面向多傳感器量測的機動目標跟蹤粒子濾波方法研究.pdf

1、目標跟蹤是利用先驗信息估計出目標的后驗信息，其在自動控制、導航、跟蹤、制導、人工智能、信息融合和故障檢測等領域已經(jīng)得到廣泛應用。對于線性模型和高斯噪聲下的目標狀態(tài)估計，傳統(tǒng)的方法能夠給出較好的結(jié)果。然而，對于需要引入非線性、非高斯、多模型、多尺度和高維數(shù)的狀態(tài)估計，其估計性能受限。粒子濾波是解決此類問題的有效途徑。針對多傳感器量測的機動目標跟蹤問題，本文基于粒子濾波技術(shù)提出了一些新的算法并獲得了較好的結(jié)果，主要貢獻如下：
　　

2、1.針對交互式多模型粒子濾波在跟蹤機動目標時精度受限問題，提出一種基于交互式多模型多傳感器順序粒子濾波算法(IMMSPF)。首先采用交互式多模型機制實現(xiàn)目標運動模式的確認；其次在合理利用單傳感器和多傳感器量測中冗余和互補信息的基礎上，引入順序重抽樣方法改善粒子分布，并將改善后的粒子應用于交互式多模型粒子濾波算法中。仿真實驗結(jié)果表明，新算法能夠估計出強機動、非線性目標狀態(tài)，且精度明顯優(yōu)于標準交互式多模型粒子濾波算法。
　　 2.針

3、對基于多傳感器交互式多模型粒子濾波跟蹤機動目標實時性差的問題，提出多速率交互式多模型粒子濾波算法(MRIMMPF)。在多傳感器提供量測信息的基礎上，以交互式多模型粒子濾波為框架，采用多速率合理利用多傳感器量測信息，降低了系統(tǒng)的計算復雜度。研究表明MRIMMPF算法有效利用多傳感器量測信息，同時保證了跟蹤系統(tǒng)的實時性。
　　 3.針對再入目標跟蹤中彈道系數(shù)未知，跟蹤精度有限的問題，將交互式多模型粒子濾波(IMMPF)應用于具有強非