基于粒子滤波的非线性目标跟踪算法研究

针对非线性非高斯的目标跟踪,传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象,提出了采用粒子滤波算法来解决非线性滤波问题;粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,但是存在运算量大和实时性差的问题,因此提出了基于EKF的扩展粒子滤波;仿真结果表明：在强非线性非高斯环境下,PF算法的跟踪性能优于EKF算法,基于EKF的扩展粒子滤波能够取得较好的跟踪精度,并且能够有效的减少粒子滤波的运算量。     

改进的交互式多模型粒子滤波目标跟踪算法

针对现有的交互式多模型粒子滤波算法存在粒子退化现象,跟踪性能不高,计算量大影响跟踪的实时性等问题,采用改进的残差重抽样算法,并在滤波前后,对各模型粒子进行输入输出交互运算,得出一种改进的交互式多模型粒子滤波目标跟踪算法。该算法在解决了粒子退化现象的同时,避免了残留粒子重采样问题,在一定程度上降低了计算量,减小了系统估计误差,提高了跟踪性能。通过仿真,验证了该算法的良好性能。     

粒子滤波器的优化及在纯方位跟踪中的应用

为了克服粒子滤波在应用中由于建议分布函数选择不合理导致粒子数减少进而使其状态量失去多样性的问题,提出了改进建议分布的混合粒子滤波方法(UKPF)。首先,在粒子滤波的基础上融合进扩展卡尔曼滤波及无迹卡尔曼滤波;然后,融合后的新算法在计算建议概率密度分布时,粒子的产生充分考虑当前时刻的量测,利用所提混合算法来加入最新的观测量并产生粒子滤波的建议分布;最后,使得粒子的分布更加接近状态的后验概率密度,最大化地实现其滤波性能。仿真结果表明:对于纯方位跟踪问题,所提算法不仅解决了EKF的线性化损失问题及UKF在解决一般非高斯问题中建模的困难,而且与PF等粒子滤波器相比,具有更高的跟踪精度。     

适于无线传感网络目标追踪的一种改进无迹粒子滤波时延差估计算法

在无线传感网络（WSN)中运用基于粒子滤波的时延差估计方法进行目标追踪,其性能的关键是设计精确的粒子滤波器建议分布。为了解决追踪过程中粒子贫化问题,提出了一种基于改进无迹粒子滤波器的时延差估计算法。利用最小二乘法估计目标初始时刻位置,在卡尔曼滤波框架下运用高斯-牛顿迭代法则融合最新观测信息,并引入尺度调节衰减因子不断修正重要性密度函数,从而使建议分布更加逼近真实。将其与时延差定位方法结合,并在WSN环境下进行仿真实验。结果显示,改进的算法在整体粒子数有限的情况下追踪精度更高,收敛性较好,尤其适合环境噪声非高斯的复杂WSN目标追踪应用。     

基于辅助模型的改进粒子滤波算法

针对非线性、非高斯系统的目标跟踪精度不太高这一问题,提出一种改进Sigma粒子滤波算法(MSP-PF)。该算法是由主模型产生第一个粒子,剩余的粒子则由辅助模型和平方根无迹卡尔曼滤波(SRUKF)来递归生成,辅助模型使粒子的观测信息得到充分有效地利用,解决了粒子滤波算法所面临的粒子退化和匮乏问题。仿真表明,提出的改进Sigma粒子滤波算法(MSPPF)的估计性能要明显优于粒子滤波(PF)、无迹粒子滤波(UPF)、Sigma粒子滤波算法(SPPF)。     

基于UKF的水下无源目标运动分析

文中介绍了UKF的具体算法,并将其应用于水下无源系统定位中.与扩展卡尔曼滤波(EKF)相比,UKF不但可以得到目标位置和速度的均值及较高的计算精度,而且能更好的解决模型中的非线性问题.仿真结果表明,无论在计算量上还是滤波精度上,UKF算法都明显优于EKF,并且能够有效克服方位跟踪问题中的滤波发散问题.     

基于Kalman预测重要性建议分布的粒子滤波视觉跟踪算法

标准粒子滤波虽然能够实现简单场景下的目标跟踪,但在复杂场景下其性能较差,粒子权值退化是影响视觉跟踪的一个重要方面,为解决这一问题,从选择准确重要性建议分布函数入手,给出了基于EKF和UKF预测采样的粒子滤波视觉跟踪算法EKF-PF（EKF enhanced particle filtering）和UKF-PF（UKF enhanced particle filtering）,并进行了一定改进,通过仿真实验表明：给出的跟踪算法能够很好地跟踪室内运动目标,并对光照变化,目标姿态变化具有良好的鲁棒性.     

改进的卡尔曼滤波与均值漂移目标跟踪算法

为了实现更加理想的运动目标跟踪,提出了改进的卡尔曼滤波与均值漂移目标跟踪算法。该算法采用粒子滤波与Kalman滤波相结合实现非线性滤波,首先利用粒子滤波对运动目标的状态变量进行估计,然后对目标估计状态进行卡尔曼滤波,解决观测方程为非线性的问题。最后利用Mean-shift算法进一步聚类粒子,使抽样的粒子集更符合实际的目标概率模型,从而增加有效粒子数目,减少粒子退化。经过预测迭代,从而达到对运动目标运行轨迹的修正,并采用仿真实验进行算法性能测试。结果表明,相对于其他算法或者是传统算法,在相同的条件下该算法不仅提高了目标跟踪的精度,并且降低了计算复杂度,实时性较好。     

目标跟踪中两种非线性滤波算法的对比研究

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度.由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度.为了获得更高的估计精度,介绍了两种新的非线性滤波算法,即unscented卡尔曼滤波算法和粒子滤波算法.分析了UKF和PF算法的原理和算法实现,对两种算法的适应性进行了比较.通过目标跟踪仿真实验,表明粒子滤波算法估计精度比UKF算法高,但是计算量却相对较大.     

