共查询到19条相似文献,搜索用时 109 毫秒
1.
被动导引头辐射源跟踪新算法研究 总被引:1,自引:1,他引:0
由于被动导引头辐射源跟踪系统非线性较强,传统的跟踪滤波算法是粒子滤波(PF)、U卡尔曼滤波(UKF)。但这些算法都存在着一定的缺陷,粒子滤波算法收敛速度慢、计算量大,UKF跟踪精度低。针对上述问题,提出了一种基于PF算法的新的跟踪滤波算法PUKF。该算法采用粒子滤波和U卡尔曼滤波加权的思想对目标实现初始的捕捉,然后通过UKF算法对目标进行跟踪保持。该算法受初始状态影响小,跟踪的精度高,收敛速度快,系统性能稳定。仿真实验表明了在被动辐射源跟踪系统中该算法的可行性和有效性。 相似文献
2.
针对传统无迹卡尔曼滤波器存在跟踪精度低、数值稳定性差、鲁棒性弱等缺点, 提出了一种基于球型无迹变换的自适应平方根UKF滤波算法(Adaptive Square Root UKF Filtering Algorithm Based on Spherical Unscented Transform, ASRS-UKF)。该算法在标准的平方根UKF算法上,首先改用了球型无迹变换对权系数以及sigma点进行计算选取;其次改进了平方根UKF中平方根矩阵的分解方法;同时在预测误差协方差矩阵中引入了自适应衰减因子。最后,通过将该算法同平方根UKF以及强跟踪UKF算法进行仿真对比,结果表明,ASRS-UKF算法在减少计算量、加快计算速度的同时还提高了滤波精度和稳定性,而且对于系统模型匹配不佳的情况下,仍具有良好的跟踪性能。 相似文献
3.
4.
非线性滤波问题通常会面临过程方程和量测方程的双重非线性,利用传统的滤波算法进行处理时,离散化和线性化过程是导致滤波性能降低的根本原因.提出了一种基于Runge-Kutta积分的不敏Kalman滤波(UKF)算法,该算法能够直观、方便地对运动模型为连续非线性常微分方程组的跟踪问题进行处理,避免了复杂的Jacobi矩阵运算和离散化过程,使预测模型更加精确.以弹道目标跟踪为例进行了仿真实验,通过与传统UKF算法和扩展Kalman滤波(EKF)算法比较,结果表明该算法具有更好的性能. 相似文献
5.
根据非合作式单站无源目标定位跟踪的模型,对标准的UKF算法进行了简化,提出了一种SUKF(simplified unscented kalman filter)算法,并将其应用于非合作式单站无源目标跟踪。仿真分析表明,与传统的EKF相比,该算法在滤波精度上有显著的提高;与标准UKF相比,该算法不仅保持了与UKF相同的滤波精度,而且其时间复杂度较UKF大为降低,更适合于实时性强的场合应用。 相似文献
6.
众所周知,UKF滤波的应用需要事先准确知道量测噪声的统计特性。首先简要分析了UKF滤波的基本算法,然后利用小波变换可以实时分离信号和噪声的特性,提出了一种在未知量测噪声条件下的UKF算法,该算法可以实时跟踪量测噪声的变化,即实现了对量测噪声的实时估计,从而解决了在未知量测噪声的条件下UKF滤波问题。最后讨论了该方法在信息融合中的应用,仿真结果证明了方法的有效性和实用性。 相似文献
7.
8.
固定单站无源定位跟踪系统面临着可观测性弱、初始误差大等问题,寻找一种快速稳定的定位跟踪算法尤为重要.将距离参数化方法引入固定单站无源定位中,与不敏卡尔曼滤波(UKF)结合给出了基于距离参数化UKF(RPUKF)的固定单站无源定位算法;该算法根据观测站最大探测距离划分距离子区间,每个子区间单独采用UKF算法进行跟踪,将各自跟踪结果进行融合得到最终定位结果.仿真结果表明,在初始误差较大时RPUKF算法仍能实现稳定定位,与RPEKF算法相比在保证实时性的基础上明显改善了定位性能. 相似文献
9.
