基于改进残差重采样粒子滤波的纯方位目标追踪

发布时间：2018-08-31 14:07

【摘要】：目标被动追踪利用持续的观测信息来估计目标的运动状态,针对此问题提出了一种改进残差重采样粒子滤波算法.算法考虑采样粒子集的空间分布特性,将粒子集空间分布分割为数量可变、可数的网格,在每个网格内运用时间序列相关性分析选择重要粒子,能够丰富采样粒子的多样性,并将该网格内所有粒子的残余权值和赋予该重要粒子,从而削弱采样粒子的退化现象,提高非线性系统状态估计精度.实验表明:当观察噪声方差小于系统噪声方差,特别是当初始采样粒子数目较小时,该算法在单站纯方位目标追踪状态估计中的精度优于传统残差重采样粒子滤波算法.
[Abstract]:Passive tracking uses continuous observation information to estimate the moving state of the target. An improved residual-resampling particle filter algorithm is proposed to solve this problem. Considering the spatial distribution characteristics of the sampled particle set, the algorithm divides the spatial distribution of the particle set into a number of variable, countable grids, and selects important particles by using time series correlation analysis in each grid, which can enrich the diversity of the sampled particles. The residual weight of all particles in the grid is given to the important particle, which weakens the degradation of the sampled particles and improves the state estimation accuracy of the nonlinear system. The experimental results show that when the observed noise variance is smaller than the system noise variance, especially when the number of initial sampled particles is small, the accuracy of the proposed algorithm is superior to that of the traditional residual-resampling particle filter algorithm in single-station azimuth only target tracking state estimation.
【作者单位】： 天津科技大学电子信息与自动化学院;
【基金】：国家自然科学基金资助项目(51674176,81472070) 天津市高等学校科技发展基金资助项目(20130707)
【分类号】：TN713

【相似文献】

相关期刊论文 前10条

1 于金霞;汤永利;许景民;;基于多样性向导的自适应重采样粒子滤波研究[J];计算机科学;2012年06期

2 耿振民;朱丹;;图像重采样检测[J];信息安全与通信保密;2013年09期

3 曹洪建;赵耀;倪蓉蓉;;基于冗余性的图像重采样检测[J];数据采集与处理;2014年01期

4 刘文静;于金霞;汤永利;;粒子滤波自适应部分系统重采样算法研究[J];计算机应用研究;2011年03期

5 朱秀明;宣国荣;姚秋明;童学锋;施云庆;;信息取证中图像重采样检测[J];计算机应用;2006年11期

6 刘刚;梁晓庚;;遗传重采样粒子滤波的目标跟踪研究[J];计算机工程与应用;2010年19期

7 李睿;毛莉;张九蕊;;基于混沌免疫遗传优化的粒子滤波重采样[J];计算机工程与应用;2013年06期

8 刘一;刘本永;;基于再采样的图像重采样伪作检测[J];计算机应用;2014年03期

9 李晋惠;白朝政;;基于确定性重采样的粒子滤波算法[J];西安工业大学学报;2012年11期

10 王龙生;顾浩;余云智;;基于微分进化的组合重采样粒子滤波算法[J];电光与控制;2012年11期

相关会议论文 前5条

1 李哲;郑江滨;李秀秀;李杭;;基于重采样检测的图像可信度评价方法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

2 王鲲;;重采样技术[A];定量药理研究方法学培训班讲义[C];2010年

3 王鲲;;有限采样方法与重采样技术[A];第三届全国定量药理研究方法学研讨会论文集[C];2010年

4 陈曦;贾明;单东日;柯映林;;基于区域重采样的三角曲面局部特征逼近[A];第一届全国几何设计与计算学术会议论文集[C];2002年

5 田丰;杨益新;;不规则阵列最优权重采样在分裂孔径中的应用[A];泛在信息社会中的声学——中国声学学会2010年全国会员代表大会暨学术会议论文集[C];2010年

相关硕士学位论文 前10条

1 印明辉;序贯蒙特卡罗并行重采样方法研究[D];贵州财经大学;2012年

2 聂莉莎;基于压缩感知的NMR数据处理[D];中国科学院研究生院(武汉物理与数学研究所);2015年

3 田寨兴;深度视频重采样及编码技术研究[D];宁波大学;2015年

4 张培川;基于CUDA的粒子滤波并行实现技术研究[D];西安电子科技大学;2014年

5 郭浩;基于形变空间重采样与优化的运动模糊不变SIFT算子研究[D];湖北工业大学;2016年

6 俞咏江;可变PRF SAR成像方法研究[D];电子科技大学;2016年

7 曹洪建;数字图像重采样的盲取证[D];北京交通大学;2012年

8 谢鹏程;数字图像取证的重采样检测方法研究[D];长沙理工大学;2013年

9 郝丽;数字图像重采样检测研究[D];大连理工大学;2009年

10 肖嵛;分布式并行计算实现人体图像重采样加速处理[D];重庆大学;2008年

，

本文编号：2215226