UKF算法及其在目标被动跟踪中的应用
尺度因子自适应的UKF算法在目标跟踪中的应用
尺度因子自适应的UKF算法在目标跟踪中的应用侯建华;刘倩;笪邦友;马晓路【期刊名称】《中南民族大学学报（自然科学版）》【年(卷),期】2012(031)002【摘要】针对传统的无迹卡尔曼滤波（UKF）算法不能根据场景变化而自适应调整尺度因子α的问题,提出了一种改进算法,该算法利用UKF非线性近似的预测值与真实值之间的误差来调节α,并对采样策略进行了修正.将此方法应用于目标跟踪的仿真实验表明：该算法与使用尺度因子最优经验值的UKF算法精度相当,具有很好的跟踪性能和实用性.%To improve the adaptivity of the standard Unscented Kalman filter （UKF） to scene change, an adaptive UKF is proposed based on the scale factor. The scale factoris adjusted by the error between the non-linear approximation of the UKF prediction and the true value. Then the sampling strategy is also revised. The proposed method is applied to target tracking. The simulation results show that compared the standard UKF with the optimum empirical value, the new algorithm has the comparable tracking performance and satisfactory practicality in the application of object tracking.【总页数】5页(P85-89)【作者】侯建华;刘倩;笪邦友;马晓路【作者单位】中南民族大学电子信息工程学院,武汉430074;中南民族大学电子信息工程学院,武汉430074;中南民族大学电子信息工程学院,武汉430074;中南民族大学电子信息工程学院,武汉430074【正文语种】中文【中图分类】TP919.81【相关文献】1.导引模型在FTC自适应IMM-UKF目标跟踪算法中的应用 [J], 付斌;丁月宁;黄勇;闫杰2.自适应衰减记忆UKF算法在三维水下目标跟踪中的应用 [J], 王满林3.自适应UKF算法在目标跟踪中的应用 [J], 石勇;韩崇昭4.快速强跟踪UKF算法及其在机动目标跟踪中的应用 [J], 鲍水达;张安;毕文豪5.EKF和UKF算法在无线传感器网络目标跟踪中的应用 [J], 史岩;朱涛;傅军;张亚宁因版权原因，仅展示原文概要，查看原文内容请购买。
简化的UKF方法在多普勒雷达对目标跟踪中的应用
文 章 编 号 ：０ ２０ ４ （ ０８ ０ —０ ２０ １０ —６ ０ ２ ０ ） ５０８ —３
简化 的 Ｕ ＫＦ方 法在 多普 勒 雷 达对 目标跟 踪 中的应 用
张 婧 ， 占荣 ， 景 羊 彦
西 安 ７０ ７ ） １ ０ ２
（ 西北 工业 大学 电子 信 息 学 院 ， 西 陕
摘
要 ： 普 勒 雷 达 对 目标 的观 测 数 据 是 由距 离 、 位 角 、 仰 角 和 径 向速 度 组 成 ， 大 多 数 雷 达 的 观测 数 据 仅 由前 三 者 多 方 俯 而
本 文 将一 种 简化 的 ＵＫＦ应 用 于多 普 勒雷 达对 目标 的跟踪 中 ， 跟踪性 能 和跟 踪精度 都 有所提 高 。
的偏 差 ， 使滤 波结 果不 能满 足精度 要求 ， 至可 能导 甚 致滤 波 发散 。 为 了改善 对非 线性 问题进 行 滤波 的效 果 ，ｕｉ Ｊｌ ｒ ｅ 等 人 提 出 Ｕｎ ｃｎｅ Ｋａｍａ Ｆｈ ｒ ＵＫＦ 方法 对 非 ｓｅ ｔｄ ｌ ｎ ｉ ｅ （ ） 线 性 问题进 行 滤波估 计 。该 方法 在处理 状 态方程 时 首 先进 行 了 Ｕｎ ｃｎ ｅ ｓｅ ｔｄ变换 （ 简称 Ｕ 变 换 ） 使 用 Ｕ ， 变 换后 的状 态 变量进 行 滤波估 计 ， 以减小 估 计误差 。
Ｋｅ ｙ ｗｏｒ ｓ： ｌ ｅ Ｄｏ ｄ ｐｕ ｓ ｐｐｌｒ ｒ ｄ ｒ，ｒ ｄ ａ ｅｏｃｔ ｅ ａ ａ ａ ｉ ｌｖ ｌ ｉｙ，ＥＫ Ｆ ， ｉ ｐ ｉｉｄ Ｕ ＫＦ ｓｍ ｌｆｅ
引 言
在 传 统 的雷 达 目标 跟 踪 中 ， 常用 法 是 卡尔 曼 最 滤 波 。当 目标 的状 态方 程 和观测 方程 在 同一坐标 系 下均 为线 性方 程 ， 观测 噪声 为高 斯 白噪声 时 ， 尔 且 卡 曼 滤波算 法为 最小 方差 意义 下 的最优算 法 。但 在实 际中， 目标 的运 动 方 程 常 常是 在直 角 坐 标 系下 描 述 的， 观测值 又是 在极 坐标 系下 得到 的 ， 于这 种非 线 对 性特性 ， 传统 的解决 方 法 是 进行 基 于 泰 勒级 数 展开 的线 性 化处 理 ， 到一 阶近 似项 作 为 原状 态 方 程 和 得 测 量方 程 的近似 表述形 式 。 在扩 展 卡尔曼 滤波 中 ， 就