10.
11.
基于UKF的单站无源定位与跟踪算法 总被引:3,自引:0,他引:3
单站无源定位与跟踪系统观测方程的非线性性决定了定位与跟踪中必须采用非线性滤波技术.MGEKF等非线性滤波方法本质上都属于扩展卡尔曼滤波算法,都存在由于线性化误差而导致滤波器稳定性差等问题.基于unscented变换的UKF算法不存在线性化误差,具有更好的稳定性,但由于协方差估计不足,导致收敛速度较慢.该文基于UKF算法提出了一种迭代UKF(IUKF)算法,通过对状态和协方差的迭代估计,改善了UKF协方差估计不足的问题.仿真结果表明在不同的参数测量精度条件下,IUKF算法既保持了较好的稳定性又提高了算法的跟踪精度和收敛速度. 相似文献
12.
稳健的单站无源目标跟踪算法研究 总被引:3,自引:0,他引:3
无源定位与跟踪系统中面临着可观测性弱、初始误差大的问题,因此寻找一种稳健快速的跟踪算法显得尤为关键。本文在对现有跟踪算法进行分析和比较的基础上,提出一种IUKF(Improved Unscented Kalman Filter)算法,它通过对传统的UKF算法进行修正,改善了对状态滤波值和协方差的估计。与现有算法(如EKF,UKF)相比,新算法不仅适应能力强、稳定性高,而且收敛速度快、跟踪误差小,是一种稳健的无源目标跟踪算法,数值仿真和试验结果表明了算法的正确性和有效性。 相似文献
13.
固定单站被动目标跟踪算法性能分析 总被引:2,自引:0,他引:2
被动目标跟踪滤波算法是无源定位的关键技术之一。分析了扩展卡尔曼滤波及其衍生算法和无迹卡尔曼滤波算法的性能,并将这些算法应用于利用空频域信息的定位方法中。计算机仿真验证了这些算法的性能。 相似文献
14.
15.
传统的多传感器误差配准技术多基于球极投影,没有考虑地球地形的影响,当传感器之间距离较远时将失去实际意义,无法对目标进行有效的跟踪;而现有的跟踪方法大多没有考虑传感器系统误差对跟踪精度的影响。基于地心坐标系,提出了一种Unscented卡尔曼配准与目标跟踪算法,充分考虑地球形状的影响,在跟踪目标的同时实现传感器配准。首先给出传感器数据配准几何坐标转换算法,详细推导了误差配准算法;接着建立目标的动态方程,将目标运动模型和传感器配准误差模型组合在同一个状态方程中,然后利用UKF进行估计。最后的Monte-Carlo仿真结果表明,该方法能同时有效地估计目标运动状态和传感器配准误差,为远距离的传感器配准与目标跟踪提供了一种新的解决方法,具有较大的工程应用价值。 相似文献
16.
介绍了传统的带多普勒量测信息的双基地目标跟踪模型,提出了采用一组新的状态变量替代原有状态变量,得到了极坐标系下量测方程完全线性化的双基地跟踪模型,并将无迹卡尔曼滤波(UKF)应用于这个非线性系统的目标跟踪。通过仿真实验看出,与同样使用UKF进行跟踪的传统的混合坐标系跟踪模型相比较,极坐标系UKF算法有更好的跟踪性能,收敛快,对噪声有更强的适应能力。 相似文献
17.
18.
在主/被动雷达双传感器目标跟踪背景下,提出一种基于IMM-UKF滤波的加权数据融合算法。该算法采用UKF对观测数据进行滤波估计,避免了计算雅克比矩阵,克服EKF滤波方法受滤波初值影响大、易发散的缺点。与单一传感器进行仿真比较,结果表明该算法可以比任一单传感器滤波精度高,稳定性更好。 相似文献