基于迭代平方根容积粒子滤波目标跟踪算法-论文.pdf

基于迭代平方根容积粒子滤波目标跟踪算法-论文.pdf

ID:57924385

大小:381.15 KB

页数:5页

时间:2020-04-14

基于迭代平方根容积粒子滤波目标跟踪算法-论文.pdf_第1页
基于迭代平方根容积粒子滤波目标跟踪算法-论文.pdf_第2页
基于迭代平方根容积粒子滤波目标跟踪算法-论文.pdf_第3页
基于迭代平方根容积粒子滤波目标跟踪算法-论文.pdf_第4页
基于迭代平方根容积粒子滤波目标跟踪算法-论文.pdf_第5页
资源描述:

《基于迭代平方根容积粒子滤波目标跟踪算法-论文.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、·120·《测控技术~2015年第34卷第7期基于迭代平方根容积粒子滤波目标跟踪算法陈超波,刘叶楠,高嵩(西安工业大学电子信息工程学院,陕西西安710021)摘要:针对粒子滤波目标跟踪算法粒子退化及跟踪精度问题,提出了一种基于马尔可夫链一蒙特卡罗(MCMC,MarkovChainMonteCarlo)的迭代平方根容积粒子滤波(ISRCPF,iteratedsquarerootcubatureKalmanparticlefilter)算法(ISRCPF.MCMC)。在该滤波算法中,利用容积数值积分原则计算非线性随机函数的均值和方差,通过正交矩阵分解代替矩阵开方,在生成的粒子滤

2、波建议分布中融入当前量测值,提高对系统后验概率的逼近程度。然后在此基础上融合MCMC抽样算法(MH,MetropolisHasting)对所选建议分布进行优化,增加粒子多样性,以提高跟踪精度。仿真试验结果表明,ISRCPF.MCMC算法的估计误差与其他算法相比降低至0.403%。关键词:目标跟踪;粒子滤波;迭代平方根容积卡尔曼滤波;马尔可夫链一蒙特卡罗中图分类号:TP391文献标识码:A文章编号:1000—8829(2015)07—0120—05TargetTrackingAlgorithmBasedOilIteratedSquareRootCubatureParticle

3、FilterCHENChao—bo,LIUYe—nan,GAOSong(SchoolofElectronicsInformationEngineering,Xi’anTechnologicalUniversity,Xi’an710021,China)Abstract:Inordertosolvetheproblemsofparticledegradationandtrackingaccuracyintheparticlefiltertar-gettrackingalgorithm,anewimprovedparticlefilteralgorithmcallediterat

4、edsquarerootcubatureKalmanpar-ticlefiher(ISRCPF)isproposedbasedonMarkovChainMonteCarlo(MCMC).ThenewISRCPF—MCMCusesthecubatureprincipleofnumericalintegrationtocalculatethemeanandcovarianceofnonlinearfunction.Byusingorthogonalmatrixdecompositioninsteadofmatrixprescribingandaddingthecurrentme

5、asuredvaluesin-totheresultingparticlefilterproposaldistributiontoimprovethedegreeofapproximationtothesystemposteri—ordensity.Afterthtat,bytogetherusingMCMCsamplingmethod,proposaldistributionisoptimized,particlesbecome,andaccuracyisimproved.SimulationresultsshowthattheestimationeroFofISRCPF

6、—MCMCalgo·rithmisreducedto0.403%comparedwithotheralgorithms.Keywords:targettracking;particlefilter;iteratedsquarerootcubatureKalmanfilter;MarkovChainMonteCarlo在目标跟踪、故障检测及导航制导等领域存在着于非线性系统中。Gordon等首次将粒子滤波(PF,大量非线性/非高斯系统的状态估计问题。常规的滤particlefiher)算法应用到非线性非高斯的状态估计波算法基本都是在卡尔曼理论框架的方法,很难应用中,因为其不受非

7、线性非高斯问题的限制,粒子滤波在目标跟踪等诸多领域应用得越来越广J。文献[3]提出的扩展卡尔曼粒子滤波(EPF,extendKalmanparticle收稿日期:2014—05一l1filter)利用扩展卡尔曼滤波(EKF,extendKalmanfilter)基金项目:陕西省国际科技合作重点项目(2015KW-024);兵器来产生重要性密度函数,尽管滤波精度有所提高,但预研支撑基金(62201070317);西安市技术转移促进工程项目EKF在对模型线性化的过程中引入了太多误差,导致(CXY1441(3))滤波效果

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。