系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2012年
1期
34-39
,共6页
非线性跟踪%目标数目%势化概率假设密度%门限函数%拟蒙特卡罗
非線性跟蹤%目標數目%勢化概率假設密度%門限函數%擬矇特卡囉
비선성근종%목표수목%세화개솔가설밀도%문한함수%의몽특잡라
为实现被动测角目标状态和数目的实时估计,在高斯混合粒子(Gaussian mixture particle,GMP)的势化概率假设密度(cardinalized probability hypothesis density,CPHD)滤波框架下,提出了基于抗“飞点”无迹卡尔曼滤波器(unscented Kalman filter,UKF)的GMPCPHD滤波算法,即抗“飞点”的UKF-GMPCPHD滤波算法.在该算法中,粒子滤波的重要性采样函数由抗“飞点”UKF产生,粒子的预测与更新采用拟蒙特卡罗(quasi-Monte Carlo,QMC)方式,目标状态的概率假设密度(probability hypothesis density,PHD)和势分布用一组高斯粒子滤波器(Gaussian particle filtering,GPF)近似.通过该算法与GMPCPHD、UKF-GMPPHD滤波算法的对比仿真,验证了该算法良好的跟踪性能.
為實現被動測角目標狀態和數目的實時估計,在高斯混閤粒子(Gaussian mixture particle,GMP)的勢化概率假設密度(cardinalized probability hypothesis density,CPHD)濾波框架下,提齣瞭基于抗“飛點”無跡卡爾曼濾波器(unscented Kalman filter,UKF)的GMPCPHD濾波算法,即抗“飛點”的UKF-GMPCPHD濾波算法.在該算法中,粒子濾波的重要性採樣函數由抗“飛點”UKF產生,粒子的預測與更新採用擬矇特卡囉(quasi-Monte Carlo,QMC)方式,目標狀態的概率假設密度(probability hypothesis density,PHD)和勢分佈用一組高斯粒子濾波器(Gaussian particle filtering,GPF)近似.通過該算法與GMPCPHD、UKF-GMPPHD濾波算法的對比倣真,驗證瞭該算法良好的跟蹤性能.
위실현피동측각목표상태화수목적실시고계,재고사혼합입자(Gaussian mixture particle,GMP)적세화개솔가설밀도(cardinalized probability hypothesis density,CPHD)려파광가하,제출료기우항“비점”무적잡이만려파기(unscented Kalman filter,UKF)적GMPCPHD려파산법,즉항“비점”적UKF-GMPCPHD려파산법.재해산법중,입자려파적중요성채양함수유항“비점”UKF산생,입자적예측여경신채용의몽특잡라(quasi-Monte Carlo,QMC)방식,목표상태적개솔가설밀도(probability hypothesis density,PHD)화세분포용일조고사입자려파기(Gaussian particle filtering,GPF)근사.통과해산법여GMPCPHD、UKF-GMPPHD려파산법적대비방진,험증료해산법량호적근종성능.
