一种基于预测值量测转换的卡尔曼滤波跟踪算法

王 旭1，程 婷，吴小平1，何子述

(1.西南电子电信技术研究所，成都610041；2.电子科技大学 电子工程学院，成都611731)

1 引 言

在雷达目标跟踪中，系统的量测信息通常在球坐标系得到的，包括目标的距离、方位角和俯仰角量测信息，而目标运动状态方程是建立在直角坐标系的，显然这些量测信息与目标状态向量呈非线性关系。因此，基于该信息的目标跟踪是一个非线性估计问题，无法直接采用经典的卡尔曼滤波。

针对这一问题可采用扩展卡尔曼滤波算法[1]，但该算法仅在量测误差较小时能获得较好的跟踪效果，量测误差增大时跟踪精度下降甚至发散。基于样本点的算法，例如不敏卡尔曼滤波方法[2]和粒子滤波算法[3-4]，虽然能获得较好的跟踪效果，但是算法的运算量较扩展卡尔曼滤波算法大，尤其是粒子滤波算法。基于量测转换的卡尔曼滤波(Converted Measurement Kalman Filter,CMKF)算法是解决这一问题的另一种思路，即将量测值从极坐标转换到直角坐标系下，转换为线性估计问题，再采用标准卡尔曼滤波算法进行状态估计。利用极坐标和直角坐标系之间的变换关系可以直接实现量测转换[5]，但这种转换方式是有偏的[6]。文献[6]提出了去偏量测转换(Debiased Converted Measurement,DCM)，采用加性去偏的量测转换方式，即将传统量测转换结果减去其均值，从而保证了转换量测的均值是无偏的，但是在求取量测转换误差统计特性时以量测值为条件。文献[7]指出传统量测转换方法的偏差实质是乘性的，因此提出通过乘以一个偏移因子实现去偏，提出了无偏量测转换(Unbiased Converted Measurement,UCM)方法，但该方法在计算量测转换误差统计特性时存在兼容性问题[8]。……