改进UKF算法及其目标跟踪性能研究
２０１１年１２月１日第３４卷第２３期现代电子技术Ｍｏｄｅｒｎ Ｅｌｅｃｔｒｏｎｉｃｓ ＴｅｃｈｎｉｑｕｅＤｅｃ．２０１１Ｖｏｌ．３４Ｎｏ．２３改进ＵＫＦ算法及其目标跟踪性能研究陈伟衡，赵毅寰（中国空空导弹研究院，河南洛阳 ４７１００９）摘 要：研究了Ｕｎｓｃｅｎｔｅｄ变换的基本原理及ＵＫＦ算法。
为了降低跟踪系统计算的复杂性，在Ｕｎｓｃｅｎｔｅｄ变换中，通过引入单位矩阵，以简单的数值计算取代复杂的矩阵分解求解矩阵平方根的过程，把ＵＫＦ改进为ＦＭＳＲＵＫＦ。
通过对三维坐标系下作变加速运动目标的跟踪仿真，结果表明ＦＭＳＲＵＫＦ有更好的精度和鲁棒性。
关键词：跟踪；Ｕｎｓｃｅｎｔｅｄ变换；ＵＫＦ；ＦＭＳＲＵＫＦ中图分类号：ＴＮ９５７．５１－３４ 文献标识码：Ａ 文章编号：１００４－３７３Ｘ（２０１１）２３－０００４－０３Ｒｅｓｅａｒｃｈ ｏｎ Ｉｍｐｒｏｖｅｄ ＵＫＦ Ａｌｇｏｒｉｔｈｍ ａｎｄ Ｉｔｓ Ｔａｒｇｅｔ Ｔｒａｃｋｉｎｇ ＰｅｒｆｏｒｍａｎｃｅＣＨＥＮ Ｗｅｉ－ｈｅｎｇ，ＺＨＡＯ Ｙｉ－ｈｕａｎ（Ｃｈｉｎａ Ａｉｒｂｏｒｎｅ Ｍｉｓｓｉｌｅ Ａｃａｄｅｍｙ，Ｌｕｏｙａｎｇ ４７１００９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅ ｐｒｉｎｃｉｐｌｅ ｏｆ Ｕｎｓｃｅｎｔｅｄ ｔｒａｎｓｆｏｒｍａｔｉｏｎ ａｎｄ ＵＫＦ（Ｕｎｓｃｅｎｔｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ）ａｌｇｏｒｉｔｈｍ ａｒｅ ｓｔｕｄｉｅｄ．Ｔｏ ｓｉｍ－ｐｌｉｆｙ ｃｏｍｐｕｔａｔｉｏｎａｌ ｃｏｍｐｌｅｘｉｔｙ ｏｆ ｔｈｅ ｔｒａｃｉｎｇ ｓｙｓｔｅｍ，ｉｄｅｎｔｉｔｙ ｍａｔｒｉｘ ｗａｓ ｉｎｔｒｏｄｕｃｅｄ ｉｎｔｏ ｔｈｅ Ｕｎｓｃｅｎｔｅｄ ｔｒａｎｓｆｏｒｍａｔｉｏｎ，ａｎｄｔｈｅ ｃｏｍｐｌｉｃａｔｅｄ ｍａｔｒｉｘ ｃａｌｃｕｌａｔｉｏｎ ｗａｓ ｒｅｐｌａｃｅｄ ｂｙ ｓｉｍｐｌｅ ｎｕｍｅｒｉｃａｌ ｃａｌｃｕｌａｔｉｏｎ ｆｏｒ ｓｏｌｖｉｎｇ ｍａｔｒｉｘ ｓｑｕａｒｅ ｒｏｏｔ，ｔｈａｔ ｉｓ ＵＫＦ ａｌｇｏｒｉｔｈｍｗａｓ ｉｍｐｒｏｖｅｄ ｉｎｔｏ ＦＭＳＲＵＫＦ（Ｆｉｘｅｄ Ｍａｔｒｉｘ Ｓｑｕａｒｅ Ｒｏｏｔ Ｕｎｓｃｅｎｔｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ）．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｏｆ ｖａｒｉａｂｌｙ ａｃｃｅｌｅｒａｔｅｄｍｏｔｉｏｎ ｔａｒｇｅｔ ｔｒａｃｉｎｇ ｕｎｄｅｒ ｔｈｒｅｅ ｄｉｍｅｎｓｉｏｎａｌ ｃｏｏｒｄｉｎａｔｅ ｓｈｏｗ ｔｈａｔ ＦＭＳＲＵＫＦ ａｃｈｉｅｖｅｓ ｂｅｔｔｅｒ ｐｒｅｃｉｓｉｏｎ ａｎｄ ｒｏｂｕｓｔ．Ｋｅｙｗｏｒｄｓ：ｔｒａｃｋｉｎｇ；Ｕｎｓｃｅｎｔｅｄ ｔｒａｎｓｆｏｒｍ；ＵＫＦ；ＦＭＳＲＵＫＦ收稿日期：２０１１－０６－１５ 非线性滤波问题中最优解法需要得到条件后验概率的完整描述才能够求解［１］，但这种精确描述需要大量参数而且无法实际应用［２］。
快速强跟踪UKF算法及其在机动目标跟踪中的应用
关 键 词 :无 迹 卡 尔 曼 滤 波 ;强 跟 踪 ;渐 消 因 子 引 入 方 法 ;计 算 量 ;滤 波 精 度 中 图 分 类 号 :TP３０２．８ 文 献 标 志 码 :A DOI:１０．３９６９/j．issn．１００１Ｇ５０６X．２０１８．０６．０１
SpeedystrongtrackingunscentedKalmanfilteranditsapplicationin maneuveringtargettracking
文 章 编 号 :１００１Ｇ５０６X(２０１８)０６Ｇ１１８９Ｇ０８
网 址 :www．sysＧele．com
快速强跟踪 UKF算法及其在机动目标跟踪中的应用
鲍 水 达１,张 安２,毕 文 豪２
(１．西北工业大学电子信息学院,陕西 西安 ７１０１２９; ２．西北工业大学航空学院,陕西 西安 ７１００７２)
trackingUKFisclosetothatoftraditionalUKF．TheconeringconverＧ
基于UKF算法的被动目标跟踪
基于UKF算法的被动目标跟踪
李明月;陈红林
【期刊名称】《电光与控制》
【年(卷),期】2010(017)011
【摘要】对于单站的被动目标跟踪,在笛卡儿坐标系下建立跟踪模型,并用扩展的卡尔曼滤波(EKF)进行预测,得到的结果通常是不稳定且容易发散的.针对这种情况,提出了在修正的极坐标系下建立状态模型,摒弃传统的EKF算法,采用无迹卡尔曼滤波(UKF)算法,通过采样逼近非线性函数.数字仿真结果表明:在修正的极坐标中利用UKF算法得到的结果比EKF算法具有更快的收敛速度和更高的估计精度,且稳定性更好.
