Nothing Special   »   [go: up one dir, main page]

CN108535720B - 用于改进的卡尔曼滤波目标跟踪的自适应过程噪声描述 - Google Patents

用于改进的卡尔曼滤波目标跟踪的自适应过程噪声描述 Download PDF

Info

Publication number
CN108535720B
CN108535720B CN201810150771.7A CN201810150771A CN108535720B CN 108535720 B CN108535720 B CN 108535720B CN 201810150771 A CN201810150771 A CN 201810150771A CN 108535720 B CN108535720 B CN 108535720B
Authority
CN
China
Prior art keywords
target
frame
radar system
target position
process noise
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
Application number
CN201810150771.7A
Other languages
English (en)
Other versions
CN108535720A (zh
Inventor
I·埃亚拉特
I·比莱克
S·维勒瓦尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN108535720A publication Critical patent/CN108535720A/zh
Application granted granted Critical
Publication of CN108535720B publication Critical patent/CN108535720B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • G01S7/4026—Antenna boresight
    • G01S7/403—Antenna boresight in azimuth, i.e. in the horizontal plane

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

一种使用卡尔曼滤波器的雷达系统执行目标跟踪的系统和方法，其包括：预测由雷达系统所检测到的目标在一帧内的预测目标位置。该帧是从雷达系统的每个发射元件依次发射并接收来自目标范围的反射的一段时间。该方法还包括基于雷达系统针对该帧所接受到的反射来确定雷达系统所检测到的目标的实际目标位置，并且紧接着该帧基于预测目标位置和实际目标位置计算下一帧的过程噪声协方差矩阵Q。基于过程噪声协方差矩阵Q来预测下一帧中目标的位置。

