.所述第二量测转换模块利用多普勒雷达的目标距离量测和目标径向速度量测，构造所述距离-径向速度积伪量测，并采用无偏转换方法计算所述距离-径向速度积伪量测的第二转换偏差、第二转换方差以及第二转换协方差。
20.所述第二状态估计器，基于所述目标距离-径向速度积伪量测，对所述第一级目标状态估计进行更新，得到当前帧目标最终的后验状态估计，包括以下步骤：
21.对所述距离-径向速度积伪量测进行预白化处理，得到预白化伪量测、预白化伪量测的偏差以及预白化伪量测的方差；
22.将所述第一级目标状态估计、所述预白化伪量测、所述预白化伪量测的偏差以及所述预白化伪量测的方差作为输入，构造局部近似的线性最小均方误差估计器，对所述第一级目标状态估计进行更新，得到所述当前帧目标最终的后验状态估计。
23.第二方面，本技术实施例提供一种多普勒雷达序贯平滑变结构滤波装置，所述滤波装置包括第一量测转换模块、第一状态估计器、第二量测转换模块以及第二状态估计器，其中：
24.所述第一量测转换模块，用于将当前帧多普勒雷达的非线性的目标位置量测，转换为笛卡尔坐标系下的线性位置量测；
25.所述第一状态估计器，用于利用广义平滑变结构滤波器和笛卡尔坐标系下的所述
线性位置量测，获得第一级目标状态估计；
26.所述第二量测转换模块，用于利用当前帧多普勒雷达的目标径向速度量测构造目标距离-径向速度积伪量测；
27.所述第二状态估计器，用于基于所述目标距离-径向速度积伪量测，对所述第一级目标状态估计进行更新，得到当前帧目标最终的后验状态估计。
28.所述第一量测转换模块用于采用无偏量测转换的方法将多普勒雷达三维球坐标或者二维极坐标下的所述非线性目标位置量测矢量转换为笛卡尔坐标系下的所述线性位置量测矢量，并计算第一转换偏差和第一转换协方差。
29.所述第一状态估计器包括：
30.第一计算单元，用于计算当前帧的目标状态先验估计、雷达量测先验估计和先验状态估计协方差阵；
31.第二计算单元，用于根据所述当前帧的线性位置量测、所述第一转换偏差、所述第一转换协方差以及所述雷达量测先验估计，计算先验位置量测误差；
32.第三计算单元，用于根据所述先验位置量测误差，计算第一新息增益项；
33.第四计算单元，用于根据所述目标状态先验估计、所述先验状态估计协方差阵、所述先验位置量测误差以及所述第一新息增益项，计算当前帧的目标状态后验估计和后验状态估计协方差阵，将当前帧的目标状态后验估计和后验状态估计协方差阵作为第一级目标状态估计。
34.所述第二量测转换模块利用多普勒雷达的目标距离量测和目标径向速度量测，构造所述距离-径向速度积伪量测，并采用无偏转换方法计算所述距离-径向速度积伪量测的第二转换偏差、第二转换方差以及第二转换协方差。
35.所述第二状态估计器包括：
36.预白化处理单元，用于对所述距离-径向速度积伪量测进行预白化处理，得到预白化伪量测、预白化伪量测的偏差以及预白化伪量测的方差；
37.后验状态估计单元，用于将所述第一级目标状态估计、所述预白化伪量测、所述预白化伪量测的偏差以及所述预白化伪量测的方差作为输入，构造局部近似的线性最小均方误差估计器，对所述第一级目标状态估计进行更新，得到所述当前帧目标最终的后验状态估计。
38.有益效果：
39.本发明所提出的序贯平滑变结构滤波方法具有两方面的优势：
40.第一，本方法具有模型不确定条件下的鲁棒性优势，本方法基于滑模变结构控制理论，可以保证目标运动模型未知条件下的跟踪误差有界性，解决了传统的非线性贝叶斯滤波器(例如卡尔曼滤波器和序贯卡尔曼滤波器等)面对目标状态转移模型存在建模误差时跟踪滤波误差急剧增大、甚至滤波发散的问题。
41.具体而言，首先将多普勒雷达非线性的目标位置量测，转换为笛卡尔坐标系下的线性位置量测，进而可以构造线性形式的广义平滑变结构滤波器，实现对目标状态的鲁棒估计，并通过对输出的第一级目标状态估计进一步更新修正，保证了模型不确定条件下的鲁棒状态估计性能。
