基于非線性濾波的目標(biāo)跟蹤方法研究.pdf

1、目標(biāo)跟蹤在軍事和民用領(lǐng)域具有廣闊的應(yīng)用前景，一直受到國(guó)內(nèi)外眾多專家的廣泛關(guān)注，并取得了豐碩的研究成果。目標(biāo)跟蹤的一個(gè)核心部分就是濾波算法，對(duì)于線性系統(tǒng)，卡爾曼濾波算法是一種最優(yōu)估計(jì)方法。但在實(shí)際應(yīng)用中，即使不太復(fù)雜的系統(tǒng)，一般都是非線性系統(tǒng)，這時(shí)卡爾曼濾波算法就不適用了，因此，尋求高精度的非線性濾波算法是目標(biāo)跟蹤領(lǐng)域研究的一個(gè)熱點(diǎn)問(wèn)題。
　　 本文在了解常用非線性濾波算法的基礎(chǔ)上，主要做了以下兩方面的研究。
　　 1、為

2、了提高無(wú)跡卡爾曼濾波算法的數(shù)值穩(wěn)定性與跟蹤精度，在平方根無(wú)跡卡爾曼濾波的基礎(chǔ)上，對(duì)無(wú)跡卡爾曼濾波算法做了兩種改進(jìn)。一是將衰減因子與平方根無(wú)跡卡爾曼濾波濾波相結(jié)合，給出了帶衰減因子的平方根無(wú)跡卡爾曼濾波改進(jìn)算法，該算法適當(dāng)增強(qiáng)了新觀察資料的修正作用，降低老觀察資料的地位，有利于濾波器的收斂。二是將平方根方法與迭代無(wú)跡卡爾曼濾波算法相結(jié)合，提出了平方根迭代無(wú)跡卡爾曼濾波算法，該算法法利用矩陣的平方根分解，降低濾波誤差，在計(jì)算量增加較小的情況