Description

用于改进的卡尔曼滤波目标跟踪的自适应过程噪声描述
引言
本发明涉及目标跟踪。
雷达系统用于检测和跟踪来自各种平台的目标。示例性的平台包括车辆(例如，汽车、建筑设备、农场设备、自动化工厂)、飞机和船舶。一旦检测到目标，就可以使用一组算法来从一帧到下一帧跟踪该目标。在使用移动平台的情况下，平台上的目标和雷达系统都可以移动。该算法基于其运动学行为和测量值来估算下一雷达帧中目标的投射状态。卡尔曼滤波器通常用于目标跟踪，该目标跟踪既考虑目标运动模型又考虑测量值以提供目标状态的更新。经典的卡尔曼滤波器适用于线性模型，但当估计雷达返回参数时所必须考虑的空间是球形的。因此，期望提供一种考虑遵循非线性运动模型的目标的目标追踪模型。
发明内容
在一个示例性实施例中，一种使用卡尔曼滤波器的雷达系统执行目标跟踪的方法，其包括：预测由雷达系统所检测到的目标在一帧内的预测目标位置。该帧是从雷达系统的每个发射元件依次发射并接收来自目标范围的反射的一段时间。确定雷达系统所检测到的目标的实际目标位置是基于雷达系统针对该帧所接收到的反射，并且紧接着该帧计算下一帧的过程噪声协方差矩阵Q是基于预测目标位置和实际目标位置。基于过程噪声协方差矩阵Q来预测下一帧中的目标的位置。
除了这里描述的一个或多个特征之外，计算过程噪声协方差矩阵Q是作为两个协方差矩阵的加权线性组合。
除了这里描述的一个或多个特征之外，过程噪声协方差矩阵Q由下式给出：
Figure BDA0001579861820000021
Δx，Δy，Δvx和Δvy分别为预测目标位置和实际目标位置之间的x位置、y位置、沿x轴速度、以及沿y轴速度上的误差。
除了本文描述的一个或多个特征之外，确定Δx，Δy，Δvx和Δvy中的每一个作为第一模型和第二模型的加权线性组合，第一模型假设沿着y轴的速度为零而第二模型假设沿x轴的速度为零。
除了本文描述的一个或多个特征之外，确定加权线性组合的每个分量的权重是作为预定义的值，或是基于第一模型相关分量和第二模型相关分量的比较。
在另一个示例性实施例中，用卡尔曼滤波器执行目标跟踪的系统包括用于检测帧中目标的雷达系统。该帧是从雷达系统的每个发射元件依次发射并接收来自目标范围的反射的一段时间。该系统还包括具有处理器的控制器，以预测帧中目标的预测目标位置，基于雷达系统针对该帧所接收到的反射来确定目标的实际位置，紧接着该帧基于预测目标位置和实际目标位置计算下一帧的过程噪声协方差矩阵Q，并且基于过程噪声协方差矩阵Q来预测下一帧中目标的位置。
除了本文描述的一个或多个特征之外，控制器将过程噪声协方差矩阵计算为两个协方差矩阵的加权线性组合。
除了本文描述的一个或多个特征之外，控制器计算过程噪声协方差矩阵Q，如下式：
Figure BDA0001579861820000022
Δx，Δy，Δvx和Δvy分别为预测目标位置和实际目标位置之间的x位置、y位置、沿x轴速度、以及沿y轴速度上的误差。
除了本文描述的一个或多个特征之外，控制器确定Δx，Δy，Δvx和Δvy中的每一个作为第一模型和第二模型的加权线性组合，第一模型假设沿着y轴的速度为零而第二模型假设沿x轴的速度为零。
除了本文描述的一个或多个特征之外，控制器确定加权线性组合的每个分量的权重作为预定义的值，或基于第一模型相关分量和第二模型相关分量的比较。
在另一个示例性实施例中，汽车包括用于检测帧中目标的雷达系统。该帧是从雷达系统的每个发射元件依次发射并接收来自目标范围的反射的一段时间。该系统还包括具有处理器的控制器，以预测帧中目标的预测目标位置，基于雷达系统针对该帧所接收到的反射来确定目标的实际位置，紧接着该帧基于预测目标位置和实际目标位置计算下一帧的过程噪声协方差矩阵Q，并且基于过程噪声协方差矩阵Q来预测下一帧中目标的位置。
除了本文描述的一个或多个特征之外，控制器将过程噪声协方差矩阵计算为两个协方差矩阵的加权线性组合。
除了本文描述的一个或多个特征之外，控制器计算过程噪声协方差矩阵Q，如下式：
Figure BDA0001579861820000031
Δx，Δy，Δvx和Δvy分别为预测目标位置和实际目标位置之间的x位置、y位置、沿x轴速度、以及沿y轴速度上的误差。
除了本文描述的一个或多个特征之外，控制器确定Δx，Δy，Δvx和Δvy中的每一个作为第一模型和第二模型的加权线性组合，第一模型假设沿着y轴的速度为零而第二模型假设沿x轴的速度为零。
除了本文描述的一个或多个特征之外，控制器确定加权线性组合的每个分量的权重作为预定义的值，或基于第一模型相关分量和第二模型相关分量的比较。
