基于t一分布粒子滤波器的目标跟踪.pdfVIP

0 0 卷 第 Vol.28，No.6 年 6期 - ， l l 机器人 ROBOT 月 ，2006 文章编号:1002-0446(2006)06-0598-07 基于t一分布粒子滤波器的目标跟踪 李少军，‘王宏1,2，柴天佑， (1中国科学院自动化研究所，北京 100080; 2.曼彻斯特大学控制系统中心，曼彻斯特 M601QD，英国; 3.东北大学自动化研究中心，辽宁沈阳 110004) 摘 要:针对贝叶斯跟踪中目标状态的预测分布和后验分布，利用序列蒙特卡洛方法，基于多变量 卜分布提出 了一种新的粒子滤波算法，称之为t一分布粒子滤波器.为了根据样本估计目标状态的概率分布，提出了一种新的 ECME算法，并嵌人到t-分布粒子滤波器中.理论分析表明，在t一分布条件下 t-分布粒子滤波器是在样本数量上的 渐近最优估计器.在机动目标跟踪实验中，比较了t一分布粒子滤波器、无色卡尔曼滤波(UnscentedKalmanfilter)及自 助式粒子滤波器(Bootstrapparticlefilters)的跟踪精度. 关键词:目标跟踪;贝叶斯跟踪;非线性非高斯随机系统;序列重要性采样;;t一分布粒子滤波器;ECME算法; 无色卡尔曼滤波;自助式粒子滤波器 中圈分类号:TP24 文献标识码:A At-Distribution-BasedParticleFilterforTargetTracking LIShao一unI，WANGHong2，CHAITian=you3 InstituteofAutomation,ChineseAcademyofSciences,Beijing100080,China; 2(1. ControlSystemsCentre,UniversityofManchester,ManchesterM60IQD,UK; 3.ResearchCenterofAutomation,NortheasternUniversity,Shenyang110004，China) Abstract:ForthepredictivedistributionandposteriordistributionproblemoftargetstatesinBayesiantracking,anew particlefilter,calledtheStudent-tdistributionParticleFilter(SPIT)，isdevelopedbasedonmultivariatestudent-tdistribu- tionsbyusingsequentialMonteCarlomethodology.Toestimateprobabilitydensityfunction(PDF)ofthetargetstatebased onsamples,anewExpectationConditionalMaximizationEither(ECME)algorithmisintroducedandembeddedinthe SPF.Underthestudent-tdistributionassumption,itisshowntheoreticallythattheSPFisasymptoticallyoptimalintermsof thenumberofparticles.Inthetrackingofmaneuveringtarget,theper