基于非線性非高斯濾波的目標跟蹤研究.pdf

1、非線性濾波理論已經被應用到眾多的領域，而貝葉斯理論是解決此類問題的主要方法。由于在軍事和民用領域具有廣闊的應用前景，目標跟蹤問題的研究也一直受到人們的廣泛關注。而濾波算法是目標跟蹤中的一個核心部分。隨著目標跟蹤理論的發(fā)展，當動態(tài)系統(tǒng)模型由線性演變?yōu)榉蔷€性并且相對應的噪聲變?yōu)榉歉咚狗植紩r，傳統(tǒng)的線性高斯濾波器已不能滿足目標跟蹤的要求。因此，非線性非高斯濾波成為目標跟蹤領域內的研究熱點。本文以目標跟蹤為研究背景，以非線性非高斯濾波為研究對象

2、，提出了兩種新的改進的濾波算法。主要工作如下：
　　 首先介紹了卡爾曼濾波算法、擴展卡爾曼濾波算法、迭代擴展卡爾曼濾波算法、Unscented卡爾曼濾波算法、均差濾波算法、高斯厄米特卡爾曼濾波算法等五種高斯濾波算法并分析了這些濾波算法的估計性能和實時性。接著介紹了高斯和濾波算法、粒子濾波算法、條件均值濾波算法等三種非高斯濾波算法的最新研究進展以及所存在的問題。
　　 基于以上提到的濾波算法，提出了兩種改進的非線性非高斯濾

3、波算法。針對狀態(tài)噪聲和量測噪聲不同時為非高斯分布的非線性系統(tǒng)，近似條件均值濾波算法具有良好的估計性能，而對于幾乎所有非線性高斯系統(tǒng)，均差濾波算法具有良好的估計性能，因此在分析了近似條件均值濾波算法和均差濾波算法的基礎上，提出了一種新的基于均差濾波的近似條件均值濾波算法，改進了傳統(tǒng)的近似條件均值濾波，提高了濾波的精度和適應性。
　　 進一步，針對狀態(tài)噪聲和量測噪聲均為非高斯分布的非線性系統(tǒng)，利用高斯和濾波算法將后驗密度看成高斯和的