结合附图，根据以下详细描述，本发明的以上特征和优点以及其他特征和优点将变得显而易见。
附图说明
在下面的详细描述中，仅作为例子，其他特征，优点和细节出现，详细描述参考以下附图：
图1是根据一个或多个实施例的执行目标跟踪的雷达系统的框图；和
图2是根据一个或多个实施例的执行目标跟踪的方法的流程图。
具体实施方式
以下描述本质上仅仅是示例性的，并不意图限制本发明及其应用或用途。应该理解，在整个附图中，相应的附图标记表明类似或相应的部分及特征。
如前所述，通常使用卡尔曼滤波器来跟踪从一帧到下一帧的雷达反射的目标。帧是指从雷达系统的每个发射元件依次发射一次并从所跟踪目标范围中获得反射的持续时间。示例性雷达系统是具有多个发射元件和多个接收元件的多输入多输出(MIMO)雷达系统，该多个发射元件和多个接收元件接收由每个发射元件的发射产生的反射。其他示例性雷达系统包括具有单个发射元件和多个接收元件的单输入多输出(SIMO)，具有多个发射元件和单个接收元件的多输入单输出(MISO)，以及具有单个发射元件和单个接收元件的单输入单输出(SISO)。例如，发射可以是线性调频信号或啁啾声。接收到的反射由发射元件对发射的每一轮(帧)进行处理，以跟踪被检测目标的移动。例如，当雷达系统的平台是汽车时，跟踪目标的运动可以有利于目标回避，自主驾驶和其他操作。
相对于其他已知方法，线性卡尔曼滤波器提供了具有低计算复杂度的精确目标跟踪模型。同样如前所述，目标运动模型和雷达测量值都被认为能更新目标状态。也就是说，目标跟踪是作为后处理技术而不是实时进行的。因此，在给定时间内，目标位置的预测和实际(测量)结果都是可用的，并且可以基于实际结果来校正基于卡尔曼滤波器的模型。通常，使用卡尔曼滤波器的二维目标运动模型提供了由以下式子给出的状态向量X：
Xk＝FkXk-1+Bkuk+wk [式1]
状态向量X在时间k处给出[xk，yk，vx，vy]'，其中xk和yk给出目标的二维位置，vx和vy分别表示沿x和y轴的速度。在式1中，Fk是应用于先前状态Xk-1的状态转移矩阵，Bk是应用于控制向量uk的控制输入矩阵，而wk是假定为由零平均多元正态分布导出的过程噪声。也就是说，过程噪音wk由下式给出：
wk～N(0,Qk) [式2]
在时间k处，根据下式得到目标的真实状态Xk的观测值或测量值zk：
zk＝HkXk+vk [式3]
在式3中，Hk是将真实状态空间映射到观测空间的观测模型，而vk是假定为具有协方差Rk的零均值高斯白噪声的观测噪声。也就是说，观测噪声vk由下式给出：
vk～N(0,Rk) [式4]
在下一帧的处理期间搜索目标的预测状态Xk周围的区域或窗口以获取与目标相关的测量值。当目标不在预测窗口内时，目标跟踪失败并且预测轨迹消失。如果窗口大小增加以增加在窗口内获得目标测量值的可能性，则在相同窗口内捕获两个目标并因此不能跟踪任一目标的可能性将会增加。因此，在其中维持一个小窗口来搜索目标的测量值是有益的。
同样如前所述，经典卡尔曼滤波器的局限性在于它只适用于线性模型。当估计雷达返回参数时，空间在球面坐标(范围、方位角、仰角、多普勒频移)中所定义，而运动在笛卡尔坐标(x，y，z，vx，vy，vz)中所描述，其中vx，vy，vz分别是x，y和z维度上的速度。例如，不是遵循线性运动模型，而是可以沿径向朝着或远离雷达移动。因此，使用适用于线性目标运动模型的线性卡尔曼滤波器对雷达参数造成目标运动与线性模型预测之间较大的偏差。这又会导致卡尔曼滤波器在目标跟踪中的无效。
本文中详述的系统和方法的实施例涉及使用自适应方法来包括过程噪声，而不是使用用于过程噪声wk的固定协方差矩阵Qk。根据实施例，根据预测的状态X的x，y，vx，vy中的误差与目标的方位角速度(高度上的角速度被认为可忽略)成比例。特别是使用两个协方差矩阵的加权线性组合。这两个协方差矩阵分别假设vx＝0和vy＝0。当目标运动与线性模型不匹配时，由于不确定性(即过程噪声)较高，目标模型的权重较小。根据本文详细描述的一个或多个实施例，经典卡尔曼滤波器可以与在保持窗口大小的同时在不同坐标(例如分别为球面和笛卡尔坐标)中表示的测量值和动态状态空间模型一起使用。
根据本发明的示例性实施例，图1是使用卡尔曼滤波器执行目标跟踪的雷达系统110的框图。根据示例性案例，雷达系统110在作为汽车120的平台100上。如前所述，其它平台100也可用于雷达系统110。雷达系统110可以是具有多个发射和接收元件的多输入多输出(MIMO)系统。雷达系统110可以发射线性调频(LFM)信号或啁啾声。
