粒子濾波跟蹤算法研究.pdf

1、在模型滿足線性、高斯條件下，很多濾波算法可獲得很好的跟蹤效果。但若目標(biāo)在多模型、非高斯、強(qiáng)噪聲的運(yùn)動(dòng)背景下，經(jīng)典的卡爾曼濾波(KF)、擴(kuò)展卡爾曼濾波(EKF)等算法估計(jì)精度明顯下降，甚至發(fā)散。 粒子濾波(PF)是一種基于蒙特卡羅模擬和遞推貝葉斯估計(jì)的濾波方法。作為一種基于貝葉斯估計(jì)的非線性濾波算法，在處理非高斯非線性時(shí)變系統(tǒng)的參數(shù)估計(jì)和狀態(tài)濾波問(wèn)題方面有獨(dú)到的優(yōu)勢(shì)，在目標(biāo)跟蹤領(lǐng)域得到了廣泛的應(yīng)用。本文針對(duì)現(xiàn)有目標(biāo)跟蹤方法中的缺陷

2、，結(jié)合實(shí)際問(wèn)題提出了改進(jìn)算法，以期達(dá)到更好的效果，主要工作如下： 1.考慮到重要性密度函數(shù)對(duì)于改善粒子退化現(xiàn)象和濾波精度的重要性，研究了一種兩級(jí)擴(kuò)展卡爾曼粒子濾波(TSEPF)算法，通過(guò)引入最新的量測(cè)信息，使得產(chǎn)生的樣本更加接近于真實(shí)的采樣樣本。仿真實(shí)驗(yàn)表明，該算法的估計(jì)性能優(yōu)于擴(kuò)展卡爾曼粒子濾波(EPF)、不敏卡爾曼粒子濾波(UPF)等幾種濾波算法。 2.為解決重采樣后出現(xiàn)粒子枯竭現(xiàn)象，引入一個(gè)馬爾可夫鏈蒙特卡羅移動(dòng)步

3、驟(MCMC)來(lái)增加粒子的多樣性，對(duì)粒子濾波算法作了改進(jìn)，并將其應(yīng)用于目標(biāo)跟蹤中，仿真結(jié)果也表明PF-MCMC濾波算法估計(jì)精度比傳統(tǒng)的PF算法更高，能夠更準(zhǔn)確地跟蹤目標(biāo)。 3.當(dāng)目標(biāo)表現(xiàn)出極強(qiáng)的機(jī)動(dòng)能力時(shí)，針對(duì)單模型的自適應(yīng)濾波器存在的問(wèn)題，提出了把交互式多模型算法(IMM)與粒子濾波相結(jié)合的IMM-PF算法。仿真結(jié)果表明，在非線性條件下跟蹤機(jī)動(dòng)目標(biāo)時(shí)，IMM-PF算法切實(shí)可行，并且其跟蹤效果好于采用擴(kuò)展卡爾曼濾波的IMM算法。