APP下载

两阶段卡尔曼滤波自适应交互式多模型算法

2010-08-21曾昭博熊加遥

探测与控制学报 2010年3期
关键词:卡尔曼滤波模型

廖 阳,王 睿,曾昭博,2,熊加遥

(1.空军工程大学导弹学院,陕西三原 713800;2.93617部队,北京 101400)

0 引言

机动目标跟踪理论是一个比较前沿的理论,在军事领域和民用领域都有着广泛的应用。民用方面如:海上导航、空中交通管制等;军事应用如:导弹防御、战场监视、精确制导等。其中,机动目标跟踪在军事上的应用显得尤为重要。

针对机动目标的跟踪问题,很多学者进行了相关的研究,并提出了各种不同的方法。其中一种比较典型的方法是交互式多模型方法[1],利用多个子滤波器的加权和构成系统的最终输出。对于一个机动目标而言,有可能采取各种不同的机动,因而不可能采用较少的子滤波器来准确描述目标的机动。为此,需要用到大量具有不同参数的子滤波器,但是研究表明使用过多的子滤波器并不一定能解决问题,反而可能陷入两难的境地:一方面,使用过多的子滤波器会使计算量大幅度增加;另一方面,来自子滤波器之间不必要的竞争,反而使得性能下降。

为了在减少子滤波器数量的同时,有效提高跟踪精度,降低计算量,本文设计了一种自适应交互式多模型机动目标跟踪算法。

1 机动目标跟踪的IMM算法与两阶段卡尔曼滤波

1.1 目标机动模型

在二维平面内,目标的机动模型可以表示为如下形式[2]:

式中,X(k)为状态向量;Φ为已知状态转移矩阵;Γ为系统输入矩阵;W(k)为系统噪声;U(k)为未知系统确定加速度。

测量方程为:

式中,H为系统测量矩阵;V(k)为测量噪声。假定W(k),V(k)分别为均值为零,方差为Q,R的白噪声。……

登录APP查看全文

猜你喜欢

卡尔曼滤波模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
改进的扩展卡尔曼滤波算法研究
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
3D打印中的模型分割与打包
基于模糊卡尔曼滤波算法的动力电池SOC估计
FLUKA几何模型到CAD几何模型转换方法初步研究
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于EMD和卡尔曼滤波的振荡信号检测
基于卡尔曼滤波的组合导航误差补偿