汽车120可具有耦合到雷达系统110或以其他方式与雷达系统110通信的控制器130。根据一个或多个实施例，控制器130可以处理接收到的雷达系统110的反射以执行目标跟踪。目标跟踪可以替代地由雷达系统110内的处理器来执行。控制器130还可以执行或与其他系统通信，其执行目标避免，自动驾驶以及使用来自雷达系统110的信息的其他功能。控制器130可以包括处理电路，处理电路可以包括执行一个或多个软件或固件程序的专用集成电路(ASIC)，电子电路，处理器(共享的，专用的或者组)和存储器的处理电路，组合逻辑电路，和/或提供所描述的功能的其他合适的部件。
在给定的状态下显示目标140。连同实际位置150一起示出了根据卡尔曼滤波器的预测位置155。如图所示，在到预测位置155和实际位置150的路径之间形成角度θ。还指示了方位角速度ωaz。当方位角速度ωaz为零时，目标运动与基于动态线性卡尔曼滤波器的模型匹配。这被认为是使用卡尔曼滤波器的最佳情况。当目标140仅在x方向(vy＝0)或仅在y方向(vx＝0)上移动时，则在基于卡尔曼滤波器的状态预测中存在错误。最具挑战性的情况是当目标140以其多普勒速度(朝向雷达系统110的速度)总是为零的切线轨迹移动。根据一个或多个实施例，前一帧(k-1)的预测位置155和实际位置150用于自适应地确定下一帧的过程噪声协方差矩阵Qk，而不是使用固定的协方差矩阵。
如式1所示，确定了根据式1的确定状态向量Xk确定了根据式2的过程噪声wk。根据一个或多个实施例，用于根据式2所确定过程噪声wk的过程噪声协方差矩阵Qk。不是固定的，相反，对于每个时间k，通过下式：
Figure BDA0001579861820000071
用于给定轨迹的模型状态投射与实际目标位置之间的误差被用来计算从一个雷达帧到下一个雷达帧的状态变量Δx，Δy，Δvx和Δvy中的误差，Δt代表帧之间的时间。如前所述，根据一个或多个实施例的过程噪声协方差矩阵Q是两个协方差矩阵的加权线性组合。特别是假定vx＝0(称为模型1)和vy＝0(称为模型2)开发两个协方差矩阵。因此，Δx、Δy、Δvx和Δvy的每个分别如下式：
Δx＝w1x[Δx]model1+w2x[Δx]model2 [式6]
Δy＝w1y[Δy]model1+w2y[Δy]model2 [式7]
Figure BDA0001579861820000072
Figure BDA0001579861820000073
如式6到9，每个w为对应不同分量的权重。每个w的值可以被预定义或者可以基于从每个模型得到的值的比较来确定。例如，w1x和w2x可以基于由模型1确定的Δx与由模型2确定的Δx的比率，差异或其他比较来确定。在替代实施例中，可以使用查找表，并且可以基于对应的分量值落入的范围来确定权重。例如，用模型1确定的Δvy的值可以与查找表中的w1vy的特定值相匹配。
假定vy＝0的模型1中的Δx，Δy，Δvx和Δvy中的每一个由下式给出：
Figure BDA0001579861820000081
Figure BDA0001579861820000082
Figure BDA0001579861820000083
Figure BDA0001579861820000084
假定vx＝0的模型2中的Δx，Δy，Δvx和Δvy中的每一个由下式给出：
Figure BDA0001579861820000085
Figure BDA0001579861820000086
Figure BDA0001579861820000087
Figure BDA0001579861820000088
图2是根据一个或多个实施例的使用卡尔曼滤波器的雷达系统110执行目标跟踪的方法的流程图。在框210处，预测帧k的目标位置涉及根据式1获得状态向量Xk。当帧为第一帧时，可以使用固定的过程噪声协方差矩阵Qk来确定过程噪声。在框220处，基于针对相同帧的雷达测量值来确定目标的位置是指接收并处理在帧持续期间由发射所致的反射。在框230处，基于式5至式17，计算过程噪声协方差矩阵Qk+1。在框240处，一旦计算出过程噪声协方差矩阵Qk+1(在框230处)，则使用式1，以获得状态向量Xk+1，并从而获得x和y轴上的位置和速度。从而，在框240处，便于预测目标位置。
尽管已经参照示例性实施例描述了以上发明，但是本领域技术人员将会理解，在不脱离其范围的情况下，可以做出各种改变并且可以用等同物替换其元件。此外，根据本发明的教导，可进行许多修改以适应特定的情况或者材料而不脱离本发明的范围。因此，其意图是描述不限于所公开的特定实施例，而是包括落入本申请范围内的所有实施例。

