粒子濾波算法及其在目標(biāo)跟蹤中的應(yīng)用.pdf

1、目標(biāo)跟蹤技術(shù)被廣泛的應(yīng)用在監(jiān)控、導(dǎo)航、障礙規(guī)避等需要確定目標(biāo)的數(shù)目、位置、運(yùn)動(dòng)和身份的系統(tǒng)中，是這些系統(tǒng)的重要組成部分。而能夠遞推估計(jì)目標(biāo)狀態(tài)的濾波算法是整個(gè)跟蹤系統(tǒng)的重要基石。在目標(biāo)跟蹤領(lǐng)域，最常用的經(jīng)典濾波算法是卡爾曼濾波(Kalman Filter)和擴(kuò)展卡爾曼濾波(Extended Kalman Filter)，其中前者用于線性系統(tǒng)，后者用于非線性系統(tǒng)。KF是最小均方意義下的最優(yōu)濾波算法，EKF則是利用一階泰勒展開將非線性系統(tǒng)線

2、性化而得到的一種次優(yōu)濾波算法，在非線性不是特別嚴(yán)重的情況下，EKF有著近似最優(yōu)的濾波效果。上述兩種方法在當(dāng)系統(tǒng)噪聲和觀測(cè)噪聲滿足高斯分布特性的時(shí)候具有較好濾波性能，而對(duì)于非高斯分布噪聲上述濾波方法的指標(biāo)下降，甚至出現(xiàn)發(fā)散。因此，人們開始關(guān)注非線性、非高斯情況下的濾波方法。 粒子濾波通過非參數(shù)化的蒙特卡羅模擬方法來實(shí)現(xiàn)遞推貝葉斯濾波，適用于任何能用狀態(tài)空間模型表示的非線性系統(tǒng)，以及傳統(tǒng)卡爾曼濾波無法表示的非線性系統(tǒng)，精度可以逼進(jìn)最