针对复合K噪声干扰下目标跟踪系统中出现的强非线性非高斯问题, 在给出一种复合K噪声统计模型的基础上, 提出将容积粒子滤波(CPF)与无迹粒子滤波(UPF)两种算法应用在典型目标跟踪系统中, 并对算法的跟踪性能进行了仿真分析。实验结果表明, CPF, UPF两种算法均能有效跟踪复合K噪声下的运动目标;其中, CPF算法表现出更高的跟踪精度和更好的实时性, 且具有更低的算法设计复杂度。
目标跟踪 容积粒子滤波 无迹粒子滤波 非线性非高斯 复合K噪声 target tracking Cubature Particle Filter (CPF) Unscented Particle Filter (UPF) nonlinear non-Gaussian compound K noise
针对无源阵列对机动目标跟踪效果较差的问题,在融合交互式多模型和粒子滤波方法的基础上,提出了一种基于粒子滤波的交互多模型(IMM-PF)算法。该算法采用多模型结构以跟踪目标的任意机动;各模型采用粒子滤波算法,以处理非线性、非高斯问题。各模型中相对固定数目的粒子群经过相互交互、粒子滤波后再进行重抽样以减少滤波退化现象。与典型的交互式多模型算法(IMM-KF)进行了比较,计算机仿真结果证实了新算法的正确性和有效性。
机动目标跟踪 交互式多模型 粒子滤波 非线性/非高斯问题 重抽样 maneuvering target tracking interacting multiple model particle filter nonlinear/non-Gaussian issue resampling
