基于SNVA的机动目标状态估计

乔雪,白亚腾

(中国矿业大学 信息与电气工程学院,江苏 徐州,221116)

摘要:利用位置预测估计值与位置滤波估计值之间的偏差进行加速度方差自适应调节,提出一种基于状态噪声方差自适应(SNVA)的机动目标状态估计方法。采用SNVA对目标加速度噪声方差进行自适应调整,实现了对当前统计模型的改进;利用扩展卡尔曼滤波算法对目标状态进行估计。仿真结果表明,基于SNVA的扩展卡尔曼滤波算法对机动目标速度估计的绝对误差小于0.1 m/s,加速度估计的绝对误差小于0.1 m/s2,能够对机动目标的状态进行准确的估计。

关键词:机动目标;当前统计模型;扩展卡尔曼滤波;状态估计

收稿日期:2014-02-24

基金项目:教育部博士学科点专项科研

作者简介:乔雪(1990- ),女,硕士研究生,研究方向为复杂系统分析与控制。E-mail:1219771581@qq.com。

中图分类号:TJ765.4文献标识码:A

ManeuveringTargetStateEstimationBasedonSNVA

QIAOXue,BAIYa-teng

(SchoolofInformationandElectricalEngineering,ChinaUniversityofMining&Technology,Xuzhou221116,China)

Abstract:By using the difference between the location forecast estimation and the corrected location estimation,the acceleration variance was adjusted adaptively.A maneuvering target state estimation method based on state noise variance adaptive(SNVA)was proposed.The SNVA was used to adaptively adjust the system noise variance in target state estimation system,which can improve the current statistical model.The extended Kalman filter algorithm was used to estimate the target state.Simulation results show that the extended Kalman filter algorithm based on SNVA can estimate the target state accurately.The absolute estimation error of velocity is less than 0.1 m/s,and the absolute estimation error of acceleration is less than 0.1 m/s2.The target state can be accurately estimated by the proposed method.

Keywords:maneueringtarget;currentstatisticalmodel;extendedKalmanfilter;stateestimation

对于机动目标状态估计问题的研究是目前自动控制领域的热点课题之一。将滤波算法与机动目标模型[1-2]相结合可以对机动目标的状态进行估计。在滤波算法的发展历史中有很多学者提出了不同的滤波算法,其中,卡尔曼滤波理论是由Kalman于1960年提出的。对于线性系统,运用卡尔曼滤波算法可以得到系统状态的最小均方差估计。对发生机动运动的非线性系统通常采用扩展卡尔曼滤波(extendedKalmanfilter,EKF)算法[4-5]。EKF算法首先将非线性状态方程通过泰勒级数展开进行线性化处理,线性化后所得到的滤波算法通常被用于对机动目标的状态进行估计。……