42.第二，本方法采用状态空间序贯估计方法，将多普勒雷达的观测矢量分割为两部
分，包括目标位置量测和目标径向速度量测，用这两部分量测分别序贯地更新状态估计，解决了现有的平滑变结构滤波方法面临的多普勒雷达非线性模型、非满秩观测矩阵的欠定问题，进而可以充分利用多普勒雷达的径向速度量测信息有效提高平滑变结构滤波器的目标状态估计精度。
43.具体而言，序贯平滑变结构滤波器解决了标准的平滑变结构滤波器无法利用非线性的多普勒量测的问题，也解决了现有文献的改进平滑变结构滤波器采用雅克比矩阵局部线性化操作时面临的非满秩观测矩阵求逆的欠定性难题。因此，本发明方法相比于现有的平滑变结构滤波方法更有效地利用了多普勒速度信息，从而显著提高了目标状态跟踪的精度。
44.综上所述，本发明方法可以显著提高多普勒雷达目标状态估计的精度，同时保证模型不确定条件下的滤波鲁棒性，具有很好的应用价值。
附图说明
45.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例的描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
46.图1是本技术一个实施例提出的滤波方法的步骤流程图；
47.图2是本技术一个实施例提出的仿真实验中目标机动轨迹图；
48.图3是本技术一个实施例提出的仿真结果的坐标误差随跟踪时间的变化的示意图；
49.图4是本技术一个实施例提出的仿真结果的速度误差随跟踪时间的变化的示意图；
50.图5是本技术一个实施例提出的滤波装置的功能模块图。
具体实施方式
51.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
52.参照图1，示出了本发明实施例中的一种多普勒雷达序贯平滑变结构滤波方法的步骤流程图，本方法应用于多普勒雷达序贯平滑变结构滤波装置，所述滤波装置包括第一量测转换模块、第一状态估计器、第二量测转换模块以及第二状态估计器，所述方法具体可以包括以下步骤：
53.s101：第一量测转换模块，将当前帧多普勒雷达的非线性的目标位置量测，转换为笛卡尔坐标系下的线性位置量测。
54.具体地，设多普勒雷达的扫描周期为t，多普勒雷达的当前帧k对目标状态的量测数据矢量为zm(k)，量测数据包括距离rm(k)，方位角θm(k)，俯仰角和径向速度
55.根据多普勒雷达的量测数据的结构，将当前帧k对目标状态的量测数据矢量为zm(k)分割为目标位置量测与目标径向速度量测，表现形式如下式：
[0056][0057]
式中，是包含距离、方位角和俯仰角的目标位置量测，是目标径向速度量测，k表示多普勒雷达的帧数，k＝1，2，3
……
。
[0058]
根据多普勒雷达的型号种类，可以查看每个量测变量的误差标准差，其中，σr表示距离的观测误差标准差，表示径向速度的观测误差标准差，表示俯仰角的观测误差标准差，σ
θ
表示方位角的观测误差标准差，ρ为距离量测和径向速度量测的噪声相关系数。
[0059]
多普勒雷达获取的目标位置量测是非线性的，第一量测转换模块需要将非线性的目标位置量测转换为笛卡尔坐标系下的线性位置量测。
[0060]
具体地，采用无偏量测转换方法(ucm)，将所述多普勒雷达球坐标系或极坐标系下的所述非线性目标位置量测转换为笛卡尔坐标系下的线性位置量测第一转换偏差μ
p
＝[μ
x
,μy,μz]
t
以及第一协方差r
p
(k)；
[0061]
其中，rm代表距离，θm代表方位角，代表俯仰角，x、y与z为笛卡尔坐标系中三个坐标轴。
[0062]
需要说明的是，本实施例以三维多普勒雷达为例，在其他实施例中，例如对于二维场景可以直接截取有效维度。
[0063]
