非线性滤波方法在水下目标跟踪中的应用

在对扩展卡尔曼滤波、不敏卡尔曼滤波和粒子滤波3种非线性滤波方法进行研究的基础上,对粒子滤波算法的重要性密度函数的选取方法进行了研究。结合水下目标的被动跟踪的应用背景,比较了3种滤波算法在水下目标跟踪中的性能差异。结果表明,粒子滤波算法能较好的用于非线性、非高斯条件下的水下目标跟踪。     

捷联惯导初始对准中H_∞滤波器参数优化研究

对H∞滤波在捷联导航系统初始对准中的应用进行了研究。通过仿真和实验验证了滤波器在初始对准中的性能,并对如何设置参数进行了研究。结果表明,H∞滤波在参数选取合适的情况下方位角收敛速度比卡尔曼滤波快。当参数选取不合适的时候,H∞滤波会发散。虽然H∞滤波可能提高方位角收敛速度,但它自身的鲁棒性可能被削弱。因此,在实际系统中,必须选取合适的参数以保证滤波器的稳定性和初始对准的速度。实际使用过程中,先把参数设置为一个很小的值,再逐步调大以寻找临界值来获得最优的性能。     

基于滤波算法的对比研究

在处理目标跟踪的过程中,为了与实际接近,动态系统的模型选为非线性,而滤波算法采用非线性系统的滤波方法。在介绍了三种非线性滤波算法(EKF、UKF、PF)的原理和实现的同时,说明了各自适用的范围,以便针对不同问题采取比较便捷的算法来有效地实现算法在实际中的应用。EKF适用于线性化过程中系统对高阶项要求较小的情况下,UKF适用在噪声服从高斯分布的情况下,PF则适用与非高斯分布的情况下。此外,通过实例对三种算法分别进行了跟踪仿真实验,表明UKF、PF算法精度要比EKF算法高,UKF、EKF的实时性比PF好,PF的计算量相对较大。     

UKF滤波算法在两点边值问题求解中的应用

两点边值问题求解是最优化问题间接法求解算法中的关键技术,通常只能通过数值迭代方法给出最终解.而由于两点边值问题的高敏度和强非线性动力学特性,对数值迭代初值的精度要求非常高,否则难以得到收敛解.为了降低对初值精度的要求,基于无损卡尔曼滤波算法,给出了一种最优参数估计方法,可用于两点边值问题求解.此方法采用高斯分布模型,可...     

基于采样卡尔曼滤波的水下被动目标跟踪

针对水下被动目标跟踪问题中,采用直角坐标系容易出现滤波发散,而修正极坐标系下过程模型强非线性的问题,研究了一种修正极坐标系下的采样卡尔曼滤波算法.采样卡尔曼滤波比传统的扩展卡尔曼滤波更好地逼近状态方程和测量方程的非线性特性,给出更精确的均值和协方差的估计,并且适用于过程噪声与状态估计非线性耦合的情况.在修正极坐标系下,采用3种滤波方法求解被动目标跟踪问题,仿真结果表明,采样卡尔曼滤波的滤波精度优于传统的扩展卡尔曼滤波方法和自适应扩展卡尔曼滤波方法.     

扩张状态观测器的机动目标跟踪算法

跟踪算法是自动跟踪火控系统的关键.提出了一种新的基于模板匹配的跟踪算法,可应用于实时的跟踪系统.该算法由扩张状态观测器(ESO)和序贯相似性(SSDA)匹配算法组成.首先使用扩张状态观测器,可以预测出目标在下一帧图像中的位置,再使用SSDA算法,在预测位置的邻域内进行搜索从而获得目标的准确位置.基于扩张状态观测器的模板匹配算法减少了搜索位置,提高了算法的效率,同时也克服了传统卡尔曼滤波用于目标预测时需要目标模型已知且滤波时间长的缺点.仿真实验证明该算法可以满足实时性要求.     

基于方根分解形式的UKF算法在目标跟踪中的应用

UKF作为一种新的非线性滤波方法已在目标跟踪问题中得到应用,在状态的时间更新阶段直接使用非线性模型,不引入线性化误差,而且不必计算Jacobians矩阵,相对于扩展卡尔曼滤波(EKF)不仅能提高滤波精度,而且更容易实现.提出了一种基于方根分解形式的UKF算法(SRD-UKF),算法的方根形式增加了数字稳定性和状态协方差的半正定性.通过BOT(bearing of target)仿真实验结果表明,该算法与UKF和PF算法相比具有更好的滤波性能.     

基于坐标转换的卡尔曼交互式多模型滤波算法

为解决舰炮火控系统中在笛卡尔坐标系中测量信息的互相关性,分析了目前舰炮火控系统中所用到的坐标系及其坐标变换,在瞄准线坐标系内建立了自适应滤波的交互式多模型算法,能够充分利用跟踪传感器的量测信息,在卡尔曼滤波中具有较强的自适应能力,通过与标准交互式多模型算法的对比验证,自适应交互式多模型算法在计算精度上明显好于标准交互式多模型算法。     

浮球式惯性平台连续翻滚自标定自对准方法

针对浮球式惯性平台系统的标定与初始对准问题,提出了一种基于姿态角的连续翻滚自标定自对准方法。根据浮球平台工作原理,建立了惯性器件误差模型,推导了浮球平台的姿态动力学方程;设计了平台在重力场连续翻滚的施矩方案;利用分段线性定常系统和输出灵敏度理论分析了系统的可观性。仿真结果表明,该方法可以同时实现平台系统42项误差系数的高精度标定与初始对准,有效地提高了系统的测量精度。     

基于虚拟检测函数下的IMM-UKF机动目标跟踪

为了有效提高对机动目标的跟踪效果,将无迹卡尔曼滤波(UKF)引入到交互多模型(IMM)算法框架内,加强状态估计精度;引入强跟踪滤波器(STF)到UKF算法中,避免对强机动目标的过大时间延迟和跟踪性能差的缺点;提出虚拟检测函数法,在跟踪过程中自适应调整"当前"统计模型的机动参数,加大模型集与目标真实运动模式匹配概率。仿真结果验证了改进算法的有效性。