基于MCMC无味粒子滤波的目标跟踪算法.pdf

第31卷第8期 系统工程与电子技术 V01．31No．8 andElectronics 2009年8月 ．SystemsEngineering Aug．2009 l 文章编号：100卜506X(2009)08—1810—04 基于MCMC无味粒子滤波的目标跟踪算法 张苗辉1’2，刘先省1’2 (1．河南大学先进控制与智能信息处理研究所，河南开封475001； 2．河南大学计算机与信息工程学院，河南开封475001) 摘要：针对传统粒子滤波目标跟踪算法存在粒子退化的问题，提出了基于马尔可夫链一蒙特卡罗(Markov Monte Kalman chain Carlo，MCMC)无味粒子滤波的目标跟踪算法。该算法采用无味卡尔曼滤波(unscented filter，UKF)生成粒予滤波的提议分布，来代替传统粒子滤波算法采用状态转移先验概率作为粒子滤波的提议分 布，以改善滤波效果，然后在无味粒子滤波的基础上融合了典型的MCMC抽样算法(MetropolisHastings，MH)， 从而可以减少传统粒子滤波未考虑当前量测对状态的估计作用所带来的影响。融合后的算法将当前量测信息融 入到滤波过程中，并使采样粒子更加多样化。实验结果表明，该算法较传统方法在跟踪精度方面有显著的提高。 关键词：目标跟踪；粒子滤波；马尔可夫链一蒙特卡罗；无味卡尔曼滤波 391 中图分类号：TP 文献标志码：A basedonMCMCunscentedfilter Targettrackingalgorithm particle ZHANGMiao-huil¨．LIU Xian—xin91’2 AdvancedControl 4 and Information Univ．，Kaifeng75001，China； (i．Inst．of Intelligent Processing，Henan and 475001，China) 2．Coll．ofComputerInformationEngineering，HenanUniv．，Kaifeng the inthetraditionalfilter Abstract：As of exists problemparticlesdegradation particlealgorithm，atarget basedontheMarkovMonte filteris trackingalgorithm chain Carlo(MCMC)unscentedparticle proposed．In～ steadof atransition as distribution，theunscentedKalmanfilter(UKF)isused taking priorprobabilityproposal to the distributionSOasto the effect．Thenthe thest