基于高斯混合濾波的目標(biāo)跟蹤方法.pdf

1、雷達(dá)目標(biāo)跟蹤中，一般目標(biāo)的狀態(tài)建立在笛卡爾坐標(biāo)系中，而目標(biāo)的量測(cè)信息是在球坐標(biāo)或極坐標(biāo)下給出。球坐標(biāo)系下的無噪聲無模糊多普勒量測(cè)信息在笛卡爾坐標(biāo)系下使用是一種非線性的雷達(dá)目標(biāo)跟蹤問題。
　　為了解決這個(gè)問題本文首先敘述了最常用的目標(biāo)跟蹤方法，比如卡爾曼濾波、無跡卡爾曼濾波。其次，在無跡卡爾曼濾波的基礎(chǔ)上文章提出了高斯和無跡卡爾曼濾波。用高斯和表示模糊多普勒量測(cè)的概率密度函數(shù)?；诟咚购偷臒o跡卡爾曼濾波方法解決模糊的多普勒量測(cè)狀態(tài)估

2、計(jì)問題。仿真結(jié)果說明了這種方法的有效性。此方法與無跡卡爾曼濾波器以及轉(zhuǎn)換量測(cè)卡爾曼濾波器比較顯示在位置和速度誤差方面有更高的精度。
　　最后，著重講解了一下高斯和參數(shù)的估計(jì)問題。因?yàn)楦咚购褪巧厦嫖覀兲岬降臑V波算法的基礎(chǔ)。本論文也提出了兩種最有效的方法EM算法和群粒子（PSO）算法。其中EM算法也稱為期望最大化算法，主要通過期望步驟和期望最大化步驟不斷地更新得到的估計(jì)值，直到達(dá)到一個(gè)我們認(rèn)為合理的結(jié)果。粒子群方法估計(jì)高斯和參數(shù)主要是