留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

五阶容积卡尔曼滤波算法及其应用

赵曦晶 刘光斌 汪立新 何志昆 赵晗

赵曦晶, 刘光斌, 汪立新, 何志昆, 赵晗. 五阶容积卡尔曼滤波算法及其应用[J]. 红外与激光工程, 2015, 44(4): 1377-1381.
引用本文: 赵曦晶, 刘光斌, 汪立新, 何志昆, 赵晗. 五阶容积卡尔曼滤波算法及其应用[J]. 红外与激光工程, 2015, 44(4): 1377-1381.
Zhao Xijing, Liu Guangbin, Wang Lixin, He Zhikun, Zhao Han. Fifth degree cubature Kalman filter algorithm and its application[J]. Infrared and Laser Engineering, 2015, 44(4): 1377-1381.
Citation: Zhao Xijing, Liu Guangbin, Wang Lixin, He Zhikun, Zhao Han. Fifth degree cubature Kalman filter algorithm and its application[J]. Infrared and Laser Engineering, 2015, 44(4): 1377-1381.

五阶容积卡尔曼滤波算法及其应用

基金项目: 

国家863计划(2010AA7010213)

详细信息
    作者简介:

    赵曦晶(1978-),女,博士生,主要从事惯性技术、组合导航等方面的研究.Email:zhaojingjing03@sina.com

  • 中图分类号: U666.1

Fifth degree cubature Kalman filter algorithm and its application

  • 摘要: 容积卡尔曼滤波(CKF)是一种新型的非线性滤波方法,可获得优于扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的滤波精度和滤波效率.但是,传统的CKF基于三阶容积准则而提出,因此滤波精度受到限制,为进一步提高CKF滤波性能,文中将容积准则由三阶扩展到五阶,采用两种不同容积点集选择方案,提出一种新型的五阶CKF算法.该算法可有效改善传统CKF在精度方面的理论局限,并有效改善一般五阶CKF计算量大的问题.机动目标跟踪仿真结果表明了新方法的有效性和可行性.
  • [1] Jazwinski A H. Stochastic Processes and Filtering Theory[M]. New York: Academic Press, 1970.
    [2]
    [3] Farina A, Ristic B, Benvenuti D. Tracking a ballistic target: comparison of several nonlinear filters[J]. IEEE Transactions on Aerospace Electronic System, 2002, 38: 854-867.
    [4]
    [5] Chang D C, Fang M W. Bearing-only maneuvering mobile tracking with nonlinear filtering algorithms in wireless sensor networks[J]. IEEE Systems Journal, 2014, 8(1): 160-170.
    [6]
    [7]
    [8] Sebesta K, Boizot N. A real-time adaptive high-gain EKF, applied to a quadcopter inertial navigation system[J]. IEEE Transactions on Industrial Electronics, 2014, 61(1): 495-503.
    [9]
    [10] Sadeghi B, Moshiri B. Second-order EKF and unscented Kalman filter fusion for tracking maneuvering targets[C]//IEEE International Conference on Information Reuse and Integration, 2007: 514-519.
    [11]
    [12] Chang L B, Hu B Q, Li A, et al. Transformed unscented Kalman filter[J]. IEEE Transactions on Automatic Control, 2013, 58(1): 252-257.
    [13]
    [14] Yan Gongmin, Yan Weisheng, Xu Demin. Application of simplified UKF in SINS initial alignment for large misalignment angles[J]. Journal of Chinese Inertial Technology, 2008, 16(3): 253-264. (in Chinese) 严恭敏, 严卫生, 徐德民. 简化UKF 滤波在SINS大角初始中的应用[J]. 中 国惯性技术学报, 2008, 16(3): 253-264.
    [15]
    [16] Nie Qi, Zhao Lin, Gao Wei. Research on unscented particle filter for initial alignment of SINS[J]. Journal of Astronautics, 2008, 29(1): 126-132. (in Chinese) 聂琦, 赵琳, 高伟. 无迹粒子滤波在捷联惯导初始中的应用研究[J]. 宇航学报, 2008, 29(1): 126-132.
    [17]
    [18] Julier S J, Uhlmann J K. Unscented filtering and nonlinear estimation[J]. Proceedings of the IEEE, 2004, 92(3): 401-422.
    [19] Arasaratnam I, Haykin S. Cubature Kalman filters[J]. IEEE Trans on Automatic Control, 2009, 54(6): 1254-1269.
    [20]
    [21] Arasaratnam I, Haykin S, Hurd T R. Cubature Kalman filtering for continuous-discrete systems: theory and simulations[J]. IEEE Transactions on Signal Processing, 2010, 58(10): 4977-4993.
    [22]
    [23]
    [24] Pesonen H, Pich R. Cubature-based Kalman filters for positioning[C]//2010 7th Workshop on Positioning Navigation and Communication, 2010: 45-49.