s102：第一状态估计器，利用广义平滑变结构滤波器和笛卡尔坐标系下的所述线性位置量测，获得第一级目标状态估计。
[0064]
平滑变结构滤波器是一种模型不确定条件下的鲁棒滤波方法，可以保证状态估计误差的有界性，同时具有较低的计算复杂度，但是标准的平滑变结构滤波方法要求线性的观测模型和满秩的观测矩阵，从而实现目标状态空间到观测空间的双射映射，这对于多普勒雷达的非线性量测是无法使用的。本方法将非线性的目标位置量测转换为线性位置量测，从而可以利用广义平滑变结构滤波器进行数据处理，从而保证了模型不确定条件下的鲁棒状态估计性能。
[0065]
第一状态估计器获得第一级目标状态估计，具体包括以下步骤：
[0066]
s1021：计算所述当前帧k的目标状态先验估计、雷达量测先验估计和先验状态估计协方差阵。
[0067]
具体地，目标状态先验估计雷达量测先验估计和先验状态估计协方差阵p
p
(k|k-1)，根据以下公式确定：
[0068][0069][0070][0071]
式中，是状态估计变量，是预设的状态转移矩阵，是预设的控制输入矩阵，u是已知控制输入变量，是观测矩阵，m和n分别表示状
态变量和观测变量的维度，q和γ是过程噪声协方差及其系数矩阵，和是不同于传统贝叶斯滤波器要求准确已知的目标状态转移模型f和g，和相比于真实值允许存在范数有界的模型误差。
[0072]
由于本方法中应用去相关的无偏量测转换方法将非线性的目标位置量测转换为线性位置量测，进而观测矩阵是线性时不变的，优于直接使用非线性位置量测的传统的平滑变结构滤波器。
[0073]
s1022：根据所述当前帧的线性位置量测、所述第一转换偏差、所述第一转换协方差以及所述雷达量测先验估计，计算先验位置量测误差。
[0074]
具体地，所述先验位置量测误差e
p
(k|k-1)，根据以下公式确定：
[0075][0076]
式中，为线性位置量测，μ
p
(k)为第一转换偏差；为雷达量测先验估计。
[0077]
s1023：根据所述先验位置量测误差，计算第一新息增益项。
[0078]
具体的，所述第一新息增益项可通过以下方法确定：
[0079]
首先，计算混合误差项：
[0080][0081][0082]
式中，ez(k-1|k-1)为k-1帧的后验量测误差，|
·
|
abs
表示对矢量逐元素取绝对值，和是取值在(0,1)区间的衰减因子；是对所述预设的状态转移矩阵引入变换矩阵t后的变换状态转移矩阵，且变换状态转移矩阵引入变换矩阵t后的变换状态转移矩阵，且变换状态转移矩阵表示主对角元素为任意矢量a的对角阵；
[0083]
然后，计算第一新息增益项k(k)：
[0084][0085][0086][0087]
其中，sat(.)表示饱和函数；和分别是预设的平滑层参数矢量；h1＝i3×3是所述观测矩阵的满秩分块子矩阵，所述满秩分块子矩阵h1＝i3×3是线性时不变的。
[0088]
s1024：根据所述目标状态先验估计、所述先验状态估计协方差阵、所述先验位置量测误差以及所述第一新息增益项，计算所述当前帧的目标状态后验估计和后验状态估计
协方差阵，将所述当前帧的目标状态后验估计和后验状态估计协方差阵作为第一级目标状态估计。
[0089]
所述目标状态在当前帧k的后验估计和后验状态的状态协方差阵p
p
(k|k)，根据以下公式确定：
[0090][0091][0092]
其中，是所述目标状态先验估计，p
p
(k|k-1)是所述先验状态估计协方差阵，e
p
(k|k-1)是所述先验位置量测误差，k(k)是所述第一新息增益项；是单位阵，r
p
(k)是所述第一协方差，是所述观测矩阵。
[0093]
将计算得到的后验估计和后验状态的状态协方差阵p
p
(k|k)作为第一级目标状态估计的结果。
[0094]
s103：第二量测转换模块，利用当前帧多普勒雷达的目标径向速度量测构造目标距离-径向速度积伪量测。
