计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2014年
12期
14-17,124
,共5页
张东泽%闫东%张朝霞%张明江
張東澤%閆東%張朝霞%張明江
장동택%염동%장조하%장명강
认知雷达%目标跟踪%卡尔曼滤波%容积卡尔曼滤波
認知雷達%目標跟蹤%卡爾曼濾波%容積卡爾曼濾波
인지뢰체%목표근종%잡이만려파%용적잡이만려파
Cognitive Radar%Target Tracking%Kalman filter%Cubature Kalman filter
在认知雷达目标跟踪过程中,由于存在初始跟踪误差及系统量测方程的非线性等原因,导致卡尔曼滤波算法性能较差.为解决上述问题,将Gauss-Newton迭代方法与容积卡尔曼滤波算法相结合,建立迭代容积卡尔曼滤波算法.算法在迭代过程中利用最新的量测信息并更新迭代过程中产生的新息方差,降低了目标初始状态的估计误差,并且减小了线性化量测方程引入的传递误差.仿真结果表明,迭代容积卡尔曼滤波算法与传统的扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、容积卡尔曼滤波算法相比,在认知雷达中的跟踪精度更高,稳定性更好,对初始误差的容错性更强.结果可为雷达目标跟踪优化提供科学依据.
在認知雷達目標跟蹤過程中,由于存在初始跟蹤誤差及繫統量測方程的非線性等原因,導緻卡爾曼濾波算法性能較差.為解決上述問題,將Gauss-Newton迭代方法與容積卡爾曼濾波算法相結閤,建立迭代容積卡爾曼濾波算法.算法在迭代過程中利用最新的量測信息併更新迭代過程中產生的新息方差,降低瞭目標初始狀態的估計誤差,併且減小瞭線性化量測方程引入的傳遞誤差.倣真結果錶明,迭代容積卡爾曼濾波算法與傳統的擴展卡爾曼濾波算法、無跡卡爾曼濾波算法、容積卡爾曼濾波算法相比,在認知雷達中的跟蹤精度更高,穩定性更好,對初始誤差的容錯性更彊.結果可為雷達目標跟蹤優化提供科學依據.
재인지뢰체목표근종과정중,유우존재초시근종오차급계통량측방정적비선성등원인,도치잡이만려파산법성능교차.위해결상술문제,장Gauss-Newton질대방법여용적잡이만려파산법상결합,건립질대용적잡이만려파산법.산법재질대과정중이용최신적량측신식병경신질대과정중산생적신식방차,강저료목표초시상태적고계오차,병차감소료선성화량측방정인입적전체오차.방진결과표명,질대용적잡이만려파산법여전통적확전잡이만려파산법、무적잡이만려파산법、용적잡이만려파산법상비,재인지뢰체중적근종정도경고,은정성경호,대초시오차적용착성경강.결과가위뢰체목표근종우화제공과학의거.