【总页数】5页(P34-38)
【作者】李明月;陈红林
【作者单位】西北工业大学,西安,710129;西北工业大学,西安,710129
【正文语种】中文
【中图分类】V218
【相关文献】
1.基于衰减记忆滤波的平方根UKF被动目标跟踪算法 [J], 章飞;周杏鹏;陈小惠
2.基于改进的IMM-UKF高超声速目标跟踪算法 [J], 肖楚晗;李炯;雷虎民;李世杰
3.基于UKF算法的机载雷达地面动目标跟踪算法分析 [J], 任小叶;倪世道;马娟
4.基于UKF光电被动目标跟踪及可观性分析 [J], 郭同健;高慧斌;张淑梅
5.基于UKF-GM-PHD滤波算法的非线性多目标跟踪方法研究∗ [J], 齐海明; 张安清
因版权原因，仅展示原文概要，查看原文内容请购买。
UKF算法在单站无源定位与跟踪中的应用
专 题 技 术 与工 程 应 用
Ｕ ＫＦ算 法 在 单 站 无 源定 位 与跟 踪 中的应 用
窦修 全 张建 立 国辛 纯 ， ，
（． １ 中国 电子 科技 集 团公 司第 ５ ４研 究所 ， 河北 石 家庄 ０ ０ ８ ５０ １； ２ 天津 大学 电子信 息工程 学 院， 津 ３０ ７ ） ． 天 ０ ０ ２
摘 要 提 出 了相 位 差 与 无 迹 卡 尔 曼 （ Ｋ ） 法 相 结 合 的 单 站 无 源 定 位 方 法 。 把 ２个 相 互 正 交 的 相 位 干 涉 仪 测 量 出 目 Ｕ Ｆ算
标 辐射 电磁 波 的相 位 差 信 息 作 为 观测 量 ， 用 Ｕ Ｆ滤 波算 法 加 以 处 理 ， 粗 略 定 位 结 果 进 行 修 正 和 平 滑 ， 步 估 计 出 目标 的 采 Ｋ 对 逐 位 置 和速 度 ， 实 现 对 辐 射 源 目标 的快 速 高精 度无 源 定 位 。Ｕ Ｆ与 传 统 的 Ｅ Ｆ滤 波 算 法 相 比 ， 用 计 算 雅 克 比 矩 阵 ， 现 简 来 Ｋ Ｋ 不 实
Ａｂ ｔａ ｔ Ａ ｅ ｓｎ ｌ—ｔｔｏ ａ ｓｖ ｏ ａｉｎ ｍｅｈ ｄ ｃ ｍｂｎｉｇ ｐ ａ ｅ ｉ ｅ ｅ ｃ ｎｄ ＵＫＦ ｌｏ ｔｍ ｓ ｐ ｅｅ ｔｄ． ｈ ｔｏ ａ ｅ ｓｒ ｃ ｎ ｗ ｉｇｅ ｓａｉｎ ｐ ｓｉｅ ｌｃ ｔ ｔｏ ｏ ｉ ｎ ｈ ｓ ｄｆ ｒｎ ｅ ａ ｏ ａｇ ｒｈ ｉ ｉ ｒｓ ｎｅ Ｔ ｅ ｍｅ ｄ ｔｋ ｓ ｈ
ｓ ｅ ｄａ ｄ ｈｇ ｒｌｃ ｔ ｎ ｐ ｅ ｉｉｎ． ｐ ｅ ｎ ｉｈｅ ｏ ａｉ ｒｃｓｏ ｏ Ｋｅ ｒ ｓ ＵＫＦ ｇ ｒｔ ；ｐ ａ ｅ ｄｆｅｅ ｃ ｙ ｗｏ ｄ ｌ ｉ ａ ｏ ｈｍ ｈ ｓ ｉｆｒｎ ｅ；ｓｎｇｅ ｓａｉｎ ｐ ｓｉｅ ｌｃ ｔ ｎ；Ｋａｍａ ｌｅ ｎ ｉ ｌ— ｔｔ ａ ｓｖ ｏ ａｉ ｏ ｏ ｌ ｎ ｆ ｔｒ ｇ ｉ ｉ
基于衰减记忆滤波的平方根UKF被动目标跟踪算法
Ｓｑ ｒ － ｏ ｕａ ｅ Ｒｏ ｔＵＫ Ｆ ｓｉ ｅ Ｔａ ｇ ｔＴｒ ｃ ｉ ｇ ｒｔ ｍ Ｐａ ｓｖ ｒ ｅ ａ ｋ ｎｇ Ａｌｏ ｉｈ Ｂａ ｅ ｎ Ｍ ｅ ｏ ｙ Ａｔｅ ａ ｉ ｎ Ｆｉ ｅ ｉ ｇ ｓ ｄ ｏ ｍ ｒ ｔ ｎｕ ｔｏ ｌ ｒｎ ｔ
Ｓｕｈａｔ ｎｖｒｉ ， ａ ｎ １０ ６ Ｃ ｉ ； ．Ｉｓｔｔ ｏ ｌ ｔ ｎｃ ｎ ｆｒ ａ ｏ，ｉ ｇｕＵ ｉ ｒｔ ｏ ｃ ｎｅａｄห้องสมุดไป่ตู้ ｃｎｌ ｙ ｏ ｔ ｓ Ｕ ｉ ｓｙ Ｎ ｍｉ ２０ ９ ， ｈｎ ２ ｎｔｕｅ ｆ ｅ ｒ ｉ ａｄＩ ｏｍ ｔ ｎＪａ ｓ ｎｖ ｓｙ ｆ ｉ ｃ ｎ ｅｈ ｏ ｇ， ｅ ｅ ｔ ｇ ａ ｉ Ｅ ｃｏ ｓ ｎ ｉ ｎ ｅ ｉ Ｓ ｅ ｏ
Ｚ ｅｊ ｎ １０ ３ Ｃ ｉａ３ ｎｔｕｅｏ ｕｏ ａｉ ， ａ ｉｇＵ ｉｅ ｉ ｆ ｏｔ ａｄＴ ｌ ｏ ｍ ｎ ａｉ ｓＮ ｍｉ １０６ Ｃ ｉａ ｈ ｎ ａｇ２２ ０ ， ｈｎ； ．Ｉｓｔｔ ｆ ｔ ｔ ｎ Ｎ ｍ ｎ ｎｖｒ ｔ ｏ Ｐ ｓ ｎ ｅ ｃｍ ｕ ｉ ｔ ｎ， ａ ｎ ２ ０４ ， ｈｎ） ｉ ｉ Ａ ｍ ｏ ｓｙ ｓ ｅ ｃ ｏ ｇ
UKF算法及其在纯方位目标跟踪中的应用
Ｋａ ｍａ ｉ ｅ ｎ ｂ ａ ｉ ｇ ｏ ｌ ａ ｇ ｔ ｔ ａ ｋ ｎ ｒ ｂ ｅ ｌ ｎ ｆｌ ｒ ｏ ｅ ｒｎ — ｎ ｙ ｔ ｒ ｅ ｒ ｃ ｉ ｇ ｐ ｏ ｌ ｍ． Ｔｈ ｓ ａ ｇ ｒｔ ｍ ａ ｔ ｈ ｏ ｙ ｂ ｓｓ ｃ ｎ ｉｔ ｄ ｏ ｔ ｉ ｌｏ ｉ ｈ ｈ ｓ ｉｓ ｔ ｅ ｒ ａ ｉ ｏ ｓ ｓ ｅ ｆ Ｂ ｙ ｓａ ｈ ｏ ｙ ａ ｄ Ｕ Ｔ ｒ ｎ ｆ ｒ 。 ｎ ｍｐ ｅ ｅ ｔ ｃ ｏ ｄ ｎ ｏ ｔ ｅ ｆ ａ ｆＥＫＦ．Ｔｈ ａ ｅ ｔ ｄ ｅ ｈ ａ ｅ ｉｎ ｔ ｅ ｒ ｎ ｔａ ｓ ｏ ｍ ａ ｄ ｉ ｌ ｍ ｎ ｓａ ｃ ｒ ｉ ｇ ｔ ｈ ｒ ｍｅ ｏ ｅｐ ｐ ｒ ｓ ｕ ｉｓ ｔ ｅ ＵＫＦ ａ ｇ ｒｔ ｍ ｅ ｐ ｙ，ａ ｄ ｂ ｉ ｇ ｏ ｗａ ｄ ａ ｓｍ ｕ ａ ｉ ｎ ｅ ａ ｌ ｂ ｕ ｅ ｒｎ — ｎ ｙ ｔ ｒ ｅ ｒ ｃ ｉ ｇ ｌ ｏ ｉｈ ｄ ｅ ｌ ｎ ｒｎ ｓ ｆ ｒ ｒ ｉ ｌ ｔｏ ｘ ｍｐ ｅ ａ ｏ ｔ ｂ ａ ｉ ｇ ｏ ｌ ａ ｇ ｔ ｔ ａ ｋ ｎ ．Ｔｈ ｅ ｓｍ ｕ ａ ｉ ｎ ｅ ｕ ｔ ｓ ｏ ｔ ａ ｈ ＵＫＦ ｌ ｏ ｉ ｍ ｉ ｒ ｖ ｓ ｔ ｂ ｌ ｙ ａ ｄ ａ ｃ ｒ ｃ ｏ ｆ ｔ ｒ ａ ｄ ｔ ｉ ｌ ｔ ｒ ｓ ｌｓ ｈ ｗｓ ｈ ｔ ｔ ｅ ｏ ａ ｇ ｒ ｔ ｈ ｍｐ ｏ ｅ ｓ ａ ｉ ｔ ｎ ｃ ｕ ａ ｙ ｆ ｉ ｅ ， ｎ ｉｓ ｉ ｌ ｐ ｒｏ ｍａ ｃ ｘ ｅ ｌ ｄ ｇ ｎ ｒ ｌ ｘ ｅ ｄ ｄ Ｋａ ｍａ ｉ ｅ ，ａ ｄ ｔ ｅ ＵＫＦ ｈ ｓ ｂ ｏ ｄ ａ ｐ ｉａ ｉ ｎ ｐ ｏ ｐ ｃ ． ｅ ｆ ｒ ｎ ｅ ｅ ｃ ｌ ｅ ｅ ａ ｔ ｎ ｅ ｌ ｎ ｆｌ ｒ ｎ ｈ ｅ ｅ ｔ ａ ｒ ａ ｐ ｌ ｔｏ ｒ ｓ ｅ ｔ ｃ Ｋｅ ｒ ｓ ｘ ｅ ｄ ｄ Ｋａ ｍａ ｉ ｅ ， ｅ ｒｎ — ｎ ｙ， ａ ｇ ｔｔ ａ ｋ ｎ ｕ ｓ ｅ ｔ ｄ Ｋａ ｍａ ｉ ｅ ｙ ｗｏ ｄ ：ｅ ｔ ｎ ｅ ｌ ｎ ｆｌ ｒ ｂ ａ ｉ ｇ ｏ ｌ ｔ ｒ ｅ ｒ ｃ ｉ ｇ， ｎ ｃ ｎ ｅ ｌ ｎ ｆ ｔ ｒ ｔ ｌ
