點目標跟蹤的非線性濾波算法研究.pdf

1、目標跟蹤技術已經(jīng)在包括軍事和民用的不同的領域中得到應用,它是當今國際上十分活躍的熱門領域之一,而目標跟蹤的核心為濾波算法。如何提出性能更好的非線性濾波算法,來對付實際系統(tǒng)的非線性、非高斯問題,并高效的應到到目標跟蹤系統(tǒng)中,是本領域研究的熱點和難點所在。
　　 首先,在單目標跟蹤系統(tǒng),針對混合線性/非線性目標動態(tài)模型,提出一種新的混合濾波算法,算法采用Rao-Blackwellized思想,將線性狀態(tài)與非線性狀態(tài)進行分離,對非線性

2、狀態(tài)運用準高斯粒子濾波(quasi-Gaussian particle filtering,Q-GPF)算法進行估計,并將其后驗分布近似為單個高斯分布,再利用非線性狀態(tài)的估計值對線性狀態(tài)進行卡爾曼濾波(Kalman filter,KF)估計。仿真結果表明新算法在精度不下降的前提下,計算復雜度大大下降。
　　 其次,針對多目標跟蹤應用,提出一種新的基于隨機集的濾波算法,算法運用Rao-Blackwellized思想,通過挖掘分析“

3、混合線性/非線性模型”的結構,采用序列蒙特卡洛(sequential Monte Carlo,SMC)方法預測與估計概率假設密度濾波器(probability hypothesis density filtering,PHD)迭代式中各個目標的非線性狀態(tài),并利用非線性狀態(tài)粒子中包含的線性狀態(tài)的信息,使用KF對線性狀態(tài)進行預測與估計。以更好地估計PHD進而提高各目標狀態(tài)估計精度。分析與仿真的結果表明,新算法在減少計算量的同時,提升了估計精