點(diǎn)目標(biāo)跟蹤的非線性濾波算法研究.pdf

1、目標(biāo)跟蹤技術(shù)已經(jīng)在包括軍事和民用的不同的領(lǐng)域中得到應(yīng)用,它是當(dāng)今國際上十分活躍的熱門領(lǐng)域之一,而目標(biāo)跟蹤的核心為濾波算法。如何提出性能更好的非線性濾波算法,來對付實(shí)際系統(tǒng)的非線性、非高斯問題,并高效的應(yīng)到到目標(biāo)跟蹤系統(tǒng)中,是本領(lǐng)域研究的熱點(diǎn)和難點(diǎn)所在。
　　 首先,在單目標(biāo)跟蹤系統(tǒng),針對混合線性/非線性目標(biāo)動態(tài)模型,提出一種新的混合濾波算法,算法采用Rao-Blackwellized思想,將線性狀態(tài)與非線性狀態(tài)進(jìn)行分離,對非線性

2、狀態(tài)運(yùn)用準(zhǔn)高斯粒子濾波(quasi-Gaussian particle filtering,Q-GPF)算法進(jìn)行估計(jì),并將其后驗(yàn)分布近似為單個高斯分布,再利用非線性狀態(tài)的估計(jì)值對線性狀態(tài)進(jìn)行卡爾曼濾波(Kalman filter,KF)估計(jì)。仿真結(jié)果表明新算法在精度不下降的前提下,計(jì)算復(fù)雜度大大下降。
　　 其次,針對多目標(biāo)跟蹤應(yīng)用,提出一種新的基于隨機(jī)集的濾波算法,算法運(yùn)用Rao-Blackwellized思想,通過挖掘分析“

3、混合線性/非線性模型”的結(jié)構(gòu),采用序列蒙特卡洛(sequential Monte Carlo,SMC)方法預(yù)測與估計(jì)概率假設(shè)密度濾波器(probability hypothesis density filtering,PHD)迭代式中各個目標(biāo)的非線性狀態(tài),并利用非線性狀態(tài)粒子中包含的線性狀態(tài)的信息,使用KF對線性狀態(tài)進(jìn)行預(yù)測與估計(jì)。以更好地估計(jì)PHD進(jìn)而提高各目標(biāo)狀態(tài)估計(jì)精度。分析與仿真的結(jié)果表明,新算法在減少計(jì)算量的同時,提升了估計(jì)精