资源描述：
《基于卡尔曼滤波的动目标预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第35卷第10期应用科技Vol.35,№.102008年10月AppliedScienceandTechnologyOct.2008文章编号:1009-671X(2008)10-0028-05基于卡尔曼滤波的动目标预测严浙平,黄宇峰(哈尔滨工程大学自动化学院,黑龙江哈尔滨150001)摘要:对非机动目标可利用标准卡尔曼滤波算法对其运动状态进行预测,因为其运动数学模型精确可知.而当运动目标处于机动时,准确描述目标运动状态的数学模型难以建立,标准卡尔曼滤波算法难以进行对其状态预测.因此,文中采用将目标加速度作为虚
2、拟噪声的自适应卡尔曼滤波算法,进行动目标运动状态的预估.仿真结果表明了该算法有效、可行,具有一定应用参考价值.关键词:动目标预测;卡尔曼滤波;自适应卡尔曼滤波中图分类号:TK414.2文献标识码:AResearchonpredictionofmovingtargetswithKalmanfilteringmethodYANZhe2ping,HUANGYu2feng(CollegeofAutomation,HarbinEngineeringUniversity,Harbin150001,China)Abstra
3、ct:Fornon2mobiletargets,theirmovementscanbepredictedbynormalKalmanfiltering,sincetheirmath2ematicmodelsareknown.However,whenthetargetsareinmotion,theiraccuratemathematicmodelsaredifficulttobeestablished,sothenormalKalmanfilteringisalsodifficulttopredictamob
4、iletargetinthiscase.Inthispa2per,anadaptiveKalmanfilteringmethodwasusedtoestimatetheaccelerationandpredictthemotionofmobiletar2gets,inwhichtheaccelerationoftargetsistakenasavirtualnoise.Simulationresultsshowedthattheproposedmethodisveryusefultopredictthemob
5、iletargets.Keywords:targetprediction;Kalmanfiltering;adaptiveKalmanfiltering目标的滤波与预测是估计当前和未来时刻目标1标准卡尔曼滤波方程推导运动参数(如位置、速度和加速度)的必要技术手段.当目标做非机动运动时,采用基本的滤波和预测Kalman滤波器是对一个动态系统的状态序列[1]方法即可很好的达到目的.在实际的目标估计与进行线性最小方差估计的算法,预测时具有无偏、稳[3]预测过程中,目标往往会发生机动,这时采用基本的定和最优的特点N推
6、导Kalman滤波器的公式有滤波和预测方法以及先前的目标运动模型,已不能多种途径,比如,可以把最小方差估计看做被估计量满足问题求解的需要,估计与预测也会出现发散现在量测空间上的投影,利用投影定理进行推导和证明.在此,直接利用最小方差准则,对Kalman滤波的象.这时就需要对基本的滤波和预测方法加以改进[2]递推公式作简要的推导.以求能够更加有效的解决问题.文中采用标准卡设系统的状态方程和测量方程分别为尔曼滤波方法实现对非机动运动的预测,并对匀速Xk=φk/k-1Xk-1+Γk-1Wk-1,(1)直线运动目标的
7、预测进行了仿真研究.采用自适应Zk=HkXk=Vk.卡尔曼滤波方法实现对机动运动的预测,对变加速式中:Xk为k时刻的n维状态矢量,即被估计矢量:直线运动目标的预测进行了仿真研究.φk/k-1为n×n维状态转移矩阵,Γk为动态噪声矩阵n×n,Vk为n维动态噪声,Hk为k时刻量测矩阵收稿日期:2008203203.作者简介:严浙平(19722),男,教授,博士生导师,主要研究方向:潜器与水下机器人技术、舰船动力定位和深潜救生控制技术,E-mail:yanzheping@hrbeu.edu.cn.第10期严浙平,等
8、:基于卡尔曼滤波的动目标预测·29·Tn×n,Vk为时刻的m维观测噪声.其中,动态噪声B=Kk=Pk/k-1HK(HKPXk/k-1HK+RK),Wk与观测噪声Vk是互不相关的零均值白噪声序A=(I-HkHk)φk/k-1.(8)列,即对所有的k、j有此时有EWk=0,EVk=0.X=AXk-1+BZk=TCov(Wk,Wj)=EWkWj=Qkδkj,(2)φk/k-1Xk-1+Kk(Zk-Hkφk
