摘要
本发明涉及目标定位跟踪技术领域,提供一种无源多站时差目标定位跟踪方法。包括以下步骤:使用初始化数据的初始状态和定位目标的协方差矩阵对初始算法进行初始化赋值,将模型输入至初始化交互式算法中,进行模型交互得到交互后模型的混合状态估计和协方差矩阵;使用改进的容积卡尔曼滤波器进行状态预测更新得到模型似然函数;根据模型似然函数更新模型概率通过改进的IMM算法得到更新后的马尔可夫转移概率矩阵;计算交互式多模型最终融合的状态估计和协方差矩阵得到目标的定位跟踪结果。本发明通过引入QS‑CKF算法并改进了IMM算法通过动态调整马尔可夫转移概率矩阵,避免滤波发散或跟踪滞后问题,提升目标定位与跟踪的性能。
技术关键词
定位跟踪方法
协方差矩阵
初始化算法
平方根
转移概率矩阵
预测误差
Singer模型
容积卡尔曼滤波器
交互式多模型算法
元素
定位跟踪技术
阶段
模型更新
动态
系统为您推荐了相关专利信息
波形设计方法
场景构建系统
通信子系统
MIMO雷达
协方差矩阵
导航坐标系
协方差矩阵
对准方法
概率密度函数
期望最大化算法
景深
卡尔曼滤波补偿
补偿方法
双目视觉系统
动态