具有固定滞后平滑的变结构机动目标跟踪

针对变结构多模型算法在目标机动性较强时,因模型切换不及时而出现较大的误差峰值问题,提出了一种固定滞后平滑的变结构多模型(lag smoothing variable structure multiple model,LS-VSMM)跟踪算法.建立一个完备的模型集,根据模型概率利用有向图切换规则实现模型子集与目标运动模式的匹配;引入固定滞后平滑算法,通过对状态向量扩维,将平滑问题转化为滤波问题,使得原特定时刻的目标状态在系统中停留的时间更长,增加更多的状态量测信息,让状态估计变得更加准确,并且以延迟一定时间输出来改善滤波性能;对算法进行了仿真实验分析.仿真结果表明,与基于无味有向图切换的多模型算法以及基于有向图切换的变结构多模型(digraph switch variable structure multiple model,DS-VSMM)算法相比,LS-VSMM算法在有效降低误差峰值的同时,提高了目标的跟踪精度.     

裂变优选重采样粒子滤波算法

重采样在缓解粒子退化的同时带来了粒子贫化问题,针对这种情况,提出一种裂变优选重采样方法。在需要进行重采样时刻,提取出有效粒子,该时刻有效粒子对应于上一时刻的粒子确定为裂变父代粒子,裂变子代粒子数正比于各有效粒子权值,将子代粒子进行一次滤波迭代,根据该时刻量测值和权值公式计算每个子代粒子的权值,选择权值大的粒子覆盖该时刻的无效粒子。蒙特卡罗仿真表明:与裂变自举粒子滤波、随机重采样粒子滤波相比,滤波精度更高,有效粒子数增加,而且重采样后粒子退化速度变缓。