面向多傳感器量測(cè)的機(jī)動(dòng)目標(biāo)跟蹤粒子濾波方法研究.pdf

1、目標(biāo)跟蹤是利用先驗(yàn)信息估計(jì)出目標(biāo)的后驗(yàn)信息，其在自動(dòng)控制、導(dǎo)航、跟蹤、制導(dǎo)、人工智能、信息融合和故障檢測(cè)等領(lǐng)域已經(jīng)得到廣泛應(yīng)用。對(duì)于線性模型和高斯噪聲下的目標(biāo)狀態(tài)估計(jì)，傳統(tǒng)的方法能夠給出較好的結(jié)果。然而，對(duì)于需要引入非線性、非高斯、多模型、多尺度和高維數(shù)的狀態(tài)估計(jì)，其估計(jì)性能受限。粒子濾波是解決此類(lèi)問(wèn)題的有效途徑。針對(duì)多傳感器量測(cè)的機(jī)動(dòng)目標(biāo)跟蹤問(wèn)題，本文基于粒子濾波技術(shù)提出了一些新的算法并獲得了較好的結(jié)果，主要貢獻(xiàn)如下：
　　

2、1.針對(duì)交互式多模型粒子濾波在跟蹤機(jī)動(dòng)目標(biāo)時(shí)精度受限問(wèn)題，提出一種基于交互式多模型多傳感器順序粒子濾波算法(IMMSPF)。首先采用交互式多模型機(jī)制實(shí)現(xiàn)目標(biāo)運(yùn)動(dòng)模式的確認(rèn)；其次在合理利用單傳感器和多傳感器量測(cè)中冗余和互補(bǔ)信息的基礎(chǔ)上，引入順序重抽樣方法改善粒子分布，并將改善后的粒子應(yīng)用于交互式多模型粒子濾波算法中。仿真實(shí)驗(yàn)結(jié)果表明，新算法能夠估計(jì)出強(qiáng)機(jī)動(dòng)、非線性目標(biāo)狀態(tài)，且精度明顯優(yōu)于標(biāo)準(zhǔn)交互式多模型粒子濾波算法。
　　 2.針

3、對(duì)基于多傳感器交互式多模型粒子濾波跟蹤機(jī)動(dòng)目標(biāo)實(shí)時(shí)性差的問(wèn)題，提出多速率交互式多模型粒子濾波算法(MRIMMPF)。在多傳感器提供量測(cè)信息的基礎(chǔ)上，以交互式多模型粒子濾波為框架，采用多速率合理利用多傳感器量測(cè)信息，降低了系統(tǒng)的計(jì)算復(fù)雜度。研究表明MRIMMPF算法有效利用多傳感器量測(cè)信息，同時(shí)保證了跟蹤系統(tǒng)的實(shí)時(shí)性。
　　 3.針對(duì)再入目標(biāo)跟蹤中彈道系數(shù)未知，跟蹤精度有限的問(wèn)題，將交互式多模型粒子濾波(IMMPF)應(yīng)用于具有強(qiáng)非