基于新型粒子群优化的粒子滤波雷达目标跟踪算法

被引：7

作者：

陈志敏

薄煜明

吴盘龙

陈富

机构：

[1] 南京理工大学自动化学院

来源：

信息与控制 | 2012年 / 41卷 / 04期

基金：

高等学校博士学科点专项科研基金;

关键词：

粒子群优化; 粒子滤波; 目标跟踪; 闪烁噪声;

D O I：

暂无

中图分类号：

TN953 [雷达跟踪系统];

学科分类号：

080904 ; 0810 ; 081001 ; 081002 ; 081105 ; 0825 ;

摘要：

针对基于粒子群优化算法的粒子滤波精度不高,容易陷入局部最优,难以满足目标跟踪的问题,提出了一种新的粒子群优化粒子滤波算法,该算法利用社会个体对群体的认知规律优化了粒子更新的方法,并且完善了粒子速度的更新策略,使优势速度有较小概率变异,从而提高了寻优能力,同时将劣势速度随机初始化,保证了样本的多样性.实验结果表明,该算法精度高,鲁棒性强,可以有效地应用于雷达机动目标跟踪.

引用

页码：413 / 418

页数：6

共 7 条

[1] 进化粒子滤波器对比研究及其在移动机器人故障诊断中的应用 [J].

余伶俐 ;

蔡自兴 ;

谭平 .

信息与控制, 2010, 39 (05) :621-628

[2] 一种适用于低测量噪声系统的粒子滤波算法 [J].

邹卫军 ;

薄煜明 ;

陈益 .

信息与控制, 2010, 39 (01) :1-5

[3] 新型粒子群优化算法 [J].

巩敦卫 ;

张勇 ;

张建化 ;

周勇 .

控制理论与应用, 2008, (01) :111-114+119

[4] 粒子群优化粒子滤波方法 [J].

方正 ;

佟国峰 ;

徐心和 .

控制与决策, 2007, (03) :273-277

[5] 微粒群优化算法及其在复杂化学方程求根中的应用 [J].

高世博 ;

张运陶 .

吉林化工学院学报, 2007, (01) :38-40+53

[6]

On sequential Monte Carlo sampling methods for Bayesian filtering. [J] . Arnaud Doucet,Simon Godsill,Christophe Andrieu.&nbsp&nbspStatistics and Computing . 2000 (3)

[7]

QQ-plot approach to robust Kalman filtering .2 Durovic Z M,Kovacevic B D. Int. J. of Control . 1994

← 1 →