Claims (4)

1.一种使用卡尔曼滤波器的雷达系统执行目标跟踪的方法，所述方法包括：
预测由所述雷达系统在一帧中所检测到的目标的预测目标位置，其中所述帧是从所述雷达系统的每个发射元件依次发射并接收来自目标范围的反射的一段时间；
基于由所述雷达系统针对所述帧接收到的反射来确定由所述雷达系统检测到的所述目标的实际目标位置；
基于所述预测目标位置和所述实际目标位置，计算紧接在所述帧之后下一帧的过程噪声协方差矩阵Q；和
基于所述过程噪声协方差矩阵Q来预测所述下一帧中所述目标的位置；
其中所述过程噪声协方差矩阵由下式给出：
Figure DEST_PATH_IMAGE002
，
其中Δx，Δy，Δvx和Δvy分别为所述预测目标位置和所述实际目标位置之间的x位置、y位置、沿x轴速度、以及沿y轴速度上的误差；
所述方法还包括确定Δx，Δy，Δvx和Δvy中的每一个作为第一模型和第二模型的加权线性组合，所述第一模型假设沿着y轴的速度为零而所述第二模型假设沿x轴的速度为零。
2.根据权利要求1所述的方法，还包括将所述加权线性组合的每个分量的权重确定为预定义的值，或基于所述第一模型相关分量和所述第二模型相关分量的比较。
3.一种使用卡尔曼滤波器执行目标跟踪的系统，所述系统包括：
雷达系统，所述雷达系统配置用于检测一帧内的目标，其中所述帧是从所述雷达系统的每个发射元件依次发射并接收来自目标范围的反射的一段时间；和
控制器，所述控制器包括处理器，所述控制器配置用于预测所述帧中所述目标的预测目标位置，基于所述雷达系统针对所述帧所接收到的反射来确定所述目标的实际目标位置，紧接着所述帧基于所述预测目标位置和所述实际目标位置计算下一帧的过程噪声协方差矩阵Q，并且基于所述过程噪声协方差矩阵Q来预测所述下一帧中所述目标的位置；
其中所述控制器将所述过程噪声协方差矩阵Q计算为：
Figure 291714DEST_PATH_IMAGE002
，
其中Δx，Δy，Δvx和Δvy分别为所述预测目标位置和所述实际目标位置之间的x位置、y位置、沿x轴速度、以及沿y轴速度上的误差；
其中所述控制器将Δx，Δy，Δvx和Δvy中的每一个确定为第一模型和第二模型的加权线性组合，所述第一模型假设沿着y轴的速度为零而所述第二模型假设沿x轴的速度为零。
4.根据权利要求3所述的系统，其中所述控制器将所述加权线性组合的每个分量的权重确定为预定义的值，或基于所述第一模型相关分量和所述第二模型相关分量的比较。
CN201810150771.7A 2017-03-02 2018-02-13 用于改进的卡尔曼滤波目标跟踪的自适应过程噪声描述 Active CN108535720B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/447,376 US10564276B2 (en) 2017-03-02 2017-03-02 Adaptive process noise description for improved kalman filter target tracking
US15/447376 2017-03-02

Publications (2)