基于UKF的滤波算法设计分析与应用共3篇
基于UKF的滤波算法设计分析与应用共3篇基于UKF的滤波算法设计分析与应用1基于UKF的滤波算法设计分析与应用随着科技的发展，各行各业的数据处理越来越重要，滤波算法在这个过程中扮演了重要的角色。
本文将探讨一种基于UKF的滤波算法，包括其设计分析以及应用。
UKF是一种针对非线性系统的滤波算法，其全称为无迹卡尔曼滤波器（Unscented Kalman Filter）。
相比于卡尔曼滤波器，UKF更加适用于非线性、非高斯的系统，并且其运行速度更快、精度更高。
在UKF的运行过程中，需要进行两次变换，分别为sigma点变换和权值变换，其中sigma点变换将高斯分布的均值和协方差矩阵转换为一些离散的点，这些点在系统的非线性关系下具有良好的近似性质，权值变换则是将这些点的权重求出，最终依据这些点和权重来进行滤波。
在实际应用中，UKF滤波算法及其改进算法大量被应用在各种领域，比如机器人控制、导航、雷达信号处理等等。
本文将以信号处理方面为例，探讨在声音信号处理中，UKF滤波算法的设计分析与应用。
在声音信号处理中，我们常常需要对信号进行滤波以去除噪声，但是传统的滤波算法在处理非线性、非高斯信号时，精度不够高。
因此，UKF滤波算法便成了一个较好的选择。
在设计UKF滤波算法时，需要根据实际需求设置相关参数，比如系统的状态变量和测量变量，以及噪声的协方差矩阵。
在应用过程中，需要将待滤波的信号和上一时刻的状态量带入UKF滤波器进行处理，得到一个经过优化的滤波结果。
在实际应用中，UKF滤波算法在音频降噪方面表现突出，其通过取sigma点进行变换，避免了需要用到高斯假设的问题。
在汽车音响中，UKF滤波算法还可以用于提高音频效果，比如降低回声和噪声，提升车内音质。
此外，在语音识别领域中，UKF滤波算法可以有效提高语音识别的准确性，避免非线性噪声的影响。
需要注意的是，UKF滤波算法并不是万能的，其在处理高维系统时会有一定难度，而且高斯分布的假设仍然是不可取的。
基于平方根UKF的自由段目标跟踪算法
（． １ 炮兵学 院 军用光 电工程教 研室 ， 安徽 合肥 ２ ．国防科技大学 电子科学与工程 学院 ， 湖南 长沙
摘ቤተ መጻሕፍቲ ባይዱ
要： 建立天基红外低轨 星座对 自由段 目标 的观测模 型 ， 引入精 确的 目标 运动模型 。考虑到算 法的数
值稳定性 ， 引入平 方根 Ｕ Ｆ Ｋ 算法 。理论分 析与实验 结果表明 ， 平方根 Ｕ Ｆ Ｋ 算法能够对天基红外低轨星座 中 自
２ Ｃ ｌｇ ｌ ｔ ｎｃ ｃ ｎｅａｄＥ ｇ ｅｒ ｇＮ ｔ ｎｌ ｎｖ ｆ ｅ ｎｅＴｃｎｌ ｙＣ ａｇｈ １０ ３ Ｃ ｉ ） ． ｏｅｅ０ ｅ ｒ ｉＳｉ ｃ ｎ ｎ ｎｅｎ ， ａｏａ Ｕ ｉ．ｏ Ｄ ｆ ｓ ｅｈｏ ｇ ，ｈｎｓａ４０７ ， ｈ ａ ｌ ｆＥ ｃ ｏ ｅ ｉ ｉ ｉ ｅ ｏ ｎ
Ｕｎ ｃ ｎ ｅ ａ ｍ ａ ｉ ｅ ｓ ｅ ｔ ｄ Ｋ＿ ｌ ｎ Ｆｌ ｒ ｔ
ＸＩ Ｋ ｉ ， ＨＯ ｉ Ｅ ａ Ｚ Ｕ Ｙ － ， Ｅ － ｅ Ｉ ＨＡ －ｈ ｎ １ ＸＵ Ｍｏ ｇ ｎ ， Ｎ Ｙｕ ｓ ｅ ｇ
（ ．Ｍ ｌａｙＰ ｏｏｌ ｔ ｉ ｎ ｉｅｒ ｇ ＆Ｒ Ｓ ｃ ｏ ，Ａ ｔｌｒ Ａ ａ ｅ ｙｏ Ｐ Ａ Ｈ ｉ ３ ０ １ Ｃ ｉ ； １ ｉｔ ｈ ｔ ｅ ｒ ｔ Ｅ ｇ ｅｉ Ｔ ｅｔ ｎ ｒ ｌ ｙ ｃｄ ｍ Ｌ ， ｄｅ ２ ０ ３ ， ｈｎ ｉｒ ｅ ｃ ｃｙ ｎ ｎ ｉ ｉｅ ｆ ａ
Ａｂ ｔａ ｔ Ｔ ｅ ｍｅ ｓ ｒ ｍ ｎ ｄ ｌｏ ａ ｋｎ ａｌ ｔ ａｇ ｔｏ ｏ ｓ ｐ ａ ｅ ｉ ｈ Ｅ ｓ ａ ｅ ｂ ｓｄ ｉｆ ｒｄ ｃ ｎ ｔｌ ｔ ｎ ｗ ｓ ｓｒ ｃ ： ｈ ａ ｕ ｅ ｅ ｔｍｏ ｅ ｆｔ ｃ ｉｇ ａ ｂ Ｊ ｓ ｃ ｔｒｅ ｆｃ ａ ｔ ｈ ｓ ｎ ｔ ｅ Ｌ Ｏ ｐ ｃ － ａ ｅ ｒ ｅ ｏ ｓｅｌ ｉ ａ ｒ ｉｉ ｎａ ａｏ ｃ ｎ ｔ ｃｅ ．Ａ ｕｔｂ ｅ ａ ｃ ｒ ｔ ａｇ ｔ ｍ ｔ ｎ ｍｏ ｅ ａ ｅ ｅｏ ｅ ｏ ｓ ｕ ｔｄ ｒ ｓ ｉ ｌ ｃ ｕａｅ ｔ ｅ ｏｉ ｄ ｌｗ ｓ ｄ ｖ ｌｐ ｄ．Ｃｏ ｉｅｉ ｈ ｏ ｕ ｔｅ ｓ ｏ ｅ ｎ ｌｉ ￣ ｒｆ ｔｒ ｑ ａ ｅ ｒｏ ａ ｒ ｏ ｓ ｎ ｄｒ ｇ ｎ ｔｅ ｒ ｂ ｓ ｓ ｆ ｔ ｏｌ ｎ ａ ｌ ，ａ ｓ ｕ ｒ ｏ ｔ ｎ ｈ ｌ ｉｅ ｖ ｒｉｎｏ ｅ ＵＫ ａ ｎ ｌ ｄ ．Ｉ ｗ ｓ ｃ ｒｏ ｏ ａｅ ｎ ｔｅ ｔ ｅ ｒ ｔ ａ ｎ ｌｓ ．Ｔ ｅ ｓ ｌｔ ｎ ｓｏ ｓ ｔａ ｅ ｓ ｕ ｒ ｏ ｔＵＫ ｅ ｓ ｆ ｔ Ｆ ｗ ｓ ｉ ｃｕ ｅ ｏ ｈ ｄ ｔ ａ ｏｒ ｂ ｒ ｔ ｉ ｈ ｏ ｅｉ ｌ ａ ａｙ ｉ ｈ ｉ ａｉ ｈ ｗ ｈ ｔ ｔ ｑ ａ ｅ ｒｏ Ｆ ｄ ｈ ｃ ｓ ｍｕ ｏ ｈ
CAUKF算法在船载导航目标跟踪中的应用
．志 ， 是］ ； ｙ ） （）Ｔ （ 叫（） —零 均值 高斯 白噪声 ， 方 差为 是— 其
ｔ ） 即采 用 Ｕｌ ｅ ， ｒ ＜ Ｆ实 现非 线 性 系 统 中状 态估 计 的
