粒子濾波算法及其在目標跟蹤中的應用.pdf

1、目標跟蹤技術被廣泛的應用在監(jiān)控、導航、障礙規(guī)避等需要確定目標的數(shù)目、位置、運動和身份的系統(tǒng)中，是這些系統(tǒng)的重要組成部分。而能夠遞推估計目標狀態(tài)的濾波算法是整個跟蹤系統(tǒng)的重要基石。在目標跟蹤領域，最常用的經典濾波算法是卡爾曼濾波(Kalman Filter)和擴展卡爾曼濾波(Extended Kalman Filter)，其中前者用于線性系統(tǒng)，后者用于非線性系統(tǒng)。KF是最小均方意義下的最優(yōu)濾波算法，EKF則是利用一階泰勒展開將非線性系統(tǒng)線

2、性化而得到的一種次優(yōu)濾波算法，在非線性不是特別嚴重的情況下，EKF有著近似最優(yōu)的濾波效果。上述兩種方法在當系統(tǒng)噪聲和觀測噪聲滿足高斯分布特性的時候具有較好濾波性能，而對于非高斯分布噪聲上述濾波方法的指標下降，甚至出現(xiàn)發(fā)散。因此，人們開始關注非線性、非高斯情況下的濾波方法。 粒子濾波通過非參數(shù)化的蒙特卡羅模擬方法來實現(xiàn)遞推貝葉斯濾波，適用于任何能用狀態(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系統(tǒng)，精度可以逼進最