在非線性高雜波密度場景下,高斯混合（Gaussian Mixture,GM）實(shí)現(xiàn)的δ-廣義標(biāo)簽多伯努利濾波器（δ-Generalized Labeled Multi-Bernoulli Filter,δ-GLMB）難以準(zhǔn)確地估計目標(biāo)數(shù)目及運(yùn)動狀態(tài)。針對這一問題,提出基于均方根容積卡爾曼濾波（Square-rooted Cubature Kalman Filter,SCKF）的δ-GLMB高斯混合實(shí)現(xiàn)算法�；谌A球面-徑向容積準(zhǔn)則選取一組等權(quán)的容積點(diǎn)集,對GM-δ-GLMB濾波器的伯努利分量傳遞過程中的高斯參量進(jìn)行預(yù)測及更新,實(shí)現(xiàn)非線性模型系統(tǒng)下的目標(biāo)跟蹤。仿真結(jié)果表明,與現(xiàn)有的δ-GLMB濾波器的擴(kuò)展卡爾曼濾波（Extended Kalman Filter,EKF）高斯混合實(shí)現(xiàn)及無跡卡爾曼濾波（Unscented Kalman Filter,UKF）高斯混合實(shí)現(xiàn)相比,該算法可提高非線性高雜波密度環(huán)境下的目標(biāo)跟蹤精度。 

【文章來源】：計算機(jī)應(yīng)用與軟件. 2020,37(04)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

本文算法總體框圖

表1 6個機(jī)動目標(biāo)的初始狀態(tài)及出現(xiàn)消亡時間 目標(biāo) 目標(biāo)1 目標(biāo)2 目標(biāo)3 目標(biāo)4 目標(biāo)5 目標(biāo)6 X軸/m 1 003.9 -255.8 -1 507.4 -1 500 246.2 -257.4 X軸速度/(m·s-1) -10 20 11 43 -12 -12 Y軸/m 1 488.3 1 011.4 256.7 250 739 993.8 Y軸速度/(m·s-1) -10 3 10 0 5 -12 角速度/(rad·s-1) π/720 -π/270 -π/180 0 π/360 π/180 出現(xiàn)時刻/s 1 10 10 10 20 40 消亡時刻/s 100 100 100 66 80 100本文在非線性模型系統(tǒng)下參考文獻(xiàn)[15-16]中的目標(biāo)運(yùn)動模型、轉(zhuǎn)彎模型CT,其狀態(tài)轉(zhuǎn)移方程為:

圖3為本文所提算法在雜波密度為λ=1.5×10-6 m-2時的目標(biāo)濾波結(jié)果圖,x軸和y軸分別為二維坐標(biāo)平面內(nèi)的x位置和y位置。本文算法在x軸和y軸方向上對機(jī)動目標(biāo)的跟蹤效果如圖4所示,從圖中可得知各目標(biāo)出現(xiàn)和消亡的時間及運(yùn)動狀態(tài)。圖3、圖4中濾波結(jié)果與目標(biāo)真實(shí)軌跡幾乎重合,因此本文算法能夠準(zhǔn)確地估計目標(biāo)的運(yùn)動軌跡,對目標(biāo)進(jìn)行準(zhǔn)確跟蹤。圖4 本文算法對目標(biāo)狀態(tài)估計圖

【參考文獻(xiàn)】：
期刊論文
[1]δ-廣義標(biāo)記多伯努利濾波器的非線性應(yīng)用擴(kuò)展[J]. 侯利明,連峰,王偉.  西安交通大學(xué)學(xué)報. 2019(06)
[2]基于箱粒子濾波的混合標(biāo)簽多伯努利跟蹤算法[J]. 馮新喜,遲珞珈,王泉,苗露.  控制與決策. 2020(02)
[3]雜波未知條件下基于箱粒子濾波的CBMeMBer算法[J]. 董青,胡建旺,吉兵,張浩.  探測與控制學(xué)報. 2018(04)
[4]基于改進(jìn)的IMM-UKF高超聲速目標(biāo)跟蹤算法[J]. 肖楚晗,李炯,雷虎民,李世杰.  探測與控制學(xué)報. 2018(03)
[5]箱粒子廣義標(biāo)簽多伯努利濾波的目標(biāo)跟蹤算法[J]. 苗雨,宋驪平,姬紅兵.  西安交通大學(xué)學(xué)報. 2017(10)
[6]基于UKF和優(yōu)化組合策略的改進(jìn)粒子濾波算法[J]. 張昆,陶建鋒,賀思三.  計算機(jī)工程與科學(xué). 2017(08)
[7]基于箱粒子的ET-CBMeMBer濾波算法[J]. 劉艷君,劉祖鵬.  電光與控制. 2017(08)
[8]未知雜波狀態(tài)下基于箱粒子濾波的PHD算法[J]. 魏帥,馮新喜,王泉.  探測與控制學(xué)報. 2017(02)
[9]基于自適應(yīng)EKF濾波算法的汽包水位估計方法[J]. 陳銳民,張曦,張衛(wèi)東.  控制工程. 2017(02)
[10]一種改進(jìn)的多伯努利多目標(biāo)跟蹤算法[J]. 王海環(huán),王俊.  西安電子科技大學(xué)學(xué)報. 2016(06)

碩士論文
[1]基于箱粒子濾波的MeMBer擴(kuò)展目標(biāo)跟蹤算法研究[D]. 李鵬濤.西安電子科技大學(xué) 2016



本文編號：3025680