10.3969/j.issn.1007-2276.2015.11.051
卡尔曼粒子滤波中基于精确运动模型的局部区域估计
粒子滤波广泛应用于对精度和稳定性要求较高的目标跟踪,但其计算量大,并且计算复杂度随着状态量和粒子数目增长迅速增加.将目标跟踪转化为由粗到精的搜索过程,提出了一种基于精确运动模型的改进分层卡尔曼粒子滤波算法.该方法利用加速度的运动模型在真实目标位置的周围估计目标的散布范围,并在该范围内随机生成粒子,寻找精确的目标位置.文中引入加加速度模型主要是由于现有方法的状态量阶数不足,导致模型精确度较低,无法应对大机动目标的跟踪.因此,引入了高阶状态变量加加速度,并将其用于改进分层卡尔曼粒子滤波的运动模型.利用分层卡尔曼粒子滤波、粒子滤波以及提出的方法进行了跟踪试验,结果表明,基于精确运动模型的改进分层卡尔曼粒子滤波模型的跟踪方法能够提高线性运动的预测精度,实现复杂环境下精确稳定的跟踪.
改进分层卡尔曼粒子滤波、由粗到精搜索策略、区域估计、Jerk模型
44
TP391(计算技术、计算机技术)
军内科研项目;军械工程学院科研基金YJJM11018
2016-01-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
3475-3482