李　凡，毕红葵，段　敏，喻晨龙，丰　骁

(空军预警学院 a. 研究生管理大队；　b. 陆基预警监视装备系，　武汉 430019)



·数据处理·

基于序列二次规划的粒子滤波算法

李凡a，毕红葵b，段敏b，喻晨龙a，丰骁a

(空军预警学院 a. 研究生管理大队；b. 陆基预警监视装备系，武汉 430019)

针对传统粒子滤波(PF)没有引入当前信息，并存在粒子退化的问题，提出了一种基于序列二次规划(SQP)多级优化的PF算法。首先，基于残差分布特性采用置信区间剔除较大偏差粒子，调整粒子权值分布；然后，将重采样后的粒子映射到集合U，根据集合U中各粒子复制次数建立多级优化模型，通过SQP求解模型的参数值，当前后两级模型优化参数差异小于门限时，输出最后一级优化参数为滤波结果；最后，为防止过度采样导致粒子退化，利用滤波值及其协方差采样新粒子。仿真实验表明：SQP-PF算法在跟踪精度，粒子多样性方面优于传统PF算法。

粒子滤波；序列二次规划；多级优化；置信区间

0　引　言

粒子滤波(PF)算法是一种基于Monte-Carlo仿真的最优回归贝叶斯滤波算法，广泛用于机动目标以及多目标跟踪领域[1-5]，理论上适用任何噪声环境下的线性以及非线性目标跟踪问题[6]。但其概率密度没有引入当前信息导致大多粒子偏差较大，并且粒子退化问题严重。文献[7-12]通过扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)将最新观测信息引入PF的分布函数中，提出扩展卡尔曼粒子滤波、无迹粒子滤波算法，其后验概率分布更贴近真实分布，提高了跟踪精度，但对粒子退化问题改善不大。……