递推 ， 在此 基础上采用 自适应方法 对 自主船位 推算 系统 的状 态进行估计 。导航 系统原 理见 图 １ 。
、
ａ ［ ｒ 学 ［
Ｇ一 状态 矩阵 和转 移矩 阵 ， 阶马 尔科 夫过 程 的相 关 时 间常 数
的倒 数 。
￣（ ／ 一 １ 一ｄａ ｛ ， ，一 ， ｝ （ ） ｋ ｋ ） ｉ ｅ ． １ ２ ｇ
其中： ～
观测 值 为距离 ５ 和方 位角 ０ 其 标准方 差分 别 ，
摘
要 ： 定 量 分 析 内河 船 舶 导 航 系统 的跟 踪 性 能 ， 立 基 于 ＧＰ ／ Ｒ 组 合 信 息 的 船 载 导 航 系 统 非 线 性 为 建 ＳＤ
模型 ， 以该模 型作 为系统模型 ， 采用 附有航 向约束 参考条件的 自适应无迹变换卡尔曼滤波算法 ， 推导得出非线
性 导 航 滤 波 器 的 滤 波 方 程 。按 照 船 载 目标 的 实 际 非线 性模 型 进 行 演 化 时 ， 用 此 算 法 能够 较好 地 实 现非 线性 采
收 稿 日期 ：０ ００ —０ ２ １ —４３ 修 回 日期 ：０ ００ ８ ２ １ —５１
其 为零 均值 高斯 白噪声且 其方 差矩 阵为
Ｒ（ ） ｄａ ｛一 ，２，２｝ 尼 ＝ ｉｇ Ｏ ， ％ － ２ （） ４
式 中： 、 、 、 ～
观 测噪声 各分 量 方差 。
图 １ 船 载 导 航 系统 原 理
无迹卡尔曼滤波在目标跟踪中的应用答辩稿
5.32 5.315 -1.5
目标真实轨迹 UKF算 法 轨 迹 -1 -0.5 X/m 0 0.5 x 10 1
6
卡尔曼滤波后的轨迹对比图
无迹卡尔曼滤波后的轨迹对比图
4.滤波算法分析比较
表4-5 原噪声水平（10,1.7e-3) 位置均方根误差（m) 卡尔曼滤波 7.5269 0.000173 无迹卡尔曼滤波 1.8736 0.000079
（三）目标模型 的建立 当目标无机 动 , 即目标作匀速 或匀加速直线运 动时 , 其运动状态 可分别用下面的 二阶常速CV模型 或三阶常加速CA 模型表示。
(t ) 0 1 x(t ) 0 x w(t ) (t ) 0 0 x (t ) 1 x
F的基础理论 （一）基本卡尔曼滤波 卡尔曼滤波是一种递推线性最小方差估计。 显著地改善动态跟踪精度,它在目标跟踪中不仅 利用当前的量测值,而且充分利用以前的量测数 据,根据线性最小方差原则求出最优估计。 其中包含： （1）连续系统的卡尔曼滤波 缺点：无递推 （2）离散系统的卡尔曼滤波 优点：有递推，应用广
3.跟踪模型的建立
（一）目标的状态模型和量测模型
状态模型：描述了目标的
运动状态变量，状态噪声随着
时间的变化。 量测模型：描述了量测数 据与状态变量、量测噪声之间 的函数关系
3、跟踪模型的建立
（ 二 ） 跟 踪 坐 标 系 的 选 取
ɣ为观测站0到目标M的距离,β 为方位角ε 为高低 角。
3.跟踪模型的建立
无迹卡尔曼滤波在目标跟踪中的应用
导 师: 答辩人: 专 业: 自动化
论文框架
1 2 3
研究背景及意义 UKF的基础理论
自适应衰减记忆UKF算法在三维水下目标跟踪中的应用
ｒ表示 目标的状态，ｏ ｔ ＝［０ ｔ ， ｔ ， ｔ ， Ｘ ） ）Ｙ （）ｚ （） （ （ ｏ 。 ｒ（＝ ，） ｉ １２ 表示基阵 １ 与基阵２的运动状态。则
ｘ （， ｋ＝ ｋ ｋ一１ 瓦 一 ） 。 （） １
， 。 ，
系 统 状 态 方 程 为 其 中
１ ０ ０ ０ １ ０ ０
性 扩展 ， 是一种递推 算法 ， 由于 在每个 采样 时刻对估 计状 态 矢 量的线性 化导致协 方差矩阵 产生畸变 ， 容易 使 Ｅ Ｆ发散 。 Ｋ
卡 尔曼 滤 波 是增 长记 忆 滤 波 ， 般 情 况 下 它 给 出 了一 个 随 着 一
声相关信 息的不确定性 以及状态 模型 扰动等 都会影 响 Ｕ Ｆ Ｋ 的滤波精度 。针对 Ｕ Ｆ存 在 的问题 ， 文提 出了一种 自适 Ｋ 本
（ ｋ＋１ ： ，）
０ ０ １ ０ ０
（） ２
０ Ｏ ０ ｌ ０ ０ ０ Ｏ ０ ０ １ ０
０ ０ Ｏ ０ Ｏ １
取一些点 ， 使这些点的均值和协方差等于原状 态分布 的均值
收 稿 日期 ：０２— ３—２ ２１ ０ １
１ 问题 描述
本文考虑迪 卡尔坐 标系下 三维双基 阵纯 方位 问题 。假
定 目标是作匀 速直 线运 动 的 ， Ｘ（ ）＝［ ｔ ， （ ） ｔ ， 用 ｔ （） 。于是 ， 计算的误差协 方差阵
的范数随着时间 的增长不断减小 ， 而实 际误差协方差 却不断 增大 ， 最后 导致 滤波器发散。由于新 近的观察资料 含有变化 了的系统动态模型 的较多信息 ， 在滤 波器 中须增强 这些新观
其均值和协方差的估计 比 Ｅ Ｆ方法要精确 。 Ｋ
Ｕ Ｆ虽然 能够 克服 Ｅ Ｆ存在 的一 系列 问题 ， Ｋ Ｋ 改善 了系
尺度因子自适应的UKF算法在目标跟踪中的应用
改进算法 ， 该算法利用 Ｕ Ｆ非线性 近似的预测值与真实值之 间的误差来调 节 Ｏ 并对采样策 略进行 了修正． 此方 Ｋ ｔ ， 将 法应用于 目标 跟踪的仿真实验表 明： 算法与使用尺度 因子最优经 验值 的 Ｕ Ｆ算法精度相 当 ， 该 Ｋ 具有很好 的跟踪 性
能和实用性 ．
关键词
无迹 卡尔 曼滤波 ； 尺度 因子 自适应 ； 比例修正 ； 目标跟踪 ； 实用 性
ｈｓｔｅｃｍ ａａ ｌ ｔ ｃ ｉｇｐｒ ｒ ａ ｃ ｎ ａ ｓ ｃ ｒ ｐａｔ ａｔ ｉ ｔｅａｐｉ ｔ ｎｏ ｂ ｃ ｔ ｃｉｇ ａ ｏ ｐｒｂｅ ｒ ｋｎ ｅ ｏ ｎ ｅａｄｓｔｆ ｔ ｙ ｒｃ ｃ ｉ ｐｌ ａｉ ｆ ｊ ｔｒ ｋｎ． ｈ ａ ｆｍ ｉａ ｏ ｉｌ ｙ ｎ ｈ ｃ ｏ ｏ ｅ ａ Ｋｅｗ ｒ ｓ Ｕ Ｆ ｓａ ｄ ｐ ｖ ；ｒｐｒｏａｌ ｒ ｉ ｄ ｏｊｃ ｔ ｃｉｇ ｐａｔ ａｉ ｙ ｏ ｄ Ｋ ；ｃｌ ａ ａｔ ｅｐｏｏ ｉ ｂｙ ｅ ｓ ；ｂｅｔｒ ｋ ； ｒｃｃｌｙ ｅ ｉ ｔｎ ｖ ｅ ａ ｎ ｉ ｔ
