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

自适应非线性GM-PHD滤波及在无源跟踪中的应