粒子濾波算法研究及其在機(jī)動(dòng)目標(biāo)跟蹤中的應(yīng)用.pdf

1、機(jī)動(dòng)目標(biāo)跟蹤在軍事、民用上日益顯著的應(yīng)用使得該課題在近年來得到了深入的研究和飛躍的發(fā)展。跟蹤除去其他因素就是單純的濾波預(yù)測(cè)問題。本論文從粒子濾波算法出發(fā)，在研究該算法的機(jī)理上改進(jìn)了常規(guī)粒子濾波的重要性密度函數(shù)選擇方法和重采樣方法并以此來解決機(jī)動(dòng)目標(biāo)跟蹤問題，解決目標(biāo)發(fā)生機(jī)動(dòng)時(shí)的跟蹤濾波問題。
　　本文首先詳細(xì)介紹了粒子濾波基本原理，通過與卡爾曼濾波和其他濾波估值技術(shù)的對(duì)比驗(yàn)證指出了粒子濾波在機(jī)動(dòng)目標(biāo)跟蹤中的優(yōu)越性。
　　其次

2、分析了粒子濾波重要性密度采樣技術(shù)?？紤]到粒子的先驗(yàn)信息很難確定而導(dǎo)致粒子濾波初始階段濾波效果不理想的問題，提出了基于卡爾曼估計(jì)修正的新型粒子濾波算法。算法在濾波初始階段采用卡爾曼濾波的狀態(tài)估計(jì)與誤差估計(jì)重構(gòu)重要性密度函數(shù)，利用重新采樣的粒子估計(jì)目標(biāo)狀態(tài)。對(duì)各算法做了大量仿真工作，結(jié)果表明基于重要性密度采樣技術(shù)改進(jìn)的新算法很好的解決了初值不穩(wěn)的問題。
　　再者分析了在跟蹤強(qiáng)機(jī)動(dòng)目標(biāo)時(shí)，連續(xù)的機(jī)動(dòng)會(huì)影響重采樣過程中對(duì)有效粒子權(quán)值的選擇

3、，導(dǎo)致能正確表征目標(biāo)狀態(tài)的粒子權(quán)值變小，甚至被拋棄，而沒有貢獻(xiàn)的粒子權(quán)值無限增大。為了解決該問題本文從重采樣技術(shù)出發(fā)，提出了基于遺傳算法優(yōu)化的新型粒子濾波算法。算法在重采樣之前對(duì)粒子作保留與復(fù)活處理，在機(jī)動(dòng)發(fā)生時(shí)增加粒子多樣性。通過建立的機(jī)動(dòng)目標(biāo)運(yùn)動(dòng)場(chǎng)景，對(duì)提出算法做了仿真工作，結(jié)果表明在濾波精度上相對(duì)擴(kuò)展卡爾曼粒子濾波算法提高了13.4％。
　　最后鑒于交互式多模型在機(jī)動(dòng)目標(biāo)跟蹤中的優(yōu)越性—它能夠及時(shí)準(zhǔn)確的辨識(shí)機(jī)動(dòng)參數(shù)，且多個(gè)模