Ｊｎ ２ ２ ｕ ． Ｏｌ
尺 度 因子 自适 应 的 Ｕ Ｆ算 法在 目标 跟 踪 中的应 用 Ｋ
侯建华， 倩， 刘 笪邦友 ， 马晓路
（ 中南民族大学 电子信息工程学 院 ， 统 的无 迹 卡 尔 曼 滤 波 （ Ｋ ） 法 不 能 根 据 场 景 变 化 而 自适 应 调 整 尺度 因子 ０的 问题 ， 出 了 一 种 ＵＦ算 １ 提
ＵＫＦ ｐ ｅ ｉｔ ｎ ａ ｄ ｔ ｅ ｔ ｅ ｖ ｕ ．Ｔ ｅ ｈ ａ ｌ ｇ ｓｒ ｔｇ ｓ ａ ｓ ｅ ｉｅ ．Ｔ ｅ ｐ ｏ ｏ ｅ ｔ ｏ ｓ ａ ｐ ｉ ｄ ｔ ａｇ ｔ ｒ ｄ ｃｉ ｎ ｈ ｒ ａ ｅ ｈ ｎ ｔ ｅ ｓ ｍｐ ｉ ｔ ｅ ｙ ｉ ｌｏ ｒｖ ｓ ｄ ｏ ｕ ｌ ｎ ａ ｈ ｒｐ ｓ ｄ ｍｅ ｈ ｄ ｉ ｐ ｌ ｏ ｔ ｒｅ ｅ
无迹滤波(UKF)实现GPS、INS紧组合 、INS辅助GPS跟踪、超紧组合
一利用无迹滤波（UKF ）实现GPS/INS 紧组合1> 要求：程序调通后可以输出状态量中的任一维。
状态向量X=[X I X G ]T z y x rz ry rx bz by bx U N E U N E I h L V V V X ],,,,,,,,,,,,,,,,,[,∇∇∇=εεεεεεδδλδδδδφφφ，分别代表姿态角，速度，位置，()[]T G u ru X t t t δδ=2>原理（1） 状态方程：()()()()0()00()0()()()()I I I I I G G G G G X t X t W t F t G t F t G t X t W t X t ∙∙⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥=+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎢⎥⎣⎦ )()()()()(t W t G t X t F t X II I I I += 18180⨯⎥⎦⎤⎢⎣⎡=M s NI F F F F L h R V L W F N Eie N tan sin )2,1(++= )cos ()3,1(hR V L W F N Eie N ++-= hR F M N +-=1)5,1( )tan sin ()1,2(L hR V L W F N Eie N ++-= hR V F M NN +-=)3,2( hR F N N +=1)4,2( L W F ie N sin )7,2(-=hR V L W F N Eie N ++=cos )1,3( hR V F M NN +=)2,3(L hR F N N tan 1)4,3(+=L hR V L W F N Eie N 2sec cos )7,3(++= U N f F -=)2,4(U N f F =)3,4(hR VL h R V F M U M N N +-+=tan )4,4( L h R V L W F N Eie N tan sin 2)5,4(++= )cos 2()6,4(hR V L W F N Eie N ++-= U ie N NE N ie N LV W L hR V V LV W F sin 2sec cos 2)7,4(2++-= U N f F =)1,5( E N f F -=)3,5()tan sin 2()4,5(L hR V L W F N Eie N ++-= h R V F M UN +-=)5,5( hR V F M NN +-=)6,5( N N f F -=)1,6(E N fF -=)2,6()cos (2)4,6(hR V L W F N Eie N +-= hR V F M NN +=2)5,6(L W V F ie E N sin 2)7,6(-=h R F M N +=1)5,7( hR LF N N +=sec )4,8( L L hR V F N EN tan sec )7,8(+=1)6,9(=N F ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⨯⨯⨯⨯⨯⨯333333333333000000n b n b n bs C C C F ⎭⎬⎫⎩⎨⎧------=aU aNaErUrNrE M T T T T T T g di F 111111000a n b C 为姿态矩阵量测方程：采用伪距、伪距率组合()()()()()()()Z t H t v t X t Z t H t v t ρρρρρρ⎡⎤⎡⎤⎡⎤=+⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦（2）滤波模型： 时间更新：1|,201|1|201|1|,1|1|,1|1|ˆ),()ˆ)(ˆ(ˆˆ-=--=------∑∑==+--==k k i ni i k k k k k k ni T k k k k i k k k k i i k k k k k y W yk x h y Q x x xx W P x F x量测更新：Tky y k k k k k k k k y y y x k ni T k k k i k k k i i y x ni kT k k k i k k k i i y y K P K P P y y K x xP P K y y xx W P R y y y y W P k k kk k k k k k k ~~1~~201|,1|,201|,1|,~~)ˆ(ˆˆ]ˆ][ˆ[]ˆ][ˆ[-=-+==--=+--=-=--=--∑∑二INS 辅助GPS 跟踪1>要求：INS 辅助后的GPS 接收机的跟踪环路里的同相、正交支路、鉴相器的输出作对比，能够输出类似曲线：2>原理：加入INS 辅助后（只画了I P 路和Q P 路）多普勒频移估计计算公式：d s rec dopp eV V f ⋅-⋅=)(1λλ=载波的波长；rec V =载体的速度；s V =卫星的速度；d e=卫星到用户连线方向的单位矢量。
