自適應容積卡爾曼濾波器及其在雷達目標跟蹤中的應用.pdf

1、容積卡爾曼濾波算法是近年提出的一種獲得廣泛關(guān)注的非線性濾波算法。為滿足近似線性最小方差條件，CKF仍須假設(shè)過程與量測噪聲均為已知獨立的零均值高斯白噪聲。然而實際噪聲環(huán)境往往不滿足上述嚴格假設(shè)，這可能導致標準CKF的性能退化甚至發(fā)散。為克服這一局限性，進而增強標準CKF算法的魯棒性。本研究基于標準CKF算法，針對不同噪聲條件，提出幾種改進自適應CKF算法并應用于雷達目標跟蹤仿真實驗。主要研究工作如下:
　　1.為克服統(tǒng)計特征未知的過

2、程噪聲在濾波過程中對SCKF算法性能的不利影響，提出基于Sage-Husa噪聲估計器的自適應SCKF算法。機動目標跟蹤的仿真實驗結(jié)果表明該算法在未知恒定和時變過程噪聲兩種背景中都比同等條件下的SCKF算法具有更好的濾波精度和穩(wěn)定性。
　　2.有色量測噪聲不符合CKF算法的零均值高斯白噪聲假設(shè)，因此基于一階馬爾科夫有色噪聲模型、高斯濾波器和三度容積規(guī)則提出同時適用于有色和白色量測噪聲條件的自適應CKF算法及其平方根版本。隨后的目標跟

3、蹤仿真實驗結(jié)果表明兩種改進算法的有效性。
　　3.針對高度容積卡爾曼濾波算法運行過程中存在的不定噪聲對濾波性能造成的影響，基于非線性H無窮濾波框架和五度容積規(guī)則提出高度容積H無窮濾波算法，仿真實驗結(jié)果證明了該改進算法的有效性。
　　4.基于兩種解相關(guān)原則和五度容積規(guī)則，提出兩種互相關(guān)噪聲背景下的改進高度容積濾波器，用于解決同時互相關(guān)噪聲背景下高度容積卡爾曼濾波算法的性能退化的問題。目標跟蹤仿真實驗結(jié)果表明兩種改進濾波算法能有