APP下载

多模型粒子滤波在机动目标跟踪中的应用

2012-08-27闫文利王建刚

电光与控制 2012年1期
关键词:卡尔曼滤波模型

闫文利, 王建刚, 柳 毅

(光电控制技术重点实验室,河南洛阳 471009)

0 引言

由于双机协同无源跟踪能够提供飞机的隐蔽性,符合“静默”攻击的要求,使其成为近几年最广泛研究的跟踪技术之一。在以往的研究中,一般假设目标匀速执行运动或变速直线运动[1-2],而空中运动的目标总是机动的,因此研究空中机动目标的跟踪具有很强的现实意义。

现有的机动目标跟踪算法中,由 Bolm和 Bar-Shalom提出的交互式多模型(Interacting Multiple Model,IMM)及其改进算法被广泛应用于跟踪机动目标[3-5]。该方法采用马尔科夫转移概率进行模型切换,对线性机动的目标达到很好的跟踪效果。目前主要采用交互式多模型(IMM)和扩展卡尔曼滤波相结合处理非线性问题[6-7],由于扩展卡尔曼滤波(EKF)对非线性模型进行一阶线性化,这样不可避免地引入很大的线性误差,造成跟踪精度大大降低,甚至出现失跟现象,限制了交互式多模型的进一步发展。

近年来,许多学者将交互式多模型和粒子滤波相结合用以处理非线性问题,并取得很好的效果。文献[8]指出了交互式多模型方法和粒子滤波结合时存在的主要问题,并介绍了几个有价值的应用方向;文献[9]提出一种基于多模型粒子的多目标跟踪算法,有效地解决了密集杂波环境下机动多目标跟踪中的非线性问题。现有的文章基本都是对二维机动目标进行跟踪,本文在双机协同跟踪的基础上,将交互式多模型粒子滤波用于跟踪空中三维机动目标。最后通过仿真表明,该算法对空中三维机动目标跟踪效果优于扩展卡尔曼滤波和交互式多模型扩展卡尔曼滤波。……

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