一种路径跟踪方法、装置及系统与流程

技术特征：
1.一种路径跟踪方法，其特征在于，包括：获取各个读写器确定的目标对象在第一时刻的测量位置；将各个所述测量位置输入至当前已更新的基于非线性卡尔曼滤波算法的自适应目标动力学模型，获取所述目标对象在所述第一时刻的最优状态向量；其中，所述自适应目标动力学模型用于根据各个所述测量位置，预测所述目标对象在所述第一时刻的最优状态向量；根据不同时刻的最优状态向量，确定所述目标对象的路径。2.根据权利要求1所述的方法，其特征在于，根据各个所述测量位置，预测所述目标对象在所述第一时刻的最优状态向量，包括：获取在第二时刻预测的所述目标对象在所述第一时刻的预测状态向量；其中，所述第二时刻为所述第一时刻的前一时刻；获取非线性卡尔曼滤波器的增益；根据各个所述测量位置、所述预测状态向量和所述增益，预测所述目标对象在所述第一时刻的最优状态向量。3.根据权利要求2所述的方法，其特征在于，获取在第二时刻预测的所述目标对象在所述第一时刻的预测状态向量，包括：根据公式x(t
i
∣t
i-1
)＝a(t
i-1
)x(t
i-1
∣t
i-1
)，获取所述预测状态向量；其中，x(t
i
∣t
i-1
)为所述预测状态向量，a(t
i-1
)为系统状态转移矩阵，x(t
i-1
∣t
i-1
)为所述目标对象在所述第二时刻的最优状态向量。4.根据权利要求3所述的方法，其特征在于，所述系统状态转移矩阵为：其中，其中，η＝x,y，分别表示x，y坐标轴；th
i
为所述第一时刻与所述第二时刻的时间间隔；α为所述自适应目标动力学模型中的机动频率参数；α
η
为在x轴或y轴上的机动频率，为高斯白噪声方差。5.根据权利要求2所述的方法，其特征在于，根据各个所述测量位置、所述预测状态向量和所述增益，预测所述目标对象在所述第一时刻的最优状态向量，包括：根据公式预测所述目标对象在所述第一时刻的最优状态向量；其中，x(t
i
∣t
i
)为所述目标对象在所述第一时刻的最优状态向量，x(t
i
∣t
i-1
)为在第二
时刻预测所述目标对象在所述第一时刻的所述预测状态向量，k
n
(t
i
)为非线性卡尔曼滤波器的增益，z
n
(t
i
)为第n个读写器在所述第一时刻测量的所述测量位置，h
n
[x
n
(t
i
)]为第n个读写器对应的测量函数，n(t
i
)为所述读写器的数量。6.根据权利要求2所述的方法，其特征在于，根据各个所述测量位置、所述预测状态向量和所述增益，预测所述目标对象在所述第一时刻的最优状态向量，包括：根据公式预测所述目标对象在所述第一时刻的最优状态向量；其中，x(t
i
∣t
i
)为所述目标对象在所述第一时刻的最优状态向量，x(t
i
∣t
i-1
)为所述预测状态向量，k
n
(t
i
)为非线性卡尔曼滤波器的增益，z
n
(t
i
)为第n个读写器在所述第一时刻测量的所述测量位置，为根据各个所述测量位置预测的所述目标对象在所述第一时刻的预测位置。7.根据权利要求1所述的方法，其特征在于，获取所述目标对象在所述第一时刻的最优状态向量之后，所述方法还包括：根据所述目标对象在所述第一时刻的最优状态向量中的加速度估计值，更新所述自适应目标动力学模型中的机动频率和/或高斯白噪声方差。8.根据权利要求7所述的方法，其特征在于，根据所述目标对象在所述第一时刻的最优状态向量中的加速度估计值，更新所述自适应目标动力学模型中的机动频率和/或高斯白噪声方差，包括：根据如下公式，确定更新后的所述机动频率和高斯白噪声方差：其中，为所述目标对象在所述第一时刻的加速度估计值，为所述目标对象在第二时刻的加速度估计值，所述第二时刻为所述第一时刻的前一时刻，w
a
(t
i-1
)为零均值白噪声离散序列，β为加速度离散序列的机动频率，α为所述机动频率，th
i
为所述第一时刻与所述第二时刻的时间间隔，为所述零均值白噪声离散序列的方差，为所述高斯白噪声方差。9.一种路径跟踪装置，其特征在于，包括：获取模块，用于获取各个读写器确定的目标对象在第一时刻的测量位置；预测模块，用于将各个所述测量位置输入至当前已更新的基于非线性卡尔曼滤波算法的自适应目标动力学模型，获取所述目标对象在所述第一时刻的最优状态向量；其中，所述自适应目标动力学模型用于根据各个所述测量位置，预测所述目标对象在所述第一时刻的最优状态向量；确定模块，用于根据不同时刻的最优状态向量，确定所述目标对象的路径。10.一种路径跟踪系统，其特征在于，包括：处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如权利要求1至8中任一项
所述的路径跟踪方法的步骤。11.一种可读存储介质，其特征在于，所述可读存储介质上存储有程序，所述程序被处理器执行时实现如权利要求1至8中任一项所述的路径跟踪方法的步骤。

技术总结
本申请公开了一种路径跟踪方法、装置及系统，涉及物联网技术领域，所述方法包括：获取各个读写器确定的目标对象在第一时刻的测量位置；将各个所述测量位置输入至当前已更新的基于非线性卡尔曼滤波算法的自适应目标动力学模型，获取所述目标对象在所述第一时刻的最优状态向量；其中，所述自适应目标动力学模型用于根据各个所述测量位置，预测所述目标对象在所述第一时刻的最优状态向量；根据不同时刻的最优状态向量，确定所述目标对象的路径。本申请的方案提高了对目标对象的状态向量的预测的准确性，从而提高了对目标对象的运动轨迹/路径的跟踪的准确性。路径的跟踪的准确性。路径的跟踪的准确性。


技术研发人员：庄存波 刘检华 袁锟 刘金山 冯锦丹 熊辉
受保护的技术使用者：北京卫星制造厂有限公司
技术研发日：2022.03.31
技术公布日：2022/7/21