[0095]
具体地，所述第二量测转换模块利用多普勒雷达的目标距离量测和所述目标径向速度量测，构造所述距离-径向速度积伪量测，并采用无偏转换方法计算所述距离-径向速度积伪量测的第二转换偏差μ
η
、第二转换方差r
η
以及第二转换协方差r
pη
。
[0096]
所述距离-径向速度积伪量测，根据以下公式定义：
[0097][0098]
其中，rm(k)为距离，为所述目标径向速度量测。
[0099]
接着，分别计算所述距离-径向速度积伪量测的第二转换偏差μ
η
，第二转换方差r
η
和第二转换协方差r
pη
：
[0100][0101][0102][0103]
其中，ρ表示距离观测误差和径向速度观测误差的相关系数，其中，ρ表示距离观测误差和径向速度观测误差的相关系数，σ表示各个观测维度的观测误差标准差，σr表示距离的观测误差标准差，表示径向速度的观测误差标准差，表示俯仰角的观测误差标准差，σ
θ
表示方位角的观测误差标准差。
[0104]
s104：第二状态估计器，基于所述目标距离-径向速度积伪量测，对所述第一级目标状态估计进行更新，得到当前帧目标最终的后验状态估计。
[0105]
本步骤具体包括以下子步骤：
[0106]
s1041：对所述距离-径向速度积伪量测进行预白化处理，得到预白化伪量测、所述预白化伪量测的偏差以及所述预白化伪量测的方差；
[0107]
具体地，对所述距离-径向速度积伪量测进行预白化处理的过程包括：
[0108]
首先，计算预白化系数矩阵l(k)：
[0109]
l(k)＝-r
ηp
(k)(r
p
(k))-1
＝[l1(k) l2(k) l3(k)]
[0110]
式中，r
ηp
(k)为第二转换协方差r
pη
(k)的转置，r
p
(k)为第一协方差。
[0111]
接着，根据所述预白化系数矩阵，计算所述预白化伪量测εc(k)、所述预白化伪量测的转换偏差μ
ε
(k)以及所述预白化伪量测的方差r
ε
(k)：
[0112][0113]
其中，矢量为所述线性位置量测，标量ηc(k)为所述目标距离-径向速度积伪量测；
[0114]
求预白化伪量测的转换偏差μ
ε
(k)：
[0115]
μ
ε
(k)＝l(k)μ
p
(k) μ
η
(k)
[0116]
其中，矢量μ
p
(k)为所述第一转换偏差，标量μ
η
(k)为所述第二转换偏差。
[0117]
求预白化伪量测的方差r
ε
(k)：
[0118]rε
(k)＝r
η
(k)-(r
pη
(k))
t
(r
p
(k))-1rpη
(k)
[0119]
其中，r
p
(k)为所述第一协方差，r
η
(k)为所述第二转换方差，r
pη
(k)为所述第二转换协方差。
[0120]
s1042：将所述第一级目标状态估计、所述预白化伪量测、所述预白化伪量测的偏差以及所述预白化伪量测的方差作为输入，构造局部近似的线性最小均方误差估计器，对所述第一级目标状态估计进行更新，得到所述当前帧目标最终的后验状态估计。
[0121]
本步骤具体包括：
[0122]kε
(k)＝p
p
(k|k)h
ε
(k)
t
[h
ε
(k)p
p
(k|k)h
ε
(k)
t
r
ε
(k)]-1
[0123][0124][0125]
p(k|k)＝[i-k
ε
(k)h
ε
(k)]p
p
(k|k)[i-k
ε
(k)h
ε
(k)]
t
k
ε
(k)r
ε
(k)k
ε
(k)
t
[0126]
其中，非线性函数定义如下：
[0127][0128]
矩阵h
ε
(k)为非线性函数的jacobian矩阵，定义为：
[0129][0130]
将修正后的后验状态估计和修正后的状态协方差阵p(k|k)作为所述当前
帧k的目标最终的后验状态估计。
[0131]
