“当前”统计模型的一种改进自适应滤波算法.pdfVIP

“当前’’统计模型的一种改进自适应滤波算法 陶伟刚冯新喜 彳， ，f，，j 空军电讯工程学院 西安110077 ’，， ■蔓 本文针对机曲目标跟踪问是，在。当前”统计模型的基础上，荆用机动加速度与方 差的自适应关东，提出了一种新曲白适应潞最算法．大量仿真结果表明，该算法在跟踪机动目标 时，具有良好的跟踪性能． 美t谓．目标跟踪白适应涟液 1．引言 机动目标跟踪始终是人们～直关心的热点问题，长期以来，人们对该问题进行了广泛 而深入的研究，提出了许多不同的机动目标跟踪算法”2“。其中跟踪效果较好，比较典 型的算法包括周宏r在SIbIG．ER模型“]的基础上提出的“当前”统计模型滤波算法口1。该 算法模型采用非零均值和修正瑞利分布来表征机动加速度的特性，因而更加切合目标的 实际机动情况，是目前较好的实用算法模型。 “当前”统计楼裂把机动目标加速度的一步预测看作是“当前”机动加速度，并采 用该加速度作为修正瑞利分布的均值，来实现目标的自适应跟踪，从而形成了“当前” 统汁模型的自适应滤波算法。该算法由于采用非零均值的机动加速度和相应机动加速度 方差的自适应调整，闻此具有较好的跟踪机动目标的能力。 本文在“当前”统计模型自适应滤波算法的基础上，通过分析前两个时刻的加速度 估计值．对机动加速度与方差的自适应关系重新进行修正，使其能更好地真实反映目标 的实际机动变化情况。大量仿真结果也表明，经过改进的自适应滤波算法比原有的自适 应滤波算法具有更好的跟踪机动目标的能力。 2．问题的形成 目标的状态方程为： (21) x(≈)=F(k—1)x(々一1)+u(k)a+W(k) 其中： l r— D O 1 B E F(k—n= U@)= O O C F 式中： A=(一l十ar+e一。7)／口2，B=(1一e-胡’)／d，C=P一耐 D=(一T+ctT2／2+曰)，E=T—B，F=aB Ⅳ(露)=【也，t，氟】7，五为机动加速度均值，口为机动时间常数的倒数，T为采样 周期，W(k)是均值为零，方差为仃。2=2瑾盯：q的自噪声，盯：为目标加速度方差，q是 与a和T有关的常量矩阵。 目标的观测方程为： y(≈)=H(女)x(≈)十v(k) (22) 其中： ·93· 日(后)=Ⅱ001．．y(女)是均值为零，方差为R(k)的高斯观测噪声。 在实际情况中-由下背景环境的复杂和其它各种固有的因素，使目标发生机动的情 况具有很大的随机性，而反映该目标机动情况的～重要参数就是目标的机动加速度，因 此如何能正确估计目标机动加速度并台理调整机动加速度协方差，使其能实时反映机动 加速度的变化情况，便成为了机动目标跟踪中的一个重要问题。 3．自适应滤波算法 3．1“当前”统计模型自适应滤波算法 “当前”统计模型自适应滤波算法(简记：AF)，采用标准卡尔曼滤波算法，并把加速 度的一步预测值看作为“当前”加速度，即随机机动加速度的均值石(后)=茗(tIJ】}一1)， 该算法对加速度协方筹采用自适鹿调整。 AF算法基本过程如F： 状态预测： (3．1．1) X(kl七一1)=F(k—1)Ⅳ(女一1ik一1)+U(≈)石(t) (3．1．2) 滤波增益： K(k)=P(