BF粒子滤波算法在快速目标跟踪中应用的研究

为了对快速目标进行跟踪,在高斯加性白噪声的条件下(AGWN),文章把BF粒子滤波算法和迭代的Kalman滤波器方法结合起来对快速目标状态进行处理,状态估计用BF粒子滤波算法,能减小方差和运算量,同时用Kalman滤波器能提高跟踪精度和对目标状态的估计。仿真结果表明,文中所设计的快速和精确的BF算法能真正地解决快速目标跟踪问题。     

非线性系统的一种改进的Unscented卡尔曼滤波器

作为最近提出的一种非线性滤波方法,Unscented卡尔曼滤波器(UKF)具有易实现、较高的估计精度和中等的计算量等优点。然而,像扩展卡尔曼滤波器(EKF)一样,UKF关于模型不确定性的鲁棒性很差、对初始条件很敏感,容易出现状态估计不准,甚至发散等现象。为了克服UKF的缺陷,基于强跟踪滤波器(STF)理论,通过引入一种多重次优渐消因子在线调整滤波器增益矩阵,提出一种改进的UKF,并通过目标跟踪的仿真实验验证了该滤波器的有效性。仿真实验结果表明改进的Unscented卡尔曼滤波器具有好的鲁棒性,而且能够快速收敛。     

基于纯方位角测量的水下目标跟踪

在笛卡尔卡尔曼滤波器的基础上，提出了改进极坐标扩展卡尔曼滤波器，并且研究了应用于纯方位角测量的目标跟踪算法，对提出的算法进行了相应的仿真实验，仿真结果表明，改进极坐标扩展卡尔曼滤波器非常适合于目标的跟踪研究，具有很高的工程应用价值。     

迭代中心差分粒子滤波的SLAM算法

为了提高SLAM算法中的位姿估计精度,通过在广泛使用的RBPF粒子滤波器中,利用迭代中心差分卡尔曼滤波器(ICDKF)来代替其中的扩展卡尔曼滤波器(EKF),并融合新的观测数据使提议分布更加接近后验概率分布,并且能够精确估计智能车辆的位姿,进而采用ICDKF算法更新特征地图的位置.该算法在保证定位精度的同时减少了计算的复杂度,提高系统的估计性能,增加了迭代算法的稳定性.仿真实验结果验证了迭代中心差分粒子滤波SLAM算法的有效性.     

基于改进粒子滤波的传感器网络目标跟踪研究

在分析粒子滤波算法(PF)的基础上研究了一种改进的粒子滤波算法-无迹粒子滤波算法(UPF).UPF算法使用无迹卡尔曼滤波(UKF)算法产生重要密度函数.动态组织传感器网络节点成簇,将UPF算法和PF算法应用于无线传感器网络(WSNs)的目标跟踪,实现了对网络中做匀速直线运动的单个目标的跟踪.最后将UPF算法与PF算法进行比较.仿真结果表明,改进算法UPF滤波提高了粒子利用效率,精度更高,跟踪性能更好.     

强跟踪滤波器与卡尔曼滤波器对目标跟踪的比较

介绍了早期的卡尔曼滤波器和近期提出的强跟踪滤波器对匀速运动目标和机动性目标的跟踪情况．通过仿真，说明在信噪比较小的情况下强跟踪滤波器的目标跟踪性能优于卡尔曼滤波器的跟踪性能。     

基于信息融合的井下图像跟踪

提出了一种新的井下图像跟踪算法——图像相关算法与卡尔曼滤波器之间的信息进行融合．此算法基于贝叶斯规则，将一种常用的均方差图像相关算法和卡尔曼滤波器两者信息进行融合，得到一种新的成像跟踪算法．改进后的算法融合了MSD相关器和卡尔曼滤波器两者的信息，使得两者之间的信息反馈增强，提高了跟踪算法的性能和鲁棒性，大大减少了目标失锁的可能性，另外，改进后的算法还融合了噪声的统计性能，提高了对噪声的抑制能力．从理论计算和实验结果看，用这种算法获得的图像比一般相关算法获得的图像更具有真实性和准确性．     

一种带径向速度量测的Jerk-EKF机动目标跟踪算法

为了提高机动目标跟踪精度,在基于Jerk模型的扩展卡尔曼滤波算法(Jerk-EKF)基础上,提出了一种带径向速度量测的扩展卡尔曼滤波算法(Jerk-EKFrv).该算法通过引入径向速度量测扩充了量测矩阵的维数,然后利用展开泰勒级数的一次项,解决量测方程中状态向量和量测向量的非线性问题,最后采用卡尔曼滤波算法对目标状态进行估计.对Jerk-EKF和Jerk-EKFrv算法的仿真结果表明,Jerk-EKFrv算法能够有效提高机动目标的跟踪精度.     

噪声未知情况下的自适应无迹粒子滤波算法

为了有效地解决系统噪声未知情况下的目标跟踪问题,提出了一种自适应无迹粒子滤波算法。该算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹卡尔曼滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明:本文方法明显地改善了系统噪声未知情况下目标的跟踪精度和稳定性。     

一种模糊推理强机动目标跟踪新算法

针对机动目标状态估计算法对强机动目标跟踪性能下降,甚至发散的问题,在机动目标状态估计算法基础上引入模糊推理多重修正因子,提出一种新的强机动目标自适应跟踪算法.采用残差统计距离和目标机动加速度的2-范数作为模糊输入量,自适应地计算出多重修正因子来实时调节预测协方差.该算法保留了对一般匀速或弱机动目标的高精度跟踪性能,同时增强了滤波器对强机动目标的自适应跟踪能力.仿真结果表明,新算法提高了对强机动目标的估计精度,加快了跟踪的收敛速度.