基于序贯重要采样算法的被动单站机动目标跟踪

被引：4

作者：

辛云宏

王保平

杨万海

机构：

[1] 陕西师范大学物理学与信息技术学院

[2] 西北工业大学国防研究院

[3] 西安电子科技大学电子工程学院陕西西安

[4] 陕西西安

来源：

西安电子科技大学学报 | 2005年 / 05期

关键词：

粒子滤波器; 被动跟踪; 单站; 机动目标; 交互多模型-序贯重要采样; 高斯和粒子滤波器;

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：

将序贯重要采样(SIS)与交互多模型(IMM)算法相结合,提出了一种新的机动目标跟踪方法———IMM-SIS算法,并将其应用于被动单站跟踪系统,同高斯和粒子滤波器(IMM-GSPF)算法相比,其优点是不需要重采样步骤,也不会出现采样粒子的退化和贫乏现象.通过跟踪一个机动目标的仿真过程,对算法性能进行了检验,结果表明,该算法在计算速度和跟踪精度方面均优于IMM-GSPF算法,同经典的IMM-EFK算法相比,两种算法在鲁棒性和精度上都是优越的.

引用

页码：820 / 824

页数：5

共 9 条

[1]

Particle Filters for State Estimation of JumpMarkov Linear Systems. DoucetA,Gordon N J,Krishnamurthy V. IEEE Transactions on Signal Processing . 2001

[2]

Gaussian Sum Particle Filtering. Kotecha JH,D juric PM. IEEE Transactions on Signal Processing . 2003

[3]

The InteractingMultipleModelA lgorithm for Systems withMarkovian Switching Coefficients. B lom H A P,Bar-Shalom Y. IEEE Transactions on Automatic Control . 1988

[4]

A Tutorial on Particle Filters for On-line Nonlinear Non-Gaussian Bayesian Tracking. Arulampalam M S,Maskell S,Gordon N,et al. IEEE Transactions on Signal Processing . 2002

[5]

InteractingMultipleModel Particle Filter. Boers Y,D riessen J N. IEE Proceedings Radar Sonar and Navigation . 2003

[6]

A Novel Approach to Nonlinear/Non-Gaussian Bayesian State Estimation. Gordon N,Salmond D,Sm ith A. IEE Proceedings on Radar, Sonar and Navigation . 1993

[7]

A Hybrid Bootstrap Filter for TargetTracking in C lutter. Gordon N. IEEE Trans on Aerosp E lectron Syst . 1997

[8]

InteractingMultipleModelMethods in TargetTracking: a Survey. Mazor E,Averbuch A,Bar-Shalom Y,et al. IEEE Trans on Aerosp E lectron Syst . 1998

[9]

2D Location Accuracy Analysis Using DTOA. Zhang Zhengm ing,Yang Shaoquan,Zhang Shouhong. Journal of X idian University . 2000

← 1 →