目標(biāo)跟蹤的粒子濾波算法研究.pdf

1、目標(biāo)跟蹤技術(shù)在軍事與民用中占有重要地位，在航空航天、醫(yī)藥、國民經(jīng)濟(jì)等許多領(lǐng)域都有著廣泛的應(yīng)用。目標(biāo)跟蹤的關(guān)鍵在于對目標(biāo)狀態(tài)提取，因而能夠遞推估計(jì)目標(biāo)狀態(tài)的濾波算法在目標(biāo)跟蹤技術(shù)中占有舉足輕重的位置。實(shí)際應(yīng)用中，對目標(biāo)跟蹤系統(tǒng)建立的狀態(tài)空間模型常常呈現(xiàn)非線性和非高斯特性。相比較于傳統(tǒng)的卡爾曼濾波及其改進(jìn)算法，粒子濾波在處理非線性非高斯系統(tǒng)上更具優(yōu)勢，使其在目標(biāo)跟蹤領(lǐng)域受到廣泛關(guān)注。
　　傳統(tǒng)的粒子濾波算法存在一些缺點(diǎn)，如粒子退化、粒

2、子多樣性減弱。本文以粒子濾波為核心，針對粒子濾波存在的缺陷，研究相應(yīng)的改進(jìn)算法及其在單目標(biāo)跟蹤上的應(yīng)用。本文主要研究成果如下：
　　1、針對粒子多樣性減弱問題，提出了一種基于隨機(jī)Sigma點(diǎn)擴(kuò)散的重采樣算法——RSPR算法。該算法相比于基本的重采樣算法，通過隨機(jī)Sigma點(diǎn)擴(kuò)散的方式增加了粒子的多樣性。兩組常用仿真模型和外輻射源被動(dòng)單目標(biāo)跟蹤模型的仿真實(shí)驗(yàn)說明，該算法可以有效緩解粒子多樣性減弱的問題。
　　2、為了改善基本粒

3、子濾波狀態(tài)估計(jì)精度，提出了一種引入當(dāng)前觀測信息的重采樣算法。該方法通過把粒子點(diǎn)從先驗(yàn)分布移向高似然區(qū)域，使得最終的濾波估計(jì)精度得到改善。兩組常用仿真模型和外輻射源被動(dòng)單目標(biāo)跟蹤模型的仿真實(shí)驗(yàn)說明，該算法可有效提高目標(biāo)估計(jì)精度，同時(shí)增強(qiáng)了粒子多樣性。
　　3、針對基本粒子濾波面臨的粒子退化問題，研究了一類最新的粒子濾波改進(jìn)方法——粒子流濾波。該方法通過把表征先驗(yàn)的粒子集平滑移動(dòng)到后驗(yàn)分布上的方式來解決粒子退化問題，同時(shí)保留了并行的計(jì)