目標跟蹤中粒子濾波及其改進算法研究.pdf

1、目標跟蹤的核心問題是在復雜干擾環(huán)境和目標密集的情況下進行狀態(tài)估計，包括航向、方位角、運動分量（如位置、速度、加速度等）等參數。在現代軍事系統(tǒng)中，為了保證較好的完成任務，對目標實施準確的定位與跟蹤是現代化國防建設和國家安全的迫切需求。本文的研究工作就是在此背景下，對目標跟蹤系統(tǒng)的濾波算法進行理論研究和實驗仿真。
　　在線性系統(tǒng)中，主要使用最小二乘法或者卡爾曼濾波方法來解決動態(tài)系統(tǒng)的目標跟蹤問題；在非線性系統(tǒng)中，近些年來研究的熱點集中

2、在基于卡爾曼濾波思想的改進算法和粒子濾波（PF）及其改進算法。PF算法由于不受狀態(tài)方程和量測方程非線性程度的影響以及對噪聲無限制的優(yōu)點，逐漸引起了研究人員的重視。由于現代化軍事及民用領域對目標跟蹤精度需求的不斷提高，因此本文的主要研究內容是提高濾波精度，并提出了兩種改進的濾波算法：
　　一是針對高性能要求的目標跟蹤中PF算法估計精度低、粒子退化的問題，提出了一種基于無跡卡爾曼粒子濾波的改進算法。該算法將實時觀測信息融入無跡卡爾曼濾

3、波（UKF）的重要性密度函數，并在UKF環(huán)節(jié)中Sigma點的選擇過程中加入可動態(tài)調解參數的比例縮放因子用來解決采樣的非局部效應問題；同時在PF重采樣算法中采用系統(tǒng)重采樣的方法，根據有效粒子容量設置權值門限判定是否需要進行重采樣，即形成系統(tǒng)比例對稱無跡粒子濾波算法（SPSUPF）。Matlab仿真表明SPSUPF可以在耗時相當的情況下有效解決粒子退化的問題并提高濾波精度。
　　二是針對傳統(tǒng)PF算法建議分布函數的選取問題、粒子退化以及

4、粒子貧化現象，提出了一種基于馬爾可夫蒙特卡洛思想的改進粒子濾波算法（WAUPF-MCMC）。首先，該算法使用基于比例對稱采樣方法選取Sigma點的無跡卡爾曼濾波產生PF建議分布函數；其次，將似然分布自適應權值調整策略應用于權值選取步驟；最后，采用系統(tǒng)重采樣方法并且加入了用來保持粒子多樣性的馬爾科夫鏈蒙特卡洛步驟，有效的克服了粒子貧化現象。仿真結果表明，WAUPF-MCMC算法能有效抑制粒子退化及貧化現象并且跟蹤精度高于傳統(tǒng)的非線性濾波器