發(fā)布時間：2022-01-02 17:56

　　粒子濾波在處理三維機動目標跟蹤問題時,粒子點難以均勻覆蓋目標狀態(tài)空間,較低的樣本多樣性和算法冗余直接影響跟蹤性能。針對該問題提出一種基于分治采樣粒子濾波的跟蹤算法,算法通過劃分獨立的狀態(tài)子空間,使隨機樣本在各子空間內(nèi)單獨抽樣,對目標機動實現(xiàn)降維處理,提高跟蹤性能。仿真實驗表明,相對于標準粒子濾波,該算法有效提高了樣本多樣性,具有更好的跟蹤性能,對復雜機動狀況適應性更強。 

【文章來源】：火力與指揮控制. 2020,45(02)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

三維空間分治采樣方法結(jié)構(gòu)圖

過程噪聲與觀測噪聲都服從N(0,1）高斯分布。目標運動軌跡如圖2所示。圖3為算法中采樣粒子數(shù)目與算法性能變化圖，增加粒子數(shù)目會提高算法跟蹤精度，但當粒子數(shù)達到一定值后，算法性能將逐漸趨于平穩(wěn)，即增加粒子數(shù)不會帶來明顯的精度提升，而是收斂到所謂的最優(yōu)精度。

目標運動軌跡如圖2所示。圖3為算法中采樣粒子數(shù)目與算法性能變化圖，增加粒子數(shù)目會提高算法跟蹤精度，但當粒子數(shù)達到一定值后，算法性能將逐漸趨于平穩(wěn)，即增加粒子數(shù)不會帶來明顯的精度提升，而是收斂到所謂的最優(yōu)精度。由圖3可知，標準粒子濾波在總粒子數(shù)達到160后性能開始趨于穩(wěn)定，而基于分治采樣的算法在總粒子數(shù)為100時就開始進入收斂狀態(tài)。為保證實驗結(jié)果可靠性，算法采用的粒子數(shù)目選擇在逼近最優(yōu)精度的平穩(wěn)狀態(tài)時所需粒子數(shù)進行重復實驗，標準粒子濾波算法選取粒子總數(shù)200個，本文所提出的算法選取粒子總數(shù)150個，每種算法進行1 000次蒙特卡羅仿真。

【參考文獻】：
期刊論文
[1]基于自控蝙蝠算法智能優(yōu)化粒子濾波的機動目標跟蹤方法[J]. 陳志敏,吳盤龍,薄煜明,田夢楚,岳聰,顧福飛.  電子學報. 2018(04)
[2]基于Student’st分布的自適應重采樣粒子濾波算法[J]. 滕飛,薛磊,李修和.  控制與決策. 2018(02)
[3]機動目標IMM三維并行濾波跟蹤算法[J]. 張安清,林洪文.  火力與指揮控制. 2017(08)
[4]基于螢火蟲優(yōu)化粒子濾波的新型機動目標跟蹤算法[J]. 田夢楚,薄煜明,吳盤龍,陳志敏,岳聰,王華.  控制與決策. 2017(10)
[5]粒子濾波算法[J]. 王法勝,魯明羽,趙清杰,袁澤劍.  計算機學報. 2014(08)



本文編號：3564623