UKF在潜艇对目标跟踪定位中的应用
现代电子技术Modern Electronics Technique2018年10月15日第41卷第20期Oct.2018Vol.41No.200引言由于海洋环境的复杂多变以及我国海边日益严重的形式，潜艇对人们探索未知的海洋以及保护我国领土的完整和海洋周边的权益发挥着越来越重要的作用。
在潜艇对敌舰目标的打击中主要分为三步：第一步是实现对敌舰目标的检测；第二步是实现对敌舰目标的定位与跟踪；第三步是在精确的定位下对敌舰目标实施打击。
在这三步中，第二步是潜艇实施隐蔽攻击中的最重要的环节之一。
在潜艇对敌舰目标的打击中，快速精准的定位是提高潜艇作战效率最重要的方法。
因此，如何实现潜艇对敌舰目标快速精准的定位成为国内外众多专家研究的热点。
在潜艇对敌舰目标的定位与跟踪中，通常用到的方法有有源定位和纯方位定位等方法。
其中有源定位是利用潜艇自带的有源设备来发射大功率信号实现的，因此很易被敌舰侦测到从而暴露自身，使潜艇自身受到敌舰毁灭性的打击。
纯方位目标定位是利用目标的有源辐射例如电磁波辐射、红外辐射、声波辐射、目标对照射的散射和目标拖放的干扰辐射等来实现对目标的定位与跟踪。
在现代化战争中，战场环境复杂多变，尤其是潜艇在水下所面临的环境更加复杂。
而且在战争中存在敌方势力的电磁波干扰，一般利用通信技术来实现对目标定位的方法在现代化战争中并不太适用。
在战争UKF 在潜艇对目标跟踪定位中的应用孙旋，熊鹏，张烈平，翟恺祺（桂林理工大学机械与控制工程学院，广西桂林541006）摘要：针对潜艇在隐蔽攻击中利用扩展卡尔曼滤波对敌舰目标进行跟踪定位时存在滤波精度低、误差大甚至出现发散的问题，将无迹卡尔曼滤波（UKF ）应用在潜艇对敌舰的跟踪定位中。
假设敌舰运行在CV 模型下，由仿真实验的结果可以得出，在潜艇对敌舰目标的跟踪定位中无迹卡尔曼滤波与扩展卡尔曼滤波相比较，提高了其定位的精度并且解决了其发散的问题。
在仿真实验中，潜艇对敌舰目标跟踪定位12s 后扩展卡尔曼滤波出现了发散的问题无法对敌舰目标进行实时的跟踪，但此时无迹卡尔曼滤波仍然可以实现对敌舰的跟踪与定位。
机动目标跟踪的一种防发散RBUKF算法
第39卷第1期2017年2月指輝控制与仿真Command Control &SimulationYol. 39 No. 1Feb.2017文章编号：1673-3819( 2017) 01-0041-03机动目标跟踪的一种防发散R B U K F算法张园，钟志通，刘淑波，初俊博(海军大连舰艇学院，辽宁大连116018)摘要：针对观测方程为非线性，状态方程为线性，且噪声为加性情况下的机动目标跟踪问题，应用Rao- Blackwellked UKF (R B U K F)算法滤波并对其进行了防发散处理，得到机动目标跟踪的一种基于防发散RBUKF(A D-R B U K F)算法。
对二维机动目标跟踪的仿真结果显示，本算法的跟踪效果明显优于其它两种常用的非线性滤波方法——基本的U K F算法和S P P F算法，仿真结果表明该算法是一种跟踪精度高，且适合工程应用的非线性滤波 方法。
关键词：机动目标跟踪；Rao-Blackw— d UKF ( R B U K F);防发散中图分类号:TJ765. 1;E917文献标志码：A D0I:10.3969/j.iw n.1673-3819.2017.01.009A kind of Anti-divergent RBUKF Algorithm of Maneuvering Target TrackingZHANG Yuan，ZHONG Zhi-tong，LIU Su-bo,CHU Jun-bo(Dalian Naval Academy，Dalian 116018，China)Abstract ：Devoted to the problem of maneuvering target tracking under nonlinear obser^^ation，linear state and added noise，a kind of algorithm based on anti-divergent RBUKF ( AD-RBU KF) of maneuvering target tracking is developed，which usesRao-Blackw-ellised UKF ( R B U K F) for filter and anti-divergent work. T w o -dimensional maneuvering target tracking simulation results show that，the tracking effect of this algorithm is clearly better than the other two commonly used nonlinear filtering method of the basic UKF algorithm and the SPPF algorithm. And the simulation results show that this algorithm is of high tracking accuracy，and it is suitable for nonlinear filtering method for engineering application.Key words：maneuvering target tracking；Rao-Blackwellised UKF (R B U K F) ；anti-divergent机动目标跟踪是军事和民用领域的一个基本问 题，可用于导弹的精确定位打击、卫星监控系统、防卫 系统、海岸监视系统、核武器运载系统以及海上或空中 交通管制等。
