基于AIGWO-IMMUKF的目标跟踪算法

发布时间：2022-11-12 10:41

　　针对目标跟踪算法中滤波器选择和模型设计问题,提出了一种具有自适应性的交互式多模型无迹卡尔曼滤波（IMMUKF）目标跟踪算法。首先,介绍了IMMUKF的算法步骤;其次,提出运用改进的灰狼优化（IGWO）算法优化其中的滤波参数,通过构造调节因子建立了时变的Markov状态转移概率,形成了AIGWO-IMMUKF算法,并给出其算法流程;最后,将所提AIGWO-IMMUKF算法与传统算法在相同条件下进行仿真,得出位置、速度均方根误差曲线,以及时效性对比。结果表明,所提AIGWO-IMMUKF算法克服了传统IMMUKF算法的不足,提升了算法性能,精度和时效性都更优。 

【文章页数】：8 页

【文章目录】：
1 IMMUKF目标跟踪算法
2 改进算法
    2.1 滤波参数Q、R的自适应优化
        2.1.1 改进的灰狼优化算法
            1) 动态权重调整策略
            2) 控制参数非线性调整策略
        2.1.2 基于IGWO的滤波参数Q、R自适应调整
    2.2 模型转移概率的动态调整
    2.3 AIGWO-IMMUKF算法流程
3 仿真验证
4 结 论


【参考文献】：
期刊论文
[1]几种典型非线性滤波算法及性能分析[J]. 刘向阳.  舰船电子工程. 2019(07)
[2]基于深度置信网络的卡尔曼滤波算法改进[J]. 郭继峰,李忠志,张国强,房德智,李艳娟.  计算机应用与软件. 2019(06)
[3]空战飞行对敌目标逼近航迹预测仿真[J]. 张振兴,杨任农,张彬超,房育寰,樊蓉.  空军工程大学学报(自然科学版). 2018(02)
[4]基于粒子群优化的UKF在SINS/GPS组合导航中的应用[J]. 徐晓苏,闫琳宇,吴晓飞,庞东,彭源源.  中国惯性技术学报. 2018(02)
[5]基于SAGWO算法的UCAVs动态协同任务分配[J]. 魏政磊,赵辉,黄汉桥,王骁飞,周瑞.  北京航空航天大学学报. 2018(08)
[6]基于改进流体扰动算法与灰狼优化的无人机三维航路规划[J]. 姚鹏,王宏伦.  控制与决策. 2016(04)
[7]基于蚁群优化UKF算法的汽车状态估计[J]. 张凤娇,魏民祥,赵万忠.  中国机械工程. 2015(22)
[8]基于自适应马尔可夫参数交互多模型算法的弹道导弹跟踪研究[J]. 封普文,黄长强,曹林平,相猛,任洋.  兵工学报. 2014(12)
[9]时变转移概率IMM-SRCKF机动目标跟踪算法[J]. 郭志,董春云,蔡远利,于振华.  系统工程与电子技术. 2015(01)
[10]一种高阶无迹卡尔曼滤波方法[J]. 张勇刚,黄玉龙,武哲民,李宁.  自动化学报. 2014(05)

博士论文
[1]雷达机动目标运动模型与跟踪算法研究[D]. 刘昌云.西安电子科技大学 2014
[2]空中单机动目标跟踪算法的研究[D]. 张园.大连海事大学 2014

硕士论文
[1]基于机动目标跟踪模型的自适应滤波算法[D]. 刘楠.浙江理工大学 2016
[2]基于交互多模型的被动多传感器机动目标跟踪算法研究[D]. 刘娟丽.西安电子科技大学 2010
[3]UKF算法及其改进算法的研究[D]. 刘铮.中南大学 2009



本文编号：3706218