自适应非线性GM-PHD滤波及在无源跟踪中的应用

摘要：

首先针对无源传感器目标跟踪中的非线性问题,将高斯-厄米特求积分规则运用于高斯混合概率假设密度滤波,提出一种求积分卡尔曼概率假设密度滤波. 其次,针对未知时变过程噪声,将基于极大后验估计原理的噪声估计器运用到概率假设密度滤波中, 同时依据目标状态一步预测与状态滤波结果之间的残差, 提出一种对滤波发散情况判断和抑制的算法. 最后通过无源传感器双站跟踪仿真表明:相较于已有的非线性高斯混合概率假设密度滤波,所提算法有更高的精度,并且在未知时变噪声环境中具有较好跟踪效果.

关键词：高斯混合概率假设密度滤波、无源跟踪、高斯-厄米特求积分、噪声估计、滤波发散抑制

所属期刊栏目：44

分类号：TN955

在线出版日期：2015-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：3076-3083