1 空军工程大学导弹学院,陕西 三原713800
2 空军试验训练基地,甘肃 山丹734100
为提高对机动目标滤波跟踪的精度,融合遗传算法与粒子滤波交互多模算法,提出了一种遗传算法优化的交互式多模不敏粒子滤波算法(GAUPFIMM)。该算法采用多模型结构,各模型匹配无迹粒子滤波(UPF),使得新算法用较少的粒子就能体现后验概率密度的特征,减少计算量的同时降低粒子退化现象。并在粒子滤波器输出数据时引入遗传算法对粒子进行重采样,在重要性采样阶段已被优化的基础上进行再次优化,使滤波精度的提高得到双重保障。试验仿真结果验证了新算法的跟踪精度。
机动目标跟踪 交互式多模型 粒子滤波 遗传算法 maneuvering target tracking Interactive Multiple Model(IMM) particle filter genetic algorithm
融合粒子滤波与交互多模算法的优势,提出了一种基于进化粒子滤波的交互多模算法(EPF-IMM)。该算法将遗传进化思想引入到传统的粒子滤波,在粒子迭代中采用遗传算法中的编码、交叉、变异等算子实现粒子的自适应进化且隐含重采样,从而改进其粒子退化现象。然后利用粒子滤波信息,在交互多模型中进行更新运算。既解决了IMM算法对非线性、非高斯环境的适应性问题,又解决了PF的无关联对应模型问题。与标准IMM算法进行高机动目标跟踪性能比较,试验仿真结果表明,EPF-IMM算法的跟踪精度高。
机动目标跟踪 交互式多模型 粒子滤波 maneuvering target tracking interacting multi-model particle filter