Publication Number Publication Date
CN108535720A CN108535720A (zh) 2018-09-14
CN108535720B true CN108535720B (zh) 2022-05-17

Family

ID=63171115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810150771.7A Active CN108535720B (zh) 2017-03-02 2018-02-13 用于改进的卡尔曼滤波目标跟踪的自适应过程噪声描述

Country Status (3)

Country Link
US (1) US10564276B2 (zh)
CN (1) CN108535720B (zh)
DE (1) DE102018104090A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109655823B (zh) * 2018-12-30 2020-07-31 北京经纬恒润科技有限公司 目标的跟踪方法及装置
US11119187B2 (en) * 2019-02-19 2021-09-14 GM Global Technology Operations LLC Resolution of doppler ambiguity in a radar system through tracking
CN110275168B (zh) * 2019-07-09 2021-05-04 厦门金龙联合汽车工业有限公司 一种多目标识别和防撞预警方法和系统
CN110478906B (zh) * 2019-08-12 2023-05-16 网易（杭州）网络有限公司 投射物运行轨迹处理方法及装置
DE102019214383A1 (de) * 2019-09-20 2021-03-25 Conti Temic Microelectronic Gmbh Verfahren zur Objektverfolgung
CN110824420A (zh) * 2019-11-14 2020-02-21 中国人民解放军火箭军工程大学 一种分布式目标跟踪方法
CN111273279B (zh) * 2020-02-18 2022-05-10 中国科学院合肥物质科学研究院 一种基于加速度噪声参数的多雷达数据处理方法
CN111983584A (zh) * 2020-07-17 2020-11-24 中国工程物理研究院应用电子学研究所 一种多发单收镜激光雷达的mems振镜扫描控制系统
CN112051569B (zh) * 2020-09-10 2024-04-05 北京经纬恒润科技股份有限公司 雷达目标跟踪速度修正方法及装置
CN113739768A (zh) * 2021-09-06 2021-12-03 北京智源人工智能研究院 基于卡尔曼滤波的视觉目标处理方法、装置、设备及介质
CN114002667B (zh) * 2021-10-29 2024-09-27 西安交通大学 一种基于随机矩阵法的多近邻扩展目标跟踪算法
US12055951B2 (en) 2022-03-01 2024-08-06 Rockwell Collins, Inc. High fidelity teammate state estimation for coordinated autonomous operations in communications denied environments
US12007774B2 (en) 2022-03-25 2024-06-11 Rockwell Collins, Inc. System and method for guidance integrity monitoring for low-integrity modules
CN118410655B (zh) * 2024-07-02 2024-09-06 中国电子科技集团公司信息科学研究院 飞行器轨迹预测方法及装置、电子设备、存储介质

