一种逆向平滑的纯方位目标跟踪初值优化方法

摘要：

单站纯方位目标跟踪是水下目标攻击领域的一大难点,尤其是针对快速目标短时观测这一情形.针对单站纯方位目标跟踪中卡尔曼滤波类方法对初值选取比较敏感的问题,提出一种基于逆向平滑滤波的初值优化方法.通过对卡尔曼滤波的逆向平滑处理,增加对观测数据的正反向运用,对滤波初值进行优化,以达到在后续滤波中减少噪声影响、降低估计误差的效果.在不同的仿真条件下,针对无迹卡尔曼滤波和扩展卡尔曼滤波2种滤波方法分别进行多次仿真试验.结果表明,该优化方法对2种滤波方法都有缩小估计误差、提高估计精度的效果,降低了对滤波初值选取的依赖性.该方法对误差的降低率和实时性与所选取的逆向滤波步数有关,算法复杂度不高,并且在较差的初始距离误差、初始速度误差或者方位估计精度的情况下,对降低滤波的估计误差依然有效.

关键词：卡尔曼滤波、纯方位、逆向平滑、目标跟踪

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-11-06（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：140-147