UKF在水中目標(biāo)跟蹤系統(tǒng)中的應(yīng)用.pdf

1、本論文首先研究了針對(duì)線性系統(tǒng)的卡爾曼濾波(KF)，它的狀態(tài)模型和觀測模型都是線性的，而實(shí)際系統(tǒng)多為非線性。對(duì)非線性的狀態(tài)模型和觀測模型，常用的是擴(kuò)展卡爾曼濾波(EKF)。首先需要將這些模型進(jìn)行線性化處理而成為線性模型，在此基礎(chǔ)上再應(yīng)用卡爾曼濾波進(jìn)行估計(jì)。但是EKF算法在線性化過程中所產(chǎn)生的大量誤差，很容易導(dǎo)致濾波發(fā)散。針對(duì)這種現(xiàn)象，提出了不敏卡爾曼濾波(UKF)算法，該算法用典型的粒子點(diǎn)來近似非線性函數(shù)的概率分布，克服了EKF算法的線性

2、化誤差，具有更高的濾波精度。 對(duì)于基于UKF算法所建立的水下目標(biāo)跟蹤系統(tǒng)，論文針對(duì)在不同情況下完成對(duì)目標(biāo)各種運(yùn)動(dòng)狀態(tài)準(zhǔn)確估計(jì)的仿真。根據(jù)仿真結(jié)果，將UKF跟蹤濾波與EKF跟蹤濾波進(jìn)行對(duì)比分析，驗(yàn)證UKF的跟蹤濾波性能要優(yōu)于EKF。對(duì)于機(jī)動(dòng)性較強(qiáng)的目標(biāo)，利用交互式多模型(IMM)算法可以很好的解決跟蹤問題。通過高機(jī)動(dòng)性目標(biāo)進(jìn)行IMM—UKF算法的跟蹤濾波仿真，驗(yàn)證了IMM—UKF濾波算法具有較高的估計(jì)精度和收斂性。但是計(jì)算時(shí)間遠(yuǎn)大