基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤

《 基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤第22卷第6期江蘇科技大學(xué)(自然科學(xué)版)2008年12月J0urhal.fJi

2、angsuUniversity.fScienceandTechn.1.gy(NaturalScienceEditi.n)Vo1.22No.6Dec.2008基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤何祖軍,尚明玲(江蘇科技大學(xué)電子信息學(xué)院,江蘇鎮(zhèn)江212003)摘要:閃爍噪聲是一種非高斯噪聲.為了提高閃爍噪聲下多機(jī)動(dòng)目標(biāo)跟蹤的精度,在交互多模型IMM(InteractingMu1.tipleModels)算法的基礎(chǔ)上將非線性非高斯系統(tǒng)濾波算法——粒子濾波與IMM算法相結(jié)合,采用無味粒子濾波UPF(U

3、nscentedParticleFilter)代替IMM算法中各模型的卡爾曼濾波,提出了一種UPF—IMM算法,并應(yīng)用該算法代替?zhèn)鹘y(tǒng)IMM_JPDA數(shù)據(jù)關(guān)聯(lián)方法中的IMM部分,解決了閃爍噪聲環(huán)境下的多目標(biāo)跟蹤問題,實(shí)驗(yàn)結(jié)果表明該算法可以明顯地提高跟蹤精度.關(guān)鍵詞:多目標(biāo)跟蹤;粒子濾波器;IMM算法;閃爍噪聲中圖分類號(hào):TN953文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1673—4807(2008)06—0048—05Multi-targettrackingbasedonunscentedparticlefilterand

4、interactingmultiplemodelsalgorithmHEZujun,SHANGMingling(SchoolofElectronicsandInformation,JiangsuUniversityofScienceandTechnology,ZhenjiangJiangsu212003,China)Abstract:Glintnoiseisakindofnon—Gaussiannoise.Inordertoimprovetrackingprecisionofmulti—targetund

5、erglintnoise,UPF—IMM(UnscentedParticleFilterInteractingMultipleModels)algorithmisproposedbasedonIMMalgorithminthispaper.Also,nonlinearandnon—Gaussianfilter--ParticleFilter(PF)isinte—gratedwithIMMalgorithm.UnscentedPF(UPF)isappliedtotaketheplaceofKalmanfil

6、terinIMMalgo—rithm.Furthermore,UPF—IMMisusedtotaketheplaceofIMMintraditionaldataassociationalgorithmIMM_JPDA;andthenmulti—targettrackingunderglintnoiseisresolved.Simulationresultsindicatetheproposedalgorithmcanobviouslyenhancetrackingprecision.Keywords:mu

7、lti—targettracking;particlefilter;IMMalgorithm;glintnoise0引言當(dāng)目標(biāo)運(yùn)動(dòng)的機(jī)動(dòng)性較大時(shí),其在空間飛行的速度,角度,加速度等參數(shù)不斷變化,其航跡具有高度的非線性,導(dǎo)致在識(shí)別,估計(jì)機(jī)動(dòng)H標(biāo)航跡的過程中計(jì)算量急劇增大,影響了跟蹤實(shí)時(shí)性.現(xiàn)有的跟蹤算法大多采用基于模型線性化和噪聲高斯分布假設(shè)的卡爾曼濾波和交互多模算法IMM(InteractingMulti-pieModels)的狀態(tài)估計(jì)方法,在非線性模型和非高斯量測噪聲(如閃爍噪聲)條件下,其估計(jì)系統(tǒng)狀態(tài)

8、及其方差時(shí)誤差較大,并可能發(fā)散.近年來,粒子濾波器PF(ParticleFilter)作為一種非線性非高斯系統(tǒng)收稿日期:2008—10—09基金項(xiàng)目:江蘇省高技術(shù)研究資助項(xiàng)目(BG2006022)作者簡介:何祖軍(1964一),男,安徽蕪湖人,副教授,研究方向?yàn)橛?jì)算機(jī)應(yīng)用.E—mail:zjjskdhzj@yahoo.corn.cn第6期何祖軍,等:基于無味粒子濾波和交互多模型算法的多機(jī)動(dòng)目標(biāo)跟蹤49濾波方法,在語音信號(hào)處理,