本发明首先将多普勒雷达非线性的目标位置量测，转换为笛卡尔坐标系下的线性位置量测，进而可以构造线性形式的广义平滑变结构滤波器，实现对目标状态的鲁棒估计，并通过对输出的第一级目标状态估计进一步更新修正，从而保证了模型不确定条件下的鲁棒状态估计性能。
[0132]
其次，本方法采用状态空间序贯估计方法，将多普勒雷达的观测矢量分割为两部分，包括目标位置量测和目标径向速度量测，用这两部分量测分别序贯地更新状态估计，解决了现有的平滑变结构滤波方法面临的多普勒雷达非线性模型、非满秩观测矩阵的欠定问题，进而可以充分利用多普勒雷达的径向速度量测信息有效提高了平滑变结构滤波器的目标状态估计精度，因此，本发明方法相比于现有的平滑变结构滤波方法更有效地利用了多普勒速度信息，从而显著提高了目标状态跟踪的精度。
[0133]
本实施例还提供一个仿真场景，以对本发明提出的序贯平滑变结构滤波方法(ssvsf)、扩展卡尔曼滤波方法(ekf)、仅利用位置量测的平滑变结构滤波方法(po-svsf)以及雅克比矩阵局部线性化的平滑变结构滤波方法(svsf)进行仿真实验对比。
[0134]
机动目标跟踪是模型不确定问题的典型场景，因此制作自动驾驶场景下2-d多普勒毫米波雷达对单机动目标的跟踪滤波的仿真场景，雷达建立在坐标原点处。
[0135]
参照图2，图2是仿真环境中目标机动轨迹图，图2中横坐标x与纵坐标y构成二维平面，图中的实点为仿真环境中的多普勒雷达，图中的虚线为目标物机动轨迹。
[0136]
利用如下表1的仿真参数生成仿真的雷达目标仿真数据，目标状态仿真标量定义为x-y坐标轴内的位置、速度，即x＝[x y v
x vy]
t
；雷达量测变量定义采用匀速运动模型(cv)对目标状态进行估计，即：
[0137][0138]
序贯平滑变结构滤波方法的第一级处理的滤波器的量测矩阵为：
[0139][0140]
表1 雷达目标跟踪场景参数
[0141]
[0142][0143]
按照本实施例提供的序贯平滑变结构滤波方法(ssvsf)、扩展卡尔曼滤波方法(ekf)、仅利用位置量测的平滑变结构滤波方法(po-svsf)以及雅克比矩阵局部线性化的平滑变结构滤波方法(svsf)进行仿真实验，并以2000次蒙特卡洛实验的平均结果作为对比数据；下表2给出了2000次蒙特卡洛实验的方均根误差(rmse)。
[0144]
表2 运动模型不确定目标的状态估计方均根误差
[0145][0146]
显然，通过表2可以看出，本实施例提出的序贯平滑变结构滤波方法(ssvsf)在运动模型不确定条件下，目标状态估计方均根误差是最小的。
[0147]
图3给出了各方法目标状态估计的坐标误差随跟踪时间的变化情况，图4给出了各方法目标状态估计的速度误差随跟踪时间的变化情况。
[0148]
由图3和图4可知，本发明提出的序贯平滑变结构滤波(ssvsf)方法取得了最好的跟踪精度，相比于扩展卡尔曼滤波(ekf)，ssvsf方法在目标机动运动时跟踪性能更加鲁棒，示例地，在10-15s和23-28s，峰值坐标误差降低了超过一半；相比于只利用位置量测的po-svsf，所提出的ssvsf能够有效利用多普勒速度信息，大幅提高了目标状态估计精度；而局部线性化svsf则面临非满秩观测矩阵引起的欠定问题，目标状态估计性能，尤其是速度估计性能最差。
[0149]
因此通过仿真实验，本发明方法解决于多普勒雷达的非线性欠定观测模型问题，同时，在目标运动模型不确定条件下，能够充分利用多普勒速度量测信息，实现更加鲁棒和精确的雷达目标状态估计。
[0150]
本技术实施例提供一种多普勒雷达序贯平滑变结构滤波装置，所述滤波装置包括第一量测转换模块100、第一状态估计器200、第二量测转换模块300以及第二状态估计器400，其中：
[0151]
所述第一量测转换模块100，用于将当前帧多普勒雷达的非线性的目标位置量测，转换为笛卡尔坐标系下的线性位置量测；
