赵　彬，李　炯,曹　艳，赵丹丹

(1.空军工程大学防空反导学院，陕西 西安 710051；

2.陕西师范大学计算机科学学院，陕西 西安 710062)



基于容积卡尔曼滤波的辅助粒子滤波算法

赵彬1，李炯1,曹艳1，赵丹丹2

(1.空军工程大学防空反导学院，陕西 西安 710051；

2.陕西师范大学计算机科学学院，陕西 西安 710062)

摘要:针对非线性系统的状态估计精度较低的问题，提出基于容积卡尔曼滤波(CKF)的辅助粒子滤波(APF)算法—CAPF算法。该算法采用容积数值积分原则计算非线性函数的均值和方差，生成粒子滤波算法的重要性密度函数，获得所需的带权值粒子，进而计算粒子均值，获得系统状态的最小均方误差估计。CAPF算法由于使用最新的量测信息产生粒子，因而提高了对系统状态估计的逼近程度。仿真结果表明，CAPF算法具有更高的滤波精度，验证了算法的可行性和有效性。

关键词:非线性系统；容积卡尔曼滤波；辅助粒子滤波；重要性密度函数

0引言

自1960年，kalman提出卡尔曼滤波算法以来，各种改进的滤波算法层出不穷，研究热点也从线性高斯问题向非线性非高斯问题转移。由于现实世界里，非线性滤波问题更为普遍，对于该问题的研究具有更大的应用价值。当前，在众多的应用领域中，目标跟踪一直是研究的热点，基于经典卡尔曼的改进算法，如解决非线性滤波的扩展卡尔曼滤波算法(EKF)[1]，无迹卡尔曼滤波(UKF)[2]，容积卡尔曼滤波算法(CKF)[3]，这些算法在视频跟踪和雷达跟踪中都取得了较好的应用效果，基于此的改进算法还在不断被推演，但本质上都是卡尔曼滤波思想。……