赵跃新, 齐望东, 刘 鹏, 袁 恩, 徐 兵

(1.陆军工程大学指挥控制工程学院, 江苏 南京 210007; 2.东南大学信息科学与工程学院,江苏 南京 210096; 3.网络通信与安全紫金山实验室, 江苏 南京 211111)

0 引 言

目标跟踪在无线通信、物联网、雷达声呐等领域得到了广泛的研究与应用,主要包括导航定位[1-2]、侦察监控[3-4]、精确制导[5-6]等方面,旨在利用观测站采集的到达角(angle of arrival, AoA)、传播时间、到达时间差等测量值来估计运动目标的位置和速度。随着阵列天线及其信号处理的技术发展与大量应用,比如5G的大规模天线阵列和波束成形,AoA测量已经在许多低成本硬件平台上得以实现[7-9],使得基于AoA的目标跟踪具有更广的适用范围。

AoA观测方程和目标状态存在非线性关系,使得AoA目标跟踪具有很大的挑战性。由于经典卡尔曼滤波无法适用于非线性状态空间模型,所以需要采用非线性滤波算法处理AoA观测方程。扩展卡尔曼滤波(extended Kalman filter, EKF)通过一阶泰勒级数近似得到线性化的观测方程,但是截断误差使得EKF在初始状态误差和观测噪声较大时容易发散[10]。容积卡尔曼滤波(cubature Kalman filter, CKF)、无迹卡尔曼滤波(unscented Kalman filter, UKF)等Sigma点卡尔曼滤波算法[11-12]并没有近似非线性函数,而是通过选择一组Sigma点近似目标状态的高斯分布统计量,可获得二阶泰勒近似精度,其稳定性更好,但是计算开销大。粒子滤波[13]从后验概率中抽取随机状态粒子并以此表达其分布,可处理非线性模型和非高斯噪声分布,然而计算复杂度很高,难以适用于实时目标跟踪。

与上述非……