多傳感器目標(biāo)跟蹤信息融合算法研究.pdf

1、隨著目標(biāo)跟蹤在軍事和民用領(lǐng)域的廣闊應(yīng)用前景，對(duì)目標(biāo)跟蹤問(wèn)題的研究已經(jīng)受到人們的廣泛關(guān)注，機(jī)動(dòng)目標(biāo)的跟蹤問(wèn)題成為當(dāng)前的一個(gè)研究熱點(diǎn)。目前，目標(biāo)跟蹤的研究主要集中在提高算法的機(jī)動(dòng)目標(biāo)跟蹤性能和多傳感器信息融合兩個(gè)方面。本文旨在研究機(jī)動(dòng)目標(biāo)跟蹤算法，并對(duì)算法存在的一些問(wèn)題，結(jié)合信息融合技術(shù)對(duì)算法進(jìn)行改進(jìn)。 卡爾曼濾波對(duì)線性高斯系統(tǒng)有最優(yōu)估計(jì)。機(jī)動(dòng)目標(biāo)的跟蹤系統(tǒng)一般都是非線性的。擴(kuò)展卡爾曼濾波（EKF）就是解決非線性系統(tǒng)最常用的算法，該

2、算法的思想是對(duì)系統(tǒng)的非線性作線性化處理，然后根據(jù)卡爾曼濾波框架遞推濾波。由于EKF對(duì)系統(tǒng)模型進(jìn)行線性化近似引入了誤差，而且需要計(jì)算雅克比矩陣，不易實(shí)現(xiàn)。針對(duì)EKF的這些問(wèn)題，引入無(wú)跡變換（UT）對(duì)卡爾曼濾波進(jìn)行改進(jìn)，得到無(wú)跡卡爾曼濾波（UKF），該算法用Sigma點(diǎn)來(lái)描述系統(tǒng)的狀態(tài)，不需要作線性化處理。通過(guò)理論分析和仿真實(shí)驗(yàn)，表明：與EKF相比，UKF具有實(shí)現(xiàn)簡(jiǎn)單通用性強(qiáng)、跟蹤精度高、性能穩(wěn)定的特點(diǎn)。它完全有可能取代EKF成為一種常用的

3、非線性濾波算法。 粒子濾波（PF）是目前最熱門(mén)的一種機(jī)動(dòng)目標(biāo)跟蹤算法，該算法對(duì)系統(tǒng)的非線性非高斯不做限制，與EKF和UKF相比，粒子濾波算法的應(yīng)用更廣泛。但是PF算法中粒子容易出現(xiàn)退化現(xiàn)象，重要性函數(shù)的選取對(duì)粒子的退化起著至關(guān)重要的作用。為克服這一現(xiàn)象，在此引入EKF和UKF算法對(duì)重要性函數(shù)進(jìn)行改善，得到優(yōu)于PF的擴(kuò)展粒子濾波算法（EPF）和無(wú)跡粒子濾波算法（UPF）。通過(guò)仿真實(shí)驗(yàn)，結(jié)果表明EPF和UPF的性能比PF的要好，其中

4、UPF算法的跟蹤精度最高的，但是它的運(yùn)行時(shí)間是長(zhǎng)，因此實(shí)時(shí)性較差。 最后，對(duì)多模型多傳感器機(jī)動(dòng)目標(biāo)跟蹤算法進(jìn)行了研究。交互式多模型算法（IMM）是目前多模型算法的主流。本文結(jié)合IMM算法和UPF算法的優(yōu)點(diǎn)，提出了一種融合算法——交互式多模型無(wú)跡粒子算法（IMM—UPF）。在模型集的建立上，根據(jù)所用的濾波器的特征，直接采用了三個(gè)非線性模型依據(jù)馬爾可夫轉(zhuǎn)移概率并行工作。通過(guò)大量的試驗(yàn)仿真，證明了算法的有效性，而且其性能比UPF的還要