基于改进容积卡尔曼滤波的认知雷达跟踪算法

摘要：

在认知雷达目标跟踪过程中,由于存在初始跟踪误差及系统量测方程的非线性等原因,导致卡尔曼滤波算法性能较差.为解决上述问题,将Gauss-Newton迭代方法与容积卡尔曼滤波算法相结合,建立迭代容积卡尔曼滤波算法.算法在迭代过程中利用最新的量测信息并更新迭代过程中产生的新息方差,降低了目标初始状态的估计误差,并且减小了线性化量测方程引入的传递误差.仿真结果表明,迭代容积卡尔曼滤波算法与传统的扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、容积卡尔曼滤波算法相比,在认知雷达中的跟踪精度更高,稳定性更好,对初始误差的容错性更强.结果可为雷达目标跟踪优化提供科学依据.

关键词：认知雷达、目标跟踪、卡尔曼滤波、容积卡尔曼滤波

所属期刊栏目：31

分类号：TN955

资助基金：国家青年基金资助课题61108027;山西省自然科学基金资助课题2013011019-6;山西省教育厅科技创新项目2014112;山西省科学技术发展计划工业项目20140321003-02;深圳大学光电子器件与系统教育部/广东省重点实验室开放基金资助课题GD201305

在线出版日期：2015-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：14-17,124