几种滤波器跟踪性能的比较

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｌｏｒ展开，算法简单，计算快捷，适用于非线性程度不强，高斯的环境下。不敏卡尔曼滤波（ＵＫＦ）是先对状态向量的后验概率密度函数（ＰＤＦ）进行近似化然后再在标准卡尔曼滤波框架下进行递推滤波。粒子滤波是一种基于蒙特卡罗模拟和递推贝叶斯估计的滤波方法。这种滤波的方法和其他滤波的方法一样，都是可以通过系统的模型方程从测量空间一步步递推得到其相应的状态空间。它可以处理模型方程为非线
ｉｓｓｉｍｐｌｅ，ｆａｓｔｃｏｍｐｕｔａｔｉｏｎｓｐｅｅｄ，ｉｓａｐｐｌｉｅｄｔｏｔｈｅｎｏｎｌｉｎｅａｒｄｅｇｒｅｅｉｓｎｏｔｓｔｒｏｎｇ，Ｇａｕｓｓｅｎｖｉｒｏｎｍｅｎｔ．ＵｎｓｃｅｎｔｅｄＫａｌｍａｎｆｉｈｅｒ（ＵＫＦ）ｉｓｔｈｅｓｔａｔｅｖｅｃｔｏｒｏｆｔｈｅｐｏｓｔｅｒｉｏｒｐｒｏｂａｂｉｌｉｔｙｄｅｎｓｉｔｙｆｕｎｃｔｉｏｎ（ＰＤＥ）ａｒｅａｐｐｒｏｘｉｍａｔｉｏｎａｎｄｔｈｅｎｉｎｔｈｅｓｔａｎｄａｒｄＫａｌｍａｎｆｉｌｔｅｒｆｒａｍｅｗｏｒｋｏｆｒｅｃｕｒ
性、噪声分布为非高斯分布的问题，在许多领域得到了成功的应用。论文中通过仿真试验，进行跟踪性能的比较，结果证明ห้องสมุดไป่ตู้在复杂的非高斯非线性环境中，粒子滤波器的性能要明显优于扩展卡尔曼滤波器。关键词非线性滤波；粒子滤波；扩展卡尔曼滤波；不敏卡尔曼滤波；目标跟踪；状态空间模型
ｓｉｖｅｆｉｌｔｅｒｉｎｇ．ＰａｒｔｉｃｌｅｆｉｌｔｅｒｉｓａｍｅｔｈｏｄｂａｓｅｄｏｎｒｅｃｕｒｓｉｖｅＢａｙｅｓｉａｎｆｉｌｔｅｒａｎｄＭｏｎｔｅＣａｒ｜ｅｓｉｍｕｌａｔｉｏｎ．Ｔｈｅｍｅｔｈｏｄｉｓｓｕｉｔａｂｌｅｆｏｒａｎｙｎｏｎ一１ｉｎ —
ＡｂｓｔｒａｃｔＡｔｔｈｉｓｓｔａｇｅ，Ｋａｌｍａｎｆｉｌｔｅｒｈａｓｂｅｅｎｗｉｄｅｌｙｕｓｅｄｉｎｔｈｅｆｉｅｌｄｏｆｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎ．ＩｔｃａｎｇｅｔｔｈｅｏｐｔｉｍａｌｅｓｔｉｍａｔｅｉｎｔｈｅｌｉｎｅａｒＧａｕｓｓｍｏｄｅｌ，ｂｕｔｉｔｃａｎｎｏｔｂｅａｃｈｉｅｖｅｄｔｈｅｄｅｓｉｒｅｄｒｅｓｕｌｔｓｉｎｎｏｎｌｉｎｅａｒ，ｎｏｎ — Ｇａｕｓｓｉａｎｍｏｄｅｌｓ．Ｉｎｔｈｉｓｃａｓｅ，ｔｈｅｎｏｎｌｉｎｅａｒｔａｒｇｅｔｔｒａｃｋｉｎｇｍｅｔｈｏｄｈａｓｂｅｅｎｅｘｔｅｎｓｉｖｅｒｅｓｅａｒｃｈｅｄ．ＥｘｔｅｎｄｅｄＫａｌｍａｎｆｉｌｔｅｒ（ＥＫＦ）ｂａｓｅｄｏｎｌｏｃａｌｌｉｎｅａｒｉｚａｔｉｏｎｏｆＫＦ，ｆｏｒＴａｙｌｏｒｅｘｐａｎｓｉｏｎ，ｔｈｅａｌｇｏｒｉｔｈｍ
杭州３１００１８）（杭州电子科技大学自动化学院
摘
要
现阶段，卡尔曼滤波是信息融合领域中广泛使用的融合算法，它在线性高斯模型下能得到最优估计，但在非线性非高斯的模型
下不能达到理想的效果。在这种情况下，非线性目标跟踪已被人们广泛重视。扩展卡尔曼滤波器（ＥＫＦ）是将卡尔曼滤波器（ＫＦ）进行Ｔａｙ
总第２８１期
计算机与数字工程
Ｃｏｍｐｕｔｅｒ＆ＤｉｇｉｔａｌＥｎｇｉｎｅｅｒｉｎｇ
Ｖｏ１．４ｌＮｏ．３
３９１
２０１３年第３期
几种滤波器跟踪性能的比较
刘鑫郭云飞薛安克
ｒｒＰ３９１中图分类号
ＣｏｍｐａｒｉｎｇｏｆＴｒａｃｋｉｎｇＰｅｒｆｏｒｍａｎｃｅｓｏｆＳｅｖｅｒａｌＦｉｌｔｅｒＡｌｇｏｒｉｔｈｍｓ
ＬＩＵＸｉｎＧＵｏＹｕｎｆｅｉＸＵＥＡｎｋｅ（ＣｏｌｌｅｇｅｏｆＡｕｔｏｍａｔｉｏｎ，ＨａｎｇｚｈｏｕＤｉａｎｚｈｉＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００１８）