采用高斯粒子滤波算法进行姿态估计算法设计, 将四元数离散方程作为状态方程。算法由采样调节粒子、采样粒子、权值计算、均值协方差计算和Cholesky5个模块组成。通过采用非标准化权值计算四元数“平均”值和协方差阵, 并且改写协方差阵计算公式, 实现流水线高斯粒子滤波算法。同时提出了并行化设计方案, 利用FPGA剩余资源进一步优化运行速率。给出的简化粒子滤波算法与高斯粒子滤波算法设计不仅可用于无人机姿态估计, 对于其他非线性估计问题及应用亦适用。仿真结果表明了本设计的可行性和有效性。
无人机 高斯粒子滤波 姿态估计 UAV Gaussian particle filter attitude estimation FPGA FPGA.
机动再入目标的运动具有明显的非线性，其观测又往往在传感器坐标系下进行，构成强非线性的跟踪问题。为了克服扩展卡尔曼滤波和粒子滤波在跟踪精度和实时性方面的缺点,提出了一种新型的非线性跟踪算法。新型的FGPF-BLUE滤波将快速高斯粒子滤波的预测步骤与最优线性无偏估计的更新步骤相结合,是一种半蒙特卡罗滤波方法。建立了机动再入目标的动态模型,并分别应用扩展卡尔曼滤波、粒子滤波和FGPF-BLUE滤波实现了对该目标的跟踪。通过对各种滤波方法精度和消耗时间的对比,可知新方法的稳态性能优于其他两种算法,实时性优于粒子滤波。
再入目标跟踪 机动再入目标 快速高斯粒子滤波 最优线性无偏估计 reentry target tracking maneuvering reentry target Fast Gaussian Particle Filter (FGPF) Best Linear Unbiased Estimator (BLUE)
1 西安工程大学 计算机科学学院,西安 710048
2 西安电子科技大学 电子工程学院影像系统实验室,西安 710071
在使用机载雷达对地面目标进行跟踪过程中,常规粒子滤波算法时间复杂度高,误差性能改善幅度不明显。在状态向量服从高斯分布的条件下,将高斯粒子滤波算法应用到机载GMTI雷达非线性滤波过程中。该方法可以根据状态向量的二阶统计量抽取粒子,粒子权值不需要递推计算。相对于常规粒子滤波算法,降低了时间复杂度,并且能够在一定程度上提高误差性能。仿真结果证明了该方法的有效性。
目标跟踪 地面移动目标指示跟踪 高斯粒子滤波 机载雷达 target tracking Ground Moving Target Indicator (GMTI) Gaussian particle filter airborne radar