[0152]
所述第一状态估计器200，用于利用广义平滑变结构滤波器和笛卡尔坐标系下的所述线性位置量测，获得第一级目标状态估计；
[0153]
所述第二量测转换模块300，用于利用当前帧多普勒雷达的目标径向速度量测构造目标距离-径向速度积伪量测；
[0154]
所述第二状态估计器400，用于基于所述目标距离-径向速度积伪量测，对所述第一级目标状态估计进行更新，得到当前帧目标最终的后验状态估计。
[0155]
所述第一量测转换模块用于采用无偏量测转换的方法将多普勒雷达三维球坐标或者二维极坐标下的所述非线性目标位置量测矢量转换为笛卡尔坐标系下的所述线性位置量测矢量，并计算第一转换偏差和第一转换协方差。
[0156]
所述第一状态估计器包括：
[0157]
第一计算单元，用于计算当前帧的目标状态先验估计、雷达量测先验估计和先验状态估计协方差阵；
[0158]
第二计算单元，用于根据所述当前帧的线性位置量测、所述第一转换偏差、所述第一转换协方差以及所述雷达量测先验估计，计算先验位置量测误差；
[0159]
第三计算单元，用于根据所述先验位置量测误差，计算第一新息增益项；
[0160]
第四计算单元，用于根据所述目标状态先验估计、所述先验状态估计协方差阵、所述先验位置量测误差以及所述第一新息增益项，计算当前帧的目标状态后验估计和后验状态估计协方差阵，将当前帧的目标状态后验估计和后验状态估计协方差阵作为第一级目标状态估计。
[0161]
所述第二量测转换模块用于利用多普勒雷达的目标距离量测和目标径向速度量测，构造所述距离-径向速度积伪量测，并采用无偏转换方法计算所述距离-径向速度积伪量测的第二转换偏差、第二转换方差以及第二转换协方差。
[0162]
所述第二状态估计器包括：
[0163]
预白化处理单元，用于对所述距离-径向速度积伪量测进行预白化处理，得到预白化伪量测、预白化伪量测的偏差以及预白化伪量测的方差；
[0164]
后验状态估计单元，用于将所述第一级目标状态估计、所述预白化伪量测、所述预白化伪量测的偏差以及所述预白化伪量测的方差作为输入，构造局部近似的线性最小均方误差估计器，对所述第一级目标状态估计进行更新，得到所述当前帧目标最终的后验状态估计。
[0165]
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
[0166]
本领域内的技术人员应明白，本技术实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本技术实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0167]
本技术实施例是参照根据本技术实施例的方法、终端设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执
行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0168]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0169]
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0170]
尽管已描述了本技术实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术实施例范围的所有变更和修改。
[0171]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
[0172]
本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。