基于自適應(yīng)卡爾曼粒子濾波的目標(biāo)跟蹤算法的研究.pdf

1、粒子濾波(Particle Filter)是近些年來(lái)發(fā)展起來(lái)的一種有效的濾波處理技術(shù)，因其在解決非線性動(dòng)態(tài)系統(tǒng)方面具有極大優(yōu)勢(shì)，在目標(biāo)跟蹤、圖像處理等很多領(lǐng)域都有廣泛的應(yīng)用。粒子濾波是一種新的用來(lái)求解貝葉斯概率的方法，一般來(lái)說(shuō)，它借助于非參數(shù)蒙特卡羅模擬的方法來(lái)實(shí)現(xiàn)遞推貝葉斯濾波算法。近幾年時(shí)間里，有關(guān)的理論和算法研究都得到了較快的發(fā)展，并且提出了許多有效地改進(jìn)算法。目前粒子濾波已經(jīng)成為國(guó)際上濾波理論的一個(gè)研究熱點(diǎn)。
　　首先，本

2、文介紹了基于非線性動(dòng)態(tài)系統(tǒng)的擴(kuò)展卡爾曼濾波(Extended Kalman Filter)算法和無(wú)跡卡爾曼濾波(Unscented Kalman Filter)算法的基本理論以及遺傳算法和粒子濾波算法的基本原理和實(shí)現(xiàn)步驟，這些濾波算法在目標(biāo)跟蹤領(lǐng)域都取得了較好的跟蹤效果，但同時(shí)它們都存在著在高機(jī)動(dòng)、非高斯、強(qiáng)噪聲背景下精度不夠、對(duì)模型不適應(yīng)等缺點(diǎn)。
　　其次，無(wú)跡卡爾曼濾波算法具有對(duì)濾波初始值和狀態(tài)模型誤差比較敏感的特點(diǎn)，本文在U

3、KF算法的基礎(chǔ)上引入了強(qiáng)跟蹤的自適應(yīng)算法，用于解決載體運(yùn)動(dòng)規(guī)律與濾波模型不匹配的問(wèn)題。
　　最后，以粒子濾波為基礎(chǔ)，提出了基于自適應(yīng)卡爾曼粒子濾波算法并和常規(guī)方法進(jìn)行了對(duì)比分析。首先是為克服傳統(tǒng)粒子濾波算法采用狀態(tài)轉(zhuǎn)移先驗(yàn)概率作為粒子濾波提議分布的缺點(diǎn)，采用改進(jìn)的自適應(yīng)強(qiáng)跟蹤UKF生成粒子濾波的提議分布，并從中抽樣粒子，使得粒子的分布更加接近狀態(tài)的后驗(yàn)概率分布。其次，在粒子濾波的重采樣過(guò)程中加入自適應(yīng)GA-MCMC算法，利用遺傳算