基于分治采样粒子滤波的三维跟踪算法

发布时间：2022-01-02 17:56

　　粒子滤波在处理三维机动目标跟踪问题时,粒子点难以均匀覆盖目标状态空间,较低的样本多样性和算法冗余直接影响跟踪性能。针对该问题提出一种基于分治采样粒子滤波的跟踪算法,算法通过划分独立的状态子空间,使随机样本在各子空间内单独抽样,对目标机动实现降维处理,提高跟踪性能。仿真实验表明,相对于标准粒子滤波,该算法有效提高了样本多样性,具有更好的跟踪性能,对复杂机动状况适应性更强。 

【文章来源】：火力与指挥控制. 2020,45(02)北大核心CSCD

【文章页数】：6 页

【部分图文】：

三维空间分治采样方法结构图

过程噪声与观测噪声都服从N(0,1）高斯分布。目标运动轨迹如图2所示。图3为算法中采样粒子数目与算法性能变化图，增加粒子数目会提高算法跟踪精度，但当粒子数达到一定值后，算法性能将逐渐趋于平稳，即增加粒子数不会带来明显的精度提升，而是收敛到所谓的最优精度。

目标运动轨迹如图2所示。图3为算法中采样粒子数目与算法性能变化图，增加粒子数目会提高算法跟踪精度，但当粒子数达到一定值后，算法性能将逐渐趋于平稳，即增加粒子数不会带来明显的精度提升，而是收敛到所谓的最优精度。由图3可知，标准粒子滤波在总粒子数达到160后性能开始趋于稳定，而基于分治采样的算法在总粒子数为100时就开始进入收敛状态。为保证实验结果可靠性，算法采用的粒子数目选择在逼近最优精度的平稳状态时所需粒子数进行重复实验，标准粒子滤波算法选取粒子总数200个，本文所提出的算法选取粒子总数150个，每种算法进行1 000次蒙特卡罗仿真。

【参考文献】：
期刊论文
[1]基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法[J]. 陈志敏,吴盘龙,薄煜明,田梦楚,岳聪,顾福飞.  电子学报. 2018(04)
[2]基于Student’st分布的自适应重采样粒子滤波算法[J]. 滕飞,薛磊,李修和.  控制与决策. 2018(02)
[3]机动目标IMM三维并行滤波跟踪算法[J]. 张安清,林洪文.  火力与指挥控制. 2017(08)
[4]基于萤火虫优化粒子滤波的新型机动目标跟踪算法[J]. 田梦楚,薄煜明,吴盘龙,陈志敏,岳聪,王华.  控制与决策. 2017(10)
[5]粒子滤波算法[J]. 王法胜,鲁明羽,赵清杰,袁泽剑.  计算机学报. 2014(08)



本文编号：3564623