非线性观测方程观测数据线性化滤波方法研究

发布时间：2024-06-11 04:04

　　目标跟踪是信息融合领域一个重要的研究热点,过去几十年以来,目标跟踪的研究取得了长足的发展,具有很好的研究前景和应用前景。目标跟踪已经被广泛应用于军事、卫星、交通等领域。从卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)和粒子滤波(PF),到各种各样基于经典滤波改进后的相关方法,针对目标跟踪的滤波方法越来越多。本文通过对KF、EKF、一般无迹卡尔曼滤波(UKF)等这些经典的滤波算法的研究,提出了一种结合卡尔曼滤波的非线性动态系统滤波方法。本文首先对EKF算法、UKF算法、PF算法进行了试验仿真和分析,发现虽然这些算法能够有效的对非线性动态系统进行滤波,但都存在一些问题,如EKF算法存在线性化精度低、需要计算复杂的雅可比矩阵等问题;UKF算法存在计算繁琐、滤波发散甚至失真的问题;PF算法存在计算量大、权值退化的问题。为此,本文提出一种利用观测数据局部线性化后再进行卡尔曼滤波的算法,将非线性滤波问题转化为线性滤波问题。研究思路如下:对于非线性动态系统中目标生成的轨迹,先提取它的非线性观测数据(距离、角度),然后对上述距离和角度数据分别进行局部线性化,接着对线性化后的距离和角度数据进行卡尔曼滤波,...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图3.1a真实轨迹与不同算法的滤波轨迹（50s）

理工大学硕士学位论文将仿真中随机生成的原始轨迹称为“仿真轨迹”。在50秒采样时间的独立仿真中，仿真轨迹、EKF滤波、UKF滤波、PF滤波、F滤波如图3.1a所示。EKF算法、UKF算法、NTF算法一同运行，可以得到如3.2a所示的滤波位置误差曲线。真实轨....

图3.1b真实轨迹与不同算法的滤波轨迹（100s）

图3.2aEKF算法滤波、UKF算法滤波、NTF算法滤波位置误差曲线（50s）

31图3.2aEKF算法滤波、UKF算法滤波、NTF算法滤波位置误差曲线（50s）

图3.2bEKF算法滤波、UKF算法滤波、NTF算法滤波位置误差曲线（100s）

图3.2bEKF算法滤波、UKF算法滤波、NTF算法滤波位置误差曲线（100s）

本文编号：3992380