    [25]
    [26] Sun Feng,Tang Lijun. Initial alignment of large azimuth misalignment angle in SINS based on CKF[J]. Chinese Journal of Scientific Instrument, 2012, 33(2): 327-333. (in Chinese) 孙枫, 唐李军. 基于CKF 的SINS 大方位角初始[J]. 仪器仪表学报, 2012, 33(2): 327-333.
    [27]
    [28] Mu J, Cai Y L, Zhang J M. Square root cubature particle filter[J]. Advanced Materials Research, 2011, 219-220: 727-731.
    [29]
    [30] Mu J, Cai Y L, Zhang J M. Square root cubature particle filter[J]. Advanced Materials Research, 2011, 219-220: 727-731.
    [31] Huang J J, Zhong J L, Jiang F. A CKF based spatial alignment of radar and infrared sensors[C]//2010 IEEE 10th International Conference on Signal Processing, 2010: 2386-2390.
  • [1] 卢瑞涛, 任世杰, 申璐榕, 杨小冈.  基于稀疏表示多子模板的鲁棒目标跟踪算法 . 红外与激光工程, 2019, 48(3): 326003-0326003(8). doi: 10.3788/IRLA201948.0326003
    [2] 王向军, 郭志翼, 王欢欢.  基于嵌入式平台的低时间复杂度目标跟踪算法 . 红外与激光工程, 2019, 48(12): 1226001-1226001(10). doi: 10.3788/IRLA201948.1226001
    [3] 曲蕴杰, 莫宏伟, 王常虹.  一种用于无人机的目标颜色核相关跟踪算法研究 . 红外与激光工程, 2018, 47(3): 326001-0326001(7). doi: 10.3788/IRLA201847.0326001
    [4] 葛宝义, 左宪章, 胡永江, 张岩.  基于双步相关滤波的目标跟踪算法 . 红外与激光工程, 2018, 47(12): 1226004-1226004(10). doi: 10.3788/IRLA201847.1226004
    [5] 罗海波, 许凌云, 惠斌, 常铮.  基于深度学习的目标跟踪方法研究现状与展望 . 红外与激光工程, 2017, 46(5): 502002-0502002(7). doi: 10.3788/IRLA201746.0502002
    [6] 马俊凯, 罗海波, 常铮, 惠斌, 周晓丹, 侯德飞.  基于可变形模型的目标跟踪算法 . 红外与激光工程, 2017, 46(9): 928001-0928001(9). doi: 10.3788/IRLA201746.0928001
    [7] 杨宏韬, 高慧斌, 刘鑫.  基于双重扩展卡尔曼滤波器的共轴跟踪技术研究 . 红外与激光工程, 2016, 45(5): 531001-0531001(5). doi: 10.3788/IRLA201645.0531001
    [8] 邵春艳, 丁庆海, 罗海波, 李玉莲.  采用高维数据聚类的目标跟踪 . 红外与激光工程, 2016, 45(4): 428002-0428002(10). doi: 10.3788/IRLA201645.0428002
    [9] 邢运龙, 李艾华, 崔智高, 方浩.  改进核相关滤波的运动目标跟踪算法 . 红外与激光工程, 2016, 45(S1): 214-221. doi: 10.3788/IRLA201645.S126004
    [10] 崔雄文, 吴钦章, 蒋平, 周进.  子空间模型下的仿射不变目标跟踪 . 红外与激光工程, 2015, 44(2): 769-774.
    [11] 赵兵, 曹剑中, 杨洪涛, 周祚峰, 史魁, 徐伟高.  改进的平方根容积卡尔曼滤波及其在POS中的应用 . 红外与激光工程, 2015, 44(9): 2819-2824.
    [12] 徐超, 高敏, 杨耀.  自调整分层卡尔曼粒子滤波的快速目标跟踪 . 红外与激光工程, 2015, 44(6): 1942-1949.
    [13] 董鑫, 欧阳高翔.  基于容积卡尔曼滤波的空间碎片相对导航 . 红外与激光工程, 2015, 44(S1): 152-157.
    [14] 李少毅, 董敏周, 张凯, 闫杰.  用于目标跟踪的多光路成像技术 . 红外与激光工程, 2014, 43(6): 2035-2039.
    [15] 田立, 周付根, 孟偲.  基于嵌入式多核DSP 系统的并行粒子滤波目标跟踪 . 红外与激光工程, 2014, 43(7): 2354-2361.
    [16] 赵曦晶, 刘光斌, 汪立新, 何志昆, 姚志成.  扩展容积卡尔曼滤波-卡尔曼滤波组合算法 . 红外与激光工程, 2014, 43(2): 647-653.
    [17] 崔智高, 邓磊, 李艾华, 姜柯, 周杰.  采用地平面约束的双目PTZ主从跟踪方法 . 红外与激光工程, 2013, 42(8): 2252-2261.
    [18] 崔智高, 李艾华, 姜柯, 苏延召, 金广智.  双目协同多分辨率主动跟踪方法 . 红外与激光工程, 2013, 42(12): 3509-3516.
    [19] 黎志华, 李新国.  基于OpenCV的红外弱小运动目标检测与跟踪 . 红外与激光工程, 2013, 42(9): 2561-2565.
    [20] 彭晨, 陈钱, 钱惟贤, 徐富元.  复杂地面场景下的红外运动目标跟踪 . 红外与激光工程, 2013, 42(6): 1410-1414.
  • 加载中
计量
  • 文章访问数:  190
  • HTML全文浏览量:  17
  • PDF下载量:  171
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-08-05
  • 修回日期:  2014-09-15
  • 刊出日期:  2015-04-25

五阶容积卡尔曼滤波算法及其应用

    作者简介:

    赵曦晶(1978-),女,博士生,主要从事惯性技术、组合导航等方面的研究.Email:zhaojingjing03@sina.com

基金项目:

国家863计划(2010AA7010213)

  • 中图分类号: U666.1

摘要: 容积卡尔曼滤波(CKF)是一种新型的非线性滤波方法,可获得优于扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的滤波精度和滤波效率.但是,传统的CKF基于三阶容积准则而提出,因此滤波精度受到限制,为进一步提高CKF滤波性能,文中将容积准则由三阶扩展到五阶,采用两种不同容积点集选择方案,提出一种新型的五阶CKF算法.该算法可有效改善传统CKF在精度方面的理论局限,并有效改善一般五阶CKF计算量大的问题.机动目标跟踪仿真结果表明了新方法的有效性和可行性.

English Abstract

参考文献 (31)

目录

    /

    返回文章
    返回