一种改进的粒子滤波算法及其应用.docxVIP

一种改进的粒子滤波算法及其应用

0高斯粒子滤波器

在军事和民用领域，可靠、准确的跟踪运动目标一直是跟踪系统设计的主要目标。因此机动目标跟踪技术的研究,在我国军事领域以及民用领域中都有着十分重要的意义。对于机动目标跟踪问题的解决,不同的学者提出了不同的解决方案。常规的卡尔曼滤波算法要求系统是线性高斯型的,因而不能直接用于解决非线性、非高斯问题。扩展卡尔曼算法(EKF),是对非线性系统进行局部线性化,从而间接利用卡尔曼算法进行状态估计;无味卡尔曼滤波器UKF(UnscentedKalmanFilter)避免了EKF线性化等近似方法,不需要求导计算Jacobian矩阵,提高了精度。粒子滤波(ParticleFilter)作为一种基于蒙特卡洛方法的贝叶斯滤波,在一般的非线性和非高斯系统中的应用引起了越来越多的兴趣,但是粒子滤波算法的计算量相当大,成为它在实时性要求较高的目标跟踪中应用的一大缺陷,它将很多时间耗费在重采样上。本文讨论了一种新的滤波器即高斯粒子滤波器。该滤波器是基于粒子滤波方法得到一高斯分布来近似估计未知状态变量的后验分布。通过理论分析和计算机仿真研究表明,该类滤波器适应于非线性非高斯系统,滤波精度高于PF和EKF,相比粒子滤波,不需要重采样,极大地降低了粒子滤波的复杂性和计算量,大幅提升了跟踪系统的性能。

1m维向量均值x/1

高斯粒子滤波(GPF)是采用粒子滤波