基于粒子濾波的目標跟蹤研究.pdf

1、隨著控制和計算機技術的飛速發(fā)展，非線性濾波技術在信號處理、無線通信、自動控制、航空航天、計算機視覺、以及目標跟蹤和識別等領域具有越來越廣泛的應用。經(jīng)典的卡爾曼濾波(KF)、擴展卡爾曼濾波(EKF)等算法在研究非線性、非高斯動態(tài)系統(tǒng)最優(yōu)估計問題時，估計精度會明顯下降甚至發(fā)散。而粒子濾波理論結(jié)合了貝葉斯估計理論和蒙特卡羅方法，適用于能用狀態(tài)空間模型表示的非線性系統(tǒng)，以及傳統(tǒng)卡爾曼濾波無法表示的非線性非高斯系統(tǒng)，精度可以逼近最優(yōu)估計，并在目標

2、跟蹤領域得到了廣泛的應用。本文主要圍繞粒子濾波方法及其在目標跟蹤中的應用開展相關研究工作，主要工作包括：
　　 1.在卡爾曼濾波理論的基礎上，分析了擴展卡爾曼濾波(EKF)、不敏卡爾曼濾波(UKF)和迭代擴展卡爾曼濾波(IEKF)等主要的非線性濾波方法并進行了跟蹤性能仿真對比實驗，綜合比較了算法優(yōu)缺點，結(jié)果表明迭代擴展卡爾曼濾波(IEKF)算法的跟蹤性能和濾波精度優(yōu)于其他算法。
　　 2.重要性密度函數(shù)的選取對于改善粒子

3、退化現(xiàn)象和濾波精度有著非常重要的影響，由于IEKF產(chǎn)生的重要性密度函數(shù)比EKF和UKF更接近于真實后驗概率分布，估計精度更好。本文研究并仿真了一種基于IEKF的粒子濾波算法IEPF。結(jié)果表明，該算法的估計性能優(yōu)于擴展卡爾曼粒子濾波(EPF)和不敏卡爾曼粒子濾波(UPF)。隨后針對粒子濾波算法中由于重采樣可能帶來的粒子枯竭問題，在PF算法的基礎上引入了基于馬爾可夫鏈蒙特卡羅移動(MCMC)的PF-MCMC算法來增加粒子的多樣性，并完成了性