粒子濾波算法及其在多機(jī)動(dòng)目標(biāo)跟蹤中的應(yīng)用.pdf

1、在目標(biāo)跟蹤領(lǐng)域,最經(jīng)典的濾波算法是卡爾曼濾波和擴(kuò)展卡爾曼濾波,其中前者是用于線性系統(tǒng),后者用于非線性系統(tǒng)?？柭鼮V波是最小均方意義下的最優(yōu)濾波算法,而擴(kuò)展卡爾曼濾波在非線性不是特別嚴(yán)重的情況下,有著近似最優(yōu)的濾波效果。但是對(duì)于強(qiáng)非線性以及非高斯分布噪聲的環(huán)境,卡爾曼濾波和擴(kuò)展卡爾曼濾波算法的性能指標(biāo)下降,甚至出現(xiàn)發(fā)散。
　　 本文主要研究非線性濾波算法,文章對(duì)粒子濾波算法進(jìn)行了歸納介紹。粒子濾波算法是一種能處理非線性模型、非高斯

2、分布噪聲問(wèn)題的濾波算法。該算法近年來(lái)在通信、雷達(dá)跟蹤、目標(biāo)跟蹤、圖像處理、計(jì)算機(jī)視覺(jué)、故障檢測(cè)等領(lǐng)域都得到了應(yīng)用。
　　 本文介紹了順序重要性采樣技術(shù),該技術(shù)是粒子濾波算法的基礎(chǔ)。早期的粒子濾波算法存在退化現(xiàn)象,解決的辦法是選擇好的重要性函數(shù)和重采樣方法。本文在眾多粒子濾波算法的基礎(chǔ)上,提出一種新型的重要性函數(shù)的選取方法,來(lái)改進(jìn)粒子濾波算法的估計(jì)性能,該算法被稱(chēng)為輔助無(wú)跡粒子濾波算法。
　　 本文提出的輔助無(wú)跡粒子濾波算

3、法思想,是首先通過(guò)一般粒子濾波算法步驟得到當(dāng)前時(shí)刻狀態(tài)的初步估計(jì);然后引入一組輔助模型;再在輔助模型的基礎(chǔ)上通過(guò)無(wú)跡變換得到進(jìn)一步的采樣樣本,利用無(wú)跡卡爾曼濾波算法求得這些樣本的均值和方差,通過(guò)這些均值和方差來(lái)生成重要性采樣函數(shù)。本文在多種環(huán)境下,多種條件中將各種算法進(jìn)行仿真比較,實(shí)驗(yàn)結(jié)果表明輔助無(wú)跡粒子濾波算法是一種有效的算法,其估計(jì)效果,穩(wěn)定性,以及對(duì)環(huán)境的適應(yīng)性都要優(yōu)于其他的算法。
　　 本文將提出的輔助無(wú)跡粒子濾波算法與