自适应UKF算法在目标跟踪中的应用
2
2.1
UKF 滤波算法
UT 无迹变换原理
Manuscript received January 27, 2010; accepted October 13, 2010 国家重点基础研究发展计划 (973 计划) (2007CB311006), 国家自然科学基金 (61074176), 国家自然科学基金创新研究群体科学基金 (60921003) 资助 Supported by State Key Development Program for Basic Research of China (973 Program) (2007CB311006), National Natural Science Foundation of China (61074176), and Foundation for Innovative Research Groups of National Natural Science Foundation of China (60921003) 1. 西安交通大学智能网络与网络安全教育部重点实验室、机械制造系统工程国家 重点实验室 电子与信息工程学院综合自动化研究所 西安 710049 1. Key Laboratory for Intelligent Networks and Network Security of Ministry of Education, State Key Laboratory for Manufacturing Systems Engineering, Institute of Integrated Automation, School of Electronics and Information Engineering, Xi an Jiaotong University, Xi an 710049
基于UKF光电被动目标跟踪及可观性分析
基于UKF光电被动目标跟踪及可观性分析
基于UKF光电被动目标跟踪及可观性分析
光电经纬仪在跟踪测量过程中经常会由于云层遮挡等原因,导致目标暂时丢失情形,采用数据融合技术是保证系统连续平稳跟踪的一种有效解决办法.由于在数据融合中需要估计目标的状态信息,面临着被动目标跟踪领域普遍存在的非线性估计与可观测性两大难题.采用传统的扩展卡尔曼滤波(EKF)算法会产生较大的估计误差,并易导致滤波发散.介绍无迹卡尔曼滤波器(unscented Kalman:Filter,UKF)来解决非线性估计问题,同时分析了光电经纬仪在实际目标跟踪时的可观测性问题,提出在不可观测条件下保持滤波稳定的方法.Monte-Carlo仿真结果证明此算法有效、可行.
作者：郭同健高慧斌张淑梅GUO Tong-jian GAO Hui-bin ZHANG Shu-mei 作者单位：中国科学院长春光学精密机械与物理研究所,长春,130033 刊名：科学技术与工程 ISTIC英文刊名：SCIENCE TECHNOLOGY AND ENGINEERING 年，卷(期)：2008 8(2) 分类号：V241.621 关键词：被动目标跟踪 UKF 可观测性光电经纬仪数据融合。
基于无味卡尔曼滤波算法的
基于无味卡尔曼滤波算法的引言：随着科技的不断进步，人们对于数据的处理和分析变得越来越重要。
而卡尔曼滤波算法作为一种经典的滤波算法，被广泛应用于估计和预测系统状态的问题中。
本文将介绍基于无味卡尔曼滤波算法的应用，探讨其在各个领域的实际应用情况。
一、无味卡尔曼滤波算法简介无味卡尔曼滤波算法（Unscented Kalman Filter，简称UKF）是对传统卡尔曼滤波算法的一种改进。
与传统卡尔曼滤波算法相比，UKF 不需要对系统进行线性化，能够更好地适应非线性系统，并且保持了较高的估计精度。
UKF的基本思想是通过一组采样点（称为sigma 点）来近似系统状态的概率分布，进而对系统状态进行估计和预测。
二、基于UKF的目标跟踪目标跟踪是计算机视觉和机器人领域中的重要问题。
在目标跟踪中，UKF被广泛应用于目标位置和速度的估计。
通过利用UKF对目标的运动模型进行建模，并结合传感器测量的信息，可以实现准确的目标跟踪。
同时，UKF还可以对目标的轨迹进行预测，为后续的路径规划和决策提供支持。
三、基于UKF的姿态估计姿态估计是航空航天领域中的重要问题。
通过利用UKF算法对飞行器的姿态进行估计，可以实现精确的飞行控制和导航。
UKF能够有效处理传感器测量的噪声和非线性问题，提高姿态估计的精度和鲁棒性。
此外，UKF还可以对飞行器的运动状态进行预测，为飞行控制系统提供准确的输入。
四、基于UKF的机器人定位在机器人领域中，定位是实现自主导航和路径规划的关键问题。
利用UKF算法对机器人的位置和姿态进行估计，可以提高定位的精度和鲁棒性。
UKF能够有效处理传感器测量的误差和不确定性，并且能够适应复杂的环境和非线性系统模型。
通过结合UKF和其他定位方法，如全局定位系统（GPS）和惯性导航系统（INS），可以实现高精度的机器人定位。
五、基于UKF的信号处理在信号处理领域中，UKF被广泛应用于信号估计和预测问题。
通过利用UKF对信号的动态模型进行建模，并结合观测数据进行滤波处理，可以实现准确的信号估计和预测。