基于粒子濾波的目標跟蹤研究.pdf

1、隨著控制和計算機技術(shù)的飛速發(fā)展，非線性濾波技術(shù)在信號處理、無線通信、自動控制、航空航天、計算機視覺、以及目標跟蹤和識別等領(lǐng)域具有越來越廣泛的應用。經(jīng)典的卡爾曼濾波(KF)、擴展卡爾曼濾波(EKF)等算法在研究非線性、非高斯動態(tài)系統(tǒng)最優(yōu)估計問題時，估計精度會明顯下降甚至發(fā)散。而粒子濾波理論結(jié)合了貝葉斯估計理論和蒙特卡羅方法，適用于能用狀態(tài)空間模型表示的非線性系統(tǒng)，以及傳統(tǒng)卡爾曼濾波無法表示的非線性非高斯系統(tǒng)，精度可以逼近最優(yōu)估計，并在目標

2、跟蹤領(lǐng)域得到了廣泛的應用。本文主要圍繞粒子濾波方法及其在目標跟蹤中的應用開展相關(guān)研究工作，主要工作包括：
　　 1.在卡爾曼濾波理論的基礎(chǔ)上，分析了擴展卡爾曼濾波(EKF)、不敏卡爾曼濾波(UKF)和迭代擴展卡爾曼濾波(IEKF)等主要的非線性濾波方法并進行了跟蹤性能仿真對比實驗，綜合比較了算法優(yōu)缺點，結(jié)果表明迭代擴展卡爾曼濾波(IEKF)算法的跟蹤性能和濾波精度優(yōu)于其他算法。
　　 2.重要性密度函數(shù)的選取對于改善粒子

3、退化現(xiàn)象和濾波精度有著非常重要的影響，由于IEKF產(chǎn)生的重要性密度函數(shù)比EKF和UKF更接近于真實后驗概率分布，估計精度更好。本文研究并仿真了一種基于IEKF的粒子濾波算法IEPF。結(jié)果表明，該算法的估計性能優(yōu)于擴展卡爾曼粒子濾波(EPF)和不敏卡爾曼粒子濾波(UPF)。隨后針對粒子濾波算法中由于重采樣可能帶來的粒子枯竭問題，在PF算法的基礎(chǔ)上引入了基于馬爾可夫鏈蒙特卡羅移動(MCMC)的PF-MCMC算法來增加粒子的多樣性，并完成了性