目標(biāo)跟蹤中粒子濾波算法的研究.pdf

1、目標(biāo)跟蹤無論在軍事領(lǐng)域還是民用領(lǐng)域都有著極為廣泛的應(yīng)用，因此一直是科學(xué)研究的一個熱點。目標(biāo)跟蹤包括兩大關(guān)鍵要素：建立準(zhǔn)確的跟蹤模型和設(shè)計精準(zhǔn)的跟蹤算法。在貝葉斯濾波框架下，粒子濾波算法可將目標(biāo)跟蹤問題轉(zhuǎn)化為貝葉斯估計問題，通過使用系統(tǒng)中所有的觀測數(shù)據(jù)來遞推估計狀態(tài)變量的后驗概率密度函數(shù)，從而獲得目標(biāo)狀態(tài)的最優(yōu)估計。與傳統(tǒng)的濾波算法相比，粒子濾波算法不受系統(tǒng)線性、系統(tǒng)維數(shù)和噪聲分布的限制，可以更加有效地處理目標(biāo)跟蹤中的狀態(tài)估計問題，因此在

2、目標(biāo)跟蹤領(lǐng)域得到了廣泛的應(yīng)用。隨著科技的發(fā)展，運動目標(biāo)的機動性越來越強，而交互式多模型具有結(jié)構(gòu)化、穩(wěn)健性好、跟蹤精度高等特點，可以對目標(biāo)的運動狀態(tài)進行準(zhǔn)確地描述。因此，可將粒子濾波算法與交互式多模型進行結(jié)合應(yīng)用在機動目標(biāo)跟蹤中，從而提高目標(biāo)跟蹤的精度。
　　本文主要工作有兩點：第一，在對標(biāo)準(zhǔn)粒子濾波算法和傳統(tǒng)重釆樣算法進行充分研究的基礎(chǔ)上，提出了一種基于重釆樣改進的粒子濾波算法。該算法在濾波過程中加入了預(yù)處理和權(quán)值線性優(yōu)化組合方法

3、：預(yù)處理過程通過使用粒子對的均值代替小權(quán)值粒子并增大其權(quán)值，將小權(quán)值粒子向高似然區(qū)移動，該過程可以減小粒子間的權(quán)值方差、提高有效粒子數(shù)目、減少進行重釆樣的次數(shù)，在一定程度上保證粒子的多樣性，提高狀態(tài)估計的性能；通過對重釆樣前的部分粒子進行權(quán)值線性優(yōu)化組合，增加了重釆樣過程中被復(fù)制的粒子數(shù)，緩解了粒子多樣性喪失的問題，提高了狀態(tài)估計性能，并通過MATLAB仿真實驗證明了算法的有效性。第二，將改進的粒子濾波算法與交互式多模型結(jié)合得到改進的粒