基于改进容积卡尔曼滤波的认知雷达跟踪算法

发布时间：2018-04-15 10:38

本文选题：认知雷达 + 目标跟踪　；参考：《计算机仿真》2014年12期

【摘要】：在认知雷达目标跟踪过程中,由于存在初始跟踪误差及系统量测方程的非线性等原因,导致卡尔曼滤波算法性能较差。为解决上述问题,将Gauss-Newton迭代方法与容积卡尔曼滤波算法相结合,建立迭代容积卡尔曼滤波算法。算法在迭代过程中利用最新的量测信息并更新迭代过程中产生的新息方差,降低了目标初始状态的估计误差,并且减小了线性化量测方程引入的传递误差。仿真结果表明,迭代容积卡尔曼滤波算法与传统的扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、容积卡尔曼滤波算法相比,在认知雷达中的跟踪精度更高,稳定性更好,对初始误差的容错性更强。结果可为雷达目标跟踪优化提供科学依据。
[Abstract]:In the process of cognitive radar target tracking, the performance of Kalman filtering algorithm is poor because of the initial tracking error and the nonlinearity of measurement equation.In order to solve the above problems, the Gauss-Newton iterative method and the volumetric Kalman filter algorithm are combined to establish the iterative volumetric Kalman filter algorithm.By using the latest measurement information and updating the innovation variance in the iterative process, the algorithm reduces the estimation error of the initial state of the target and the transfer error introduced by the linearized measurement equation.The simulation results show that the iterative volumetric Kalman filtering algorithm is more accurate and stable in cognitive radar than the traditional extended Kalman filtering algorithm, the unscented Kalman filter algorithm and the volumetric Kalman filter algorithm.Fault tolerance for initial errors is stronger.The results can provide scientific basis for radar target tracking optimization.
【作者单位】：太原理工大学新型传感器与智能控制教育部重点实验室;太原理工大学物理与光电工程学院;深圳大学光电子器件与系统(教育部/广东省)重点实验室;
【基金】：国家青年基金资助课题(61108027) 山西省自然科学基金资助课题(2013011019-6) 山西省教育厅科技创新项目(2014112) 山西省科学技术发展计划(工业)项目(20140321003-02) 深圳大学光电子器件与系统(教育部/广东省)重点实验室开放基金资助课题(GD201305)
【分类号】：TN953

【参考文献】