本发明公开了一种基于自构架模糊EKF系统的目标跟踪方法，按照以下步骤顺序进行：S1、建立无人机系统控制模型；S2、设计自构架模糊EKF系统扩展卡尔曼滤波器；S3、将EKF估计方差与实际观测方差间的误差作为自构架模糊EKF系统的一个输入，通过自构架模糊EKF系统辨识，自适应地减小自构架模糊估计误差。本发明属于无人机技术领域，通过利用自构架模糊EKF系统理论，设计完成了自构架模糊EKF系统，通过将测量估计误差与实际误差之间的误差E(k)作为模糊系统的输入，通过调整模糊系统参数来实现对方差估计值R的最优逼近，提高了对无人机飞行轨迹的跟踪精度。

本发明的目的，是要提供一种基于自构架模糊EKF系统的目标跟踪方法，该方法首先根据无人机系统的动力学方程建立了无人机系统控制模型，并将无人机控制系统中存在的高频随机干扰信号视为观测干扰噪声；其次设计了自构架模糊EKF系统扩展卡尔曼滤波，并将EKF估计方差与实际观测方差间的误差作为自构架模糊EKF系统的一个输入，通过自构架模糊EKF系统辨识，自适应地减小模糊EKF系统估计误差，提高了对无人机系统的跟踪精度。

人驾驶飞机简称“无人机”，英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。

目前，无人机的应用领域可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方面，无人机+行业应用，是无人机真正的刚需；在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等领域的应用，大大的拓展了无人机本身的用途。

无人机广泛的应用给人们的生产生活带来了极大的方便。与此同时，随着科技的发展，对无人机的跟踪精度的要求也越来越高。

公开号为CN113359809A的中国专利申请公开了一种“基于RBFNN辅助的桥梁检测无人机自主定位方法”,通过训练好的径向基函数神经网络来确定无人机的状态更新值与预测状态。

公开号为CN113390421A的中国发明专利申请公开了一种基于卡尔曼滤波的无人机定位方法及装置，然而其只是简单的利用了无极卡尔曼滤波(UKF)来预测无人机的飞行状态。

为了能够采用无人机完成更高要求的工作，同时加强对无人机的操控，需要对无人机实现精确跟踪。

咸阳职业技术学院创始于1937年，2004年经陕西省人民政府批准，教育部备案，由原陕西省乾县师范学校、彬县师范学校、仪祉农业学校和咸阳市体育运动学校、卫生学校、技工学校等6所学校合并而成，是咸阳市人民政府直属的唯一一所全日制公办普通高等学校。学院为省级示范高职院校、省级“双高计划”建设单位、全国文明单位、全国绿化模范单位、国家节约型公共机构示范单位和中国特色“双高计划”高水平专业群建设单位。全日制在校学生20000多名。

本发明由于采用了上述的技术方案，其与现有技术相比，所取得的技术进步在于：

(1)本发明首先根据无人机系统的动力学方程建立了无人机系统控制模型，并将无人机控制系统中存在的高频随机干扰信号视为观测干扰噪声；其次设计了自构架模糊EKF系统扩展卡尔曼滤波，并将EKF估计方差与实际观测方差间的误差作为自构架模糊EKF系统的一个输入，通过自构架模糊EKF系统辨识，自适应地减小模糊EKF系统估计误差，提高对无人机系统的跟踪精度；

(2)由于EKF在每一时刻对控制系统模型进行一阶近似，在近似过程中忽略了高阶项，这势必会引入模型误差。测量数据的准确性直接取决于方差估计值R的选择，如果R的取值与真实测量值差异较大，则估计误差也随之增；但是，对于合适的R值选择，很难通过人工操作来控制，这也造成了对无人机的飞行轨迹精度很难估计；由此，本发明通过EKF滤波器的方差信息，设计自构架模糊EKF系统推理系统，对测量误差的方差R值进行模糊调整与逼近，使其尽可能的接近真实值，来提高对无人机飞行定位的准确度。

本发明属于无人机技术领域，用于提高对无人机系统的跟踪精度。

技术转让，许可，合作所需资金需双方协商，希望具备此项技术研发的技术方，能够承接此项目。