基于t分布粒子滤波器的目标跟踪.pdfVIP

维普资讯 第28卷第6期 2006年11月 机器人 ROBOT V0N1．28．No．6 OV．．2006 文章编号：1002-0446(2006)06-0598-07 基于 ．分布粒子滤波器的 目标跟踪 李少军 ，王 宏 ，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f一分布提出 了一种新的粒子滤波算法，称之为 ￡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 ，并嵌入到 ￡一分布粒子滤波器中．理论分析表明，在 ￡一分布条件下，￡一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￡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-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 中图分类号：TP24 文献标识码：A A t-Distribution-BasedParticleFliterforTargetTracking LIShao-jun，WANGHong一，CHAITianyou。 (1．InstituteofAutomation，ChineseAcademyofSciences，Beijing100080，China； 2．ControlSystemsCentre，UniversityofManchester，M+anchesterM601QD，UK； 3．ResearchCenterofAutomation，NortheasternUniversity，Shenyang 110004，China) Abstract：Forthepredictivedistributionandposteriordistributionproblem oftargetstatesin Bayesiantracking，anew particlefilter，calledtheStudent—tdistributionParticleFilter(SPF)，isdevelopedbasedonmultivariatestudent—tdistribu— tionsbyusingsequentialMonteCarlomethodology．Toestimateprobabilitydensityfunction(PDF)ofthetargetstatebased onsamples．anewExpectationConditionalMaximizationEither(ECME)algorithm isintroducedandembeddedinthe SPF．Underthestudent—tdistributionassumption．itisshowntheoreticallythattheSPFiSasymptoticallyoptimalintermsof thenumberofparticles．Inthetrackingo