粒子滤波算法.研究与其在目标跟踪中的应用

《粒子滤波算法.研究与其在目标跟踪中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、南开大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名：林乏乏矽g年5月z7日第一章绪论第一章绪论第一节论文的研究背景随着信息技术的迅猛发展，各种应用背景的多传感器信息系统也随之大量涌现。在军事应用方面，天基、地基监测系统均是将雷达、光电传感器、声传感器等

2、不同特性的传感器有机地组合于一体，最终完成目标探测、跟踪和识别等工作；智能武器的自主决策系统也要依靠对多方面信息的有机融合，在多传感器系统中发挥重要作用的就是信息融合技术。目前，信息融合技术已经研究出来很多的应用方法，例如卡尔曼滤波以及最近几年刚刚发展起来的粒子滤波，这几种方法在多传感器系统中都有应用。现实研究中很多学者采用的研究条件是针对线性系统，因此卡尔曼滤波得到了广泛的应用，随着系统的复杂程度不断增加，各种卡尔曼滤波的改进算法例如EKF，UKF都涌现出来，对于非线性系统(噪声基本服从规则分布，非线性程度较低)有了一定的应用，而在实际中往往

3、目标的运动状态实质上处于非线性的状态，此时粒子滤波在非线性系统中则得到较为广泛的应用。粒子滤波主要优点就在于能处理非线性与非高斯噪声分布问题，它是卡尔曼滤波无能为力的情况下最重要的一种预测与估计技术。因此，在这种情况下，研究基于粒子滤波器的信息融合方法就十分重要。其中的一项主要工作就是粒子滤波在运动目标跟踪算法中的应用。目标跟踪技术在国防上占据着极其重要的地位，美国国家导弹防御系统NMD和区域导弹防御系统TMD，其核心技术之一就是目标跟踪【11。这篇论文的主要目的是将具有普遍意义的滤波算法应用于运动目标跟踪。它的意义在于当运动目标的动态模型无法

4、满足卡尔曼滤波的假设条件的情况下，上面所提及的方法性能严重下降，甚至得到错误的结果，以至无法应用。而粒子滤波的特点就是能够同时在非线性和非高斯分布的模型上应用。因此，粒子滤波引起了相关领域研究者的广泛注意，尽管此时不是最优的估计，但在所有次优算法中是比较好的。第一章绪论第二节粒子滤波理论的发展现状粒子滤波实际上是使用蒙特卡罗仿真(MonteCarloSimulation)来完成一个递推贝叶斯滤波(RecursiveBayesianFilter)，其核心是使用一个具有相应权值的随机样本集合(粒子)来表示需要的后验密度。为了获得非线性非高斯状态空间

5、变量的精确估计，人们提出了粒子滤波器。在20世纪50年代，出现了一种被称为“序贯重要性采样(SlS)"的MonteCarlo方法[2一】，它通过离散的随机观测逼近概率分布，并且被应用到物理和工程领域。然而，SIS算法的高度计算复杂性和退化问题，相当长一段时间内没有受到更多的重视。到1993年Gordon提出了重采样【4】的概念，克服了SIS算法的退化问题，出现了第一个可操作的MonteCarlo滤波器。现代计算技术使MonteCarlo滤波方法得到迅速发展，这些MonteCarlo滤波方法，在各种领域被称为bootstrap，适者生存(surv

6、ivalthefittest)，凝聚算法(condensation)，序贯MonteCarlo方法等，现在统称为粒子滤波器【量6】(particlefilter，简称PF)。现在计算技术的发展以及粒子方法具有的巨大潜力使得粒子滤波器成为当前一个非常活跃的研究领域。粒子滤波器方法使通过蒙特卡罗仿真来实现的序列贝叶斯滤波更加完善。其核心思想是将所需的后验概率密度函数通过一组随机样本表现出来，每一个随机样本都对应一个权值，通过计算这些对应权值的随机样本来得到后验概率密度函数。当样本容量很大时，这种蒙特卡罗的描述就等价于真实的后验概率函数，此时，序贯重

7、要性抽样就逼进最佳贝叶斯估计。这就是基于序贯模拟的统计滤波方法。随着计算存储成本的降低，粒子滤波相对于采取解析形式对非线性系统进行近似，得到次优滤波估计值的传统方法来说，极大地提高了算法的精确性、实时性和鲁棒性。估值维数的多少对粒子滤波影响不大，并且该方法适用于任意非线性模型，任意分布的噪声，而且算法简单，易于编程实现。与扩展卡尔曼滤波方法比较，这种算法的滤波效果更好，适用范围更广。粒子滤波器是解决非线性非高斯问题的有效力工具之一，有着非常广泛的应用。在现代机动目标跟踪领域，Hue等把粒子滤波器推广到多目标跟踪和数据关联[7】；Gordon等对

8、杂波中的机动目标跟踪问题提出混合粒子滤波器【8】；Mcginnity等提出机动目标跟踪的多模型粒子滤波裂9】；Doucet等对跳跃Markov系统状态