基于粒子濾波的機(jī)動(dòng)目標(biāo)跟蹤方法研究.pdf

1、機(jī)動(dòng)目標(biāo)跟蹤研究對(duì)目標(biāo)機(jī)動(dòng)不能準(zhǔn)確描述的估計(jì)問題，是近年來科學(xué)界研究較多的課題。由于其有效而廣闊的理論和應(yīng)用前景，在軍事和民用領(lǐng)域得到越來越廣泛的應(yīng)用。但隨著跟蹤環(huán)境和目標(biāo)機(jī)動(dòng)性能發(fā)生變化，各種應(yīng)用系統(tǒng)對(duì)機(jī)動(dòng)目標(biāo)跟蹤提出了日益復(fù)雜的要求。因而，尋找更為實(shí)時(shí)有效的機(jī)動(dòng)目標(biāo)跟蹤方法具有重要的意義。 本文研究基于粒子濾波的機(jī)動(dòng)目標(biāo)跟蹤，提出了實(shí)時(shí)有效的跟蹤算法，以期解決跟蹤過程中計(jì)算量大、精確度低的問題。首先，針對(duì)多模型跟蹤機(jī)動(dòng)目標(biāo)的

2、實(shí)時(shí)性問題，提出多模型擬蒙特卡羅-高斯粒子濾波(MM-QMC-GPF)算法和迭代多模型粒子濾波算法。前者對(duì)狀態(tài)采樣方法進(jìn)行了改進(jìn)，QMC采樣代替?zhèn)鹘y(tǒng)的MC采樣，后者通過迭代過程產(chǎn)生重要性密度函數(shù)，使之更符合真實(shí)的后驗(yàn)概率分布。實(shí)驗(yàn)表明，MM-QMC-GPF算法和迭代多模型粒子濾波算法均克服了傳統(tǒng)多模型粒子濾波算法計(jì)算量大的缺點(diǎn)，有效的提高了目標(biāo)跟蹤的實(shí)時(shí)性；其次，在GPF算法的基礎(chǔ)上，提出了一種新的采樣間隔自適應(yīng)調(diào)整算法，通過預(yù)測(cè)狀態(tài)協(xié)