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5051751A (en) * 1991-02-12 1991-09-24 The United States Of America As Represented By The Secretary Of The Navy Method of Kalman filtering for estimating the position and velocity of a tracked object
US5633642A (en) * 1993-11-23 1997-05-27 Siemens Aktiengesellschaft Radar method and device for carrying out the method
US5615132A (en) * 1994-01-21 1997-03-25 Crossbow Technology, Inc. Method and apparatus for determining position and orientation of a moveable object using accelerometers
JP2003337170A (ja) * 2002-03-14 2003-11-28 Furuno Electric Co Ltd レーダ信号処理装置およびレーダ
NL1020287C2 (nl) * 2002-04-02 2003-10-03 Thales Nederland Bv Werkwijze voor meerdoelendetectie, met name voor toepassing in rondzoekradars met meerbundelvorming in elevatie.
US7132961B2 (en) * 2002-08-12 2006-11-07 Bae Systems Information And Electronic Systems Integration Inc. Passive RF, single fighter aircraft multifunction aperture sensor, air to air geolocation
US7046188B2 (en) * 2003-08-14 2006-05-16 Raytheon Company System and method for tracking beam-aspect targets with combined Kalman and particle filters
US7460951B2 (en) * 2005-09-26 2008-12-02 Gm Global Technology Operations, Inc. System and method of target tracking using sensor fusion
US8296065B2 (en) * 2009-06-08 2012-10-23 Ansaldo Sts Usa, Inc. System and method for vitally determining position and position uncertainty of a railroad vehicle employing diverse sensors including a global positioning system sensor
US9207314B1 (en) * 2012-06-20 2015-12-08 Lockheed Martin Corporation Rapid determination of model transitions for interacting models with bounded parameters
CN102788976B (zh) * 2012-06-27 2014-07-02 北京理工大学 高量级扩展卡尔曼滤波方法
CN103684349B (zh) * 2013-10-28 2016-09-21 北京理工大学 一种基于递推协方差阵估计的卡尔曼滤波方法
JP2015197403A (ja) * 2014-04-03 2015-11-09 三菱電機株式会社 目標追尾装置
US10241191B2 (en) * 2014-08-25 2019-03-26 Princeton Satellite Systems, Inc. Multi-sensor target tracking using multiple hypothesis testing
CN105372659A (zh) * 2015-11-20 2016-03-02 上海无线电设备研究所 道路交通监控多目标探测跟踪方法及跟踪系统
CN105549003A (zh) * 2015-12-02 2016-05-04 华域汽车系统股份有限公司 一种汽车雷达目标跟踪方法
CN105699964A (zh) * 2016-02-29 2016-06-22 无锡南理工科技发展有限公司 一种基于汽车防撞雷达的道路多目标跟踪方法
US10254393B2 (en) * 2016-03-28 2019-04-09 The United States Of America As Represented By The Secretary Of The Navy Covariance matrix technique for error reduction

Also Published As

Publication number Publication date
CN108535720A (zh) 2018-09-14
US10564276B2 (en) 2020-02-18
US20180252804A1 (en) 2018-09-06
DE102018104090A1 (de) 2018-09-06

Similar Documents

Publication Publication Date Title
CN108535720B (zh) 用于改进的卡尔曼滤波目标跟踪的自适应过程噪声描述
EP1610152B1 (en) Tracking of a moving object for a self-defence system
EP3285230B1 (en) Enhanced object detection and motion estimation for a vehicle environment detection system
US9223007B2 (en) Kalman filtering with indirect noise measurements
CN110554388B (zh) 利用主车辆对目标的速度进行鲁棒估计的方法
US10948583B2 (en) Radar track initialization
CA2735787A1 (en) Estimating a state of at least one target
EP3982160A1 (en) Method and system for indoor multipath ghosts recognition
CN112198503A (zh) 一种目标航迹预测优化方法、装置及雷达系统
WO2019220503A1 (ja) 物体検出装置及び物体検出方法
CN110806580A (zh) 移动平台上的雷达系统中的振动减轻
KR101833007B1 (ko) 도플러 비컨을 이용한 수중 이동체의 위치 및 속도 추정 방법 및 시스템
CN112912759A (zh) 物体跟踪装置
KR101502721B1 (ko) 적응형 상호작용 다중모델 추정기를 이용한 정밀 위치정보 제공 방법 및 장치
CN105372653A (zh) 面向岸基空管雷达系统中一种高效转弯机动目标跟踪方法
CN110658390B (zh) 利用天线和检测装置确定天线和车辆的对准误差的方法
CN113280821A (zh) 基于斜率约束和回溯搜索的水下多目标跟踪方法
CN110940973B (zh) 一种用于雷达目标检测的角度测量方法及装置
Chen et al. Multisensor data fusion for manoeuvring target tracking
US6785631B2 (en) Method and device for estimating movement parameters of targets
Blasch et al. Comparison of stochastic integration filter with the unscented Kalman filter for maneuvering targets
RU2815305C1 (ru) Способ и устройство сопровождения маневрирующих целей в обзорной доплеровской рлс
KR100408818B1 (ko) 다중 표적 추적 필터의 파라메터 설정 방법
Alirezapouri et al. Unknown but bounded based input estimation method for maneuvering target tracking problem
CN114459484A (zh) 航迹初始化方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant