基于转换量测高斯化的三坐标雷达跟踪算法

zxshunine

摘要:最佳线性无偏估计(BLUE, Best Linear Unbiased Estimation)滤波用于雷达目标跟踪时,有计算量小,置信度高等优点.但是当互斜距测量误差较大时,BLUE滤波会产生非高斯转换量测,导致跟踪精度降低.为解决此问题,对其量测转换模型进行修正:通过引入方位预测,减小方位误差三角函数的非线性影响,得到准高斯分布的转换量测.分析视线坐标系下BLUE滤波的性能,推导引入方位预测的条件,给出改进算法工作流程.推导三坐标雷达下的滤波模型参数,提出转换量测高斯化水平的评估指标并仿真证明:改进算法的转换量测更逼近高斯分布,因此跟踪性能更好,而计算量只有轻微增加.本算法思想同样适用于其他非线性误差较大的场合,对解决类似问题有借鉴意义.
3 w, m$ H8 x1 W( x4 }1 j
关键词:非线性滤波;最佳线性无偏估计;转换量测;高斯化;三坐标雷达

3 @; }) O* k* b- v       作为一种简单高效的非线性跟踪算法, BLUE( BestLinear Unbiased Estimation)滤波器自提出起就受到学者广泛关注.相对EKF(Extended Kalman Filter),它精度较高;相对其它量测转换方法,如基于嵌套的CMKF( Converted Measurement Kalman Filter)和基于量测的CMKF,它性能最好,置信度最高;相对基于采样的非线性滤波算法,如CKF( Cubature Kalman Filter)、UKF ( Unsented Kalman Filter)和PF ( Particle Fil-ter),它的计算量很小,因此在雷达或声纳目标跟踪中得到应用.

9 D- X! V" a1 `1 ~5 {7 f
/ B6 G" M: V% E- a( b. U
4 ]: d! L/ x! C% q% [# h

游客，如果您要查看本帖隐藏内容请回复

* o7 F3 C' o# O; O2 H* s
/ g8 s% T3 N0 n' ^4 N7 R
8 V) l6 u3 G) K5 H6 X

modengxian111

三坐标雷达跟踪算法