APP下载

自适应卡尔曼滤波方法在光电跟踪系统中的应用*

2021-06-26孙春霞沈玉玲

传感器与微系统 2021年6期
关键词:卡尔曼滤波方法模型

吴 旭,孙春霞,沈玉玲

(兰州交通大学 电子与信息工程学院,甘肃 兰州 730070)

0 引 言

在光电跟踪控制系统的视场中,目标的位置与视场的中心之间的特定偏差被称为脱靶量。脱靶量是用作伺服控制系统运动的误差量,使得目标保持在视场中[1~4]。由于光电子器件在图像合成,处理和传输等一系列过程中消耗一定的时间,因此在目标实际位置信息和输出脱靶量信息之间存在滞后。脱靶量的滞后对跟踪性能影响的大小是光电跟踪系统是否稳定的重要因素之一。

近年来复合控制结构[5~7]常被用于光电跟踪控制系统,光电跟踪中的复合控制主要由反馈控制结构组成,在反馈控制结构中,学者们建立目标运动模型,构建系统传递函数,使用传感器与各类滤波方法来获得目标运动的参数,使系统能够与实际运动模型相符合从而更准确地跟踪目标。

对目标运动状态进行估计是弥补滞后的一种方法,卡尔曼滤波器是一种常用的基于模型的运动目标参数估计算法,它利用状态方程和递推公式根据前一周期估计数据获得当前周期信号数据。然而由于实际运动中目标运动的时变性、机动性、不确定性和脱靶量滞后,传统的卡尔曼滤波不能保证高精度和鲁棒性[8~10]。

针对以上问题,提出了一种基于CSM模型[11,12]和STF算法[13,14]的自适应卡尔曼滤波跟踪方法,算法通过CSM模型来描述目标的运动,借鉴STF强跟踪滤波算法的思想,利用残差序列计算调节因子,校正当前的CSM模型的参数,再根据校正后的参数更新自适应卡尔曼预测信息,将其输入与速度环。……

登录APP查看全文

猜你喜欢

卡尔曼滤波方法模型
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
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
用对方法才能瘦
基于模糊卡尔曼滤波算法的动力电池SOC估计
基于扩展卡尔曼滤波的PMSM无位置传感器控制
四大方法 教你不再“坐以待病”!
捕鱼
基于自适应卡尔曼滤波的新船舶试航系统