IMM迭代扩展卡尔曼粒子滤波跟踪算法
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.
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
32
TP391(计算技术、计算机技术)
国家自然科学基金60871074资助课题
2010-06-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
1116-1120