共查询到19条相似文献,搜索用时 546 毫秒
1.
2.
基于I/Q支路相干积分观测滤波的GPS接收机信号跟踪方法 总被引:1,自引:0,他引:1
针对传统GPS接收机在弱信号环境下跟踪误差大,收敛速度慢的缺点,该文提出一种基于I/Q支路相干积分观测滤波的GPS信号跟踪方法。将接收机I/Q支路相干积分输出为观测量,应用无迹卡尔曼滤波(Unscented Kalman Filter, UKF)算法构建卡尔曼滤波器,得到基带数字信号处理滤波模型,闭合接收机跟踪环路。该方法能够有效减小传统GPS跟踪环路中信号参数的估计误差,提高接收机抗干扰能力和弱信号环境下环路跟踪性能。仿真对比结果表明,不同载噪比环境下相比传统GPS信号跟踪的方法,基于I/Q支路相干积分观测的信号跟踪算法能够提高跟踪精度,加快跟踪收敛速度。 相似文献
3.
4.
扩展卡尔曼滤波在目标跟踪中的应用研究 总被引:1,自引:0,他引:1
扩展卡尔曼滤波在非平稳矢量信号和噪声环境下具有广泛的应用,针对机动目标运动模型的特点,采用基于扩展卡尔曼滤波的算法对运动目标进行跟踪处理,该算法首先建立了运动目标的状态模型和观测模型,然后对观测数据进行滤波和误差估计处理,最后通过计算机的蒙特卡洛仿真得到了滤波轨迹和运动目标的距离和角度误差,仿真结果表明,扩展卡尔曼滤波算法具有很好的目标跟踪性能. 相似文献
5.
IMM迭代扩展卡尔曼粒子滤波跟踪算法 总被引:8,自引:0,他引:8
该文提出了一种交互式多模型(IMM)迭代扩展卡尔曼粒子滤波机动目标跟踪算法。该算法在多模型中使用了改进的粒子滤波器,通过对迭代扩展卡尔曼滤波(IEKF)的测量更新按照高斯牛顿方法进行修正,减小了非线性滤波带来的线性化误差,然后利用修正的IEKF来产生粒子滤波的重要性密度函数,使其融入最新观测信息。最后将所提算法与交互式多模型粒子滤波(IMMPF)进行了比较,仿真结果表明该算法具有更好的跟踪性能。 相似文献
6.
7.
为了解决三维空间内的机动目标跟踪问题,提出一种基于常速模型和带约束常速率协同转弯模型(CSCT模型)的交互式多模型算法;同时为了解决目标的机动不确定性问题,针对CSCT模型提出一种类似卡尔曼滤波的方法实时精确地估计目标转弯角速度。综合考虑目标角速度的估计值和估计方差,提高目标跟踪的收敛速度,尽可能地减小滤波角速度与机动目标真实角速度之间的误差,最终明显提高了目标跟踪精度。Monte-Carlo 200次仿真结果表明了该算法在性能上有明显提升,对三维机动目标跟踪效果显著,并证实了该方法的实用性。 相似文献
8.
9.
10.
11.
曲线拟合和卡尔曼滤波是2种运动目标轨迹后置处理的重要方法,利用曲线拟合方法对复杂的运动轨迹进行平滑处理时,为了提高拟合效果,往往选取阶数较高,但易造成方程求解复杂,使得拟合曲线稳定性变差。为了提高测量系统的定位精度和对机动目标的跟踪适应能力,采用卡尔曼滤波算法对弹道进行处理,对卡尔曼滤波参数进行了优化设置,设定滤波增益的下限,避免滤波出现发散现象,使得滤波器稳定性好,而且收敛和稳定时间短。仿真结果表明:采用该方法后卡尔曼滤波对于强机动特征的轨迹有较好的平滑效果和跟踪能力,而且能满足工程上应用的精度要求。 相似文献
12.
针对复合K噪声下机动目标跟踪系统具有强非线性非高斯的特点,提出了一种自适应无迹粒子滤波(Adaptive Unscented Particle Filter,AUPF)算法.该算法建立在常加速模型及其改进滤波算法基础上,并将无迹卡尔曼滤波(Unscented Kalman Filter,UKF)与强跟踪滤波(Strong Tracking Filter,STF)算法相结合作为提议分布,提高了系统跟踪一般机动和阶跃机动的能力.在给出复合K噪声模型的基础上,利用AUPF算法对几种典型机动目标进行了计算机仿真,并同无迹粒子滤波(Unscented Particle Filter,UPF)算法进行了比较.仿真结果表明,复合K噪声下AUPF算法能更有效地对各种机动目标进行跟踪,具有较高的跟踪精度. 相似文献
13.
研究了球坐标系中的目标跟踪,提出了一种基于球坐标系的水下目标运动模型,指出了机动目标运动模型中均值和方差的取值,在此基础上,导出了基于球坐标系的自适应卡尔曼滤波跟踪算法,给出了Monte Carlo仿真实验的结果。结果表明:在球坐标系中,该模型对水下目标的径向距离、方位角、俯仰角及其速度和加速度具有良好的跟踪性能,无须进行目标的机动检测,跟踪算法所需计算量小。 相似文献
14.
在处理非线性机动目标跟踪问题时,传统的非线性滤波估计算法跟踪误差大且容易引起滤波发散.针对上述问题,研究将强跟踪平方根容积卡尔曼滤波(SCKF-STF)和交互多模型(IMM)算法相结合,提出一种新型的交互多模型强跟踪平方根容积卡尔曼滤波(IMM-SCKF-STF)跟踪算法.该算法在SCKF基础上引入强跟踪渐消因子,使其不仅拥有应对机动目标状态突变的强跟踪能力,同时还具备交互多模型算法的优良机动目标跟踪性能.因此,新算法在机动目标跟踪方面将获得更高的非线性滤波估计精度,且算法的稳定性和应对状态突变的跟踪鲁棒性能获得显著提高.最后,通过两个仿真例子验证了此算法的有效性与优越性. 相似文献
15.
16.
17.
18.
基于高斯和均方根容积卡尔曼滤波的姿态角辅助目标跟踪算法 总被引:1,自引:0,他引:1
根据目标2维运动速度与姿态角的关系,该文提出一种姿态角辅助目标跟踪算法。在目标运动学基础上建立状态向量中包含姿态角的跟踪模型,实现姿态角对目标跟踪的辅助;针对基于模板匹配姿态角量测的噪声为非高斯情况,将均方根容积卡尔曼滤波引入到高斯和滤波框架下,提出新的高斯和均方根容积卡尔曼滤波算法,提高非线性非高斯处理能力,同时结合目标运动中姿态角的变化规律,建立姿态角分量不同的跟踪模型,通过模型切换实现机动姿态角的滤波。算法对姿态角量测进行滤波,同时实现了姿态角信息与位置信息的有效融合。仿真结果验证了该算法的有效性和正确性。 相似文献