imm迭代扩展卡尔曼粒子滤波跟踪算法 imm iterated extended kalman particle filter based target tracking.pdfVIP

下载本文档

8
0
约1.68万字
约 5页
2017-08-21 发布于上海
举报
版权申诉

imm迭代扩展卡尔曼粒子滤波跟踪算法 imm iterated extended kalman particle filter based target tracking.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

imm迭代扩展卡尔曼粒子滤波跟踪算法 imm iterated extended kalman particle filter based target tracking

第32卷第5期电子与信息学报 Vbl．32No．5 2010年5月 JournalofElectronics＆Information 2010 Technology May IMM迭代扩展卡尔曼粒子滤波跟踪算法张俊根姬红兵 (西安电子科技大学电子工程学院西安710071) 摘要：该文提出了一种交互式多模型(IMM)迭代扩展卡尔曼粒子滤波机动目标跟踪算法。该算法在多模型中使用了改进的粒子滤波器，通过对迭代扩展卡尔曼滤波(IEKF)的测量更新按照高斯牛顿方法进行修正，减小了非线性滤波带来的线性化误差，然后利用修正的IEKF来产生粒子滤波的重要性密度函数，使其融入最新观测信息。最后将所提算法与交互式多模型粒子滤波(IMMPF)进行了比较，仿真结果表明该算法具有更好的跟踪性能。关键词：机动目标跟踪；交互式多模型；迭代扩展卡尔曼滤波；粒子滤波中图分类号：TP391 文献标识码： A DOI：10．3724／SP．J．1146．2009．00298 IMMIterated ExtendedKalmanParticleFilterBased TargetTracking Ji ZhangJun-genHong-bing (Schoolo，ElectronicEngineering，XidianUniversity，Xi’an 710071，China) Abstract：Anew basedon extendedKalman filteris algorithmInteractingMultipleModel(IMM)iteratedparticle for use8an Particle proposedmaneuveringtargettracking，whichimproved model．First， Filter(PF)inmultiple theIteratedExtendedKalman modified anewmeasurementbasedon Filter(IEKF)isbyproviding update the is Gauss-Newton errorisreduced．ThenthemodifiedIEKFusedto the iteration，thuslinearity generate functionof thelatestobservationinto statetransition importancedensity PF，whichintegrates system density． resultsare todemonstratethe ofthe methodover performan