粒子濾波算法在機(jī)動(dòng)目標(biāo)跟蹤中的應(yīng)用研究.pdf

1、目標(biāo)跟蹤是典型的動(dòng)態(tài)系統(tǒng)狀態(tài)估計(jì)問題。線性、高斯條件下，卡爾曼濾波是最優(yōu)估計(jì)。但實(shí)際應(yīng)用中，運(yùn)動(dòng)目標(biāo)極少滿足單一模型和線性、高斯條件。在強(qiáng)非線性、非高斯環(huán)境下，卡爾曼系列濾波器將出現(xiàn)精度下降，甚至發(fā)散，無法滿足應(yīng)用需求。粒子濾波為離散時(shí)間的遞推濾波問題提供了一種近似的貝葉斯解決方法，可以處理任意非線性、非高斯系統(tǒng)，因此具有重要的理論和實(shí)際意義。 粒子濾波算法通過一組加權(quán)粒子對(duì)后驗(yàn)概率密度進(jìn)行近似，序貫重要性采樣是其主要算法之一，

2、但序貫重要性采樣算法存在粒子權(quán)值退化問題。另外，很多實(shí)際動(dòng)態(tài)非線性系統(tǒng)存在可分離高斯、線性子結(jié)構(gòu)，研究者們提出Rao—Blackwellized粒子濾波算法來處理這類問題，但Rao—Blackwellized粒子濾波算法在線性部分的每個(gè)粒子上都對(duì)應(yīng)一個(gè)卡爾曼濾波器，使得計(jì)算量非常之大，不便于實(shí)際應(yīng)用。 論文以機(jī)動(dòng)目標(biāo)跟蹤為研究背景，分析了粒子濾波算法存在的幾個(gè)主要問題，針對(duì)上述兩個(gè)方面分別改進(jìn)了粒子濾波重采樣算法和Rao—Bla

3、ckwellized粒子濾波算法。在系統(tǒng)重采樣算法的基礎(chǔ)上，選用特定的數(shù)值代替隨機(jī)數(shù)產(chǎn)生過程，各采樣點(diǎn)相對(duì)位置固定，使得樣本分布均勻，荻得與系統(tǒng)重采樣同樣的權(quán)值方差的同時(shí)，免去了隨機(jī)數(shù)產(chǎn)生步驟，從而減少了算法計(jì)算代價(jià)；針對(duì)可分解出線性、高斯子系統(tǒng)的非線性系統(tǒng)，改進(jìn)算法以Rao—Blackwellized粒子濾波算法基礎(chǔ)，分別針對(duì)線性部分和非線性部分進(jìn)行改進(jìn)。非線性部分，使用高斯粒子濾波算法代替普通粒子濾波算法，不需要重采樣，不僅減少了計(jì)