一种基于UKF的MEMS／GPS组合导航算法

针对微电子机械（MEMS）／全球定位（GPS）组合导航系统中,强非线性引起的扩展卡尔曼滤波（EKF）~-航精度不高、滤波性能不稳定、收敛速度慢等问题,研究了MEMS／GPS组合导航系统无迹卡尔曼滤波（UKF）算法,避免了EKF繁重的求导计算。本文对2种滤波方法进行了仿真比较,结果表明,用UKF的组合导航系统的误差收敛速度比EKF快,精度也比EKF高,UKF算法更适合于MEMS／GPS组合导航。     

基于首达波与次达波到达时差的深海浅层移动声源定位

为克服海洋环境不确定性、信号接收及处理偶然误差对定位精度的影响,基于单水听器多途声到达时差,利用扩展卡尔曼滤波（EKF）算法对深海浅层移动声源进行定位研究。结合Butterworth带 通滤波算法及Bellhop射线模型识别水声试验数据中的多途到达波,对比分析各到达波间的相对能量大小,并确定信噪比较大的首达波与次达波为研究对象;以单频信号作为匹配序列,计算时域相关性大小,得到首达波与次达波的声到达时差;以首达波与次达波的声到达时差为观测值,构建EKF声源定位模型,得到移动声源的深度、水平距离及速度等信息。研究结果表明：在深海水声信道中,当声源和水听器都位于浅表水层时,直达波与海面反射波重合,首达波与第1次 海底反射波能量相对较大;滤波结果与实测数据吻合较好,验证了EKF算法可较好地实现对水下移动目标定位。     

单领航者相对位移测量的多自主水下航行器协同导航

针对单领航自主水下航行器(AUV)协同导航系统对定位精度和实时性的要求,提出了一种新的基于相对位移量测信息的协同导航方法.通过分析单领航AUV协同导航系统的定位原理和运动学模型,结合相邻采样时刻主、从AUV间相对位置的几何关系及航位推算信息,利用扩展的Kalman滤波(EKF)导航算法实现对从AUV的定位估计.与已有的...     

基于粒子滤波的捷联成像导引头视线角速率估计

提出了一种基于粒子滤波的捷联成像导引头视线角速率的估计方法。由于捷联成像导引头状态方程和观测方程的强非线性特点以及观测量中较强的非高斯测量噪声,扩展卡尔曼滤波（EKF）方法不能完全满足滤波精度要求。与扩展卡尔曼滤波相比,粒子滤波（PF）是一种在非线性和非高斯情形下进行状态估计的强有力方法。采用粒子滤波对捷联成像导引头的视线角速率进行估计．仿真结果表明。粒子滤波方法可以有效地提高视线角速率的估计精度。     

基于扩展H_∞滤波的光电跟踪目标预测方法研究

在光电跟踪系统目标状态预测过程中,噪声统计特性不确定是导致滤波精度下降的主要原因之一。针对该问题,提出了一种基于"当前"统计模型的扩展H∞滤波(EHF)方法,并与扩展卡尔曼(EKF)滤波方法做了仿真比较。仿真结果证明,在白噪声条件下,EKF滤波方法虽然精度略高,但收敛速度要差于EHF方法;在有色噪声条件下,EKF滤波方法几乎不能完成滤波,而EHF滤波器可以保持和白噪声假设条件相当的滤波精度,并且在目标发生机动的情况下该方法仍具有较强的鲁棒性。     

基于粒子滤波的混沌系统参数估计和滤波方法

混沌系统的参数估计是混沌系统控制和同步的前提。鉴于混沌系统具有初值敏感性、不能长期预测等特点,提出了一种基于粒子滤波(PF)的混沌系统参数估计和滤波方法,并将其用于Lorenz混沌系统的参数估计和滤波,在叠加噪声情况下对混沌系统进行仿真分析。结果表明,文中提出的滤波方法在估计偏差方面优于基于扩展卡尔曼滤波（EKF）的混沌系统参数估计和滤波方法,对混沌系统的参数估计和滤波是一种有效的方法。     

基于辐射源频域和空域信息的无源定位算法及其可观测性分析

为了克服无源时差定位系统中存在的模糊问题以及纠正传统的扩展卡尔曼滤波算法的病态特征,文中提出了一种测量目标辐射源到达方向和多普勒频率信息的修正协方差扩展卡尔曼滤波算法。同时,分析得到了该模型定位可观测的充要条件。计算机仿真结果证明了上述方法的正确性。     

非高斯环境下基于GPF算法的目标跟踪

介绍了高斯粒子滤波器(GPF)的基本思想和具体算法的实现步骤,并讨论了此算法在机动目标转弯模型跟踪中的应用,在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器(PF)和扩展卡尔曼滤波器(EKF)的跟踪性能差异。仿真结果表明,GPF有效地改善了目标跟踪的效果,相比PF在精度和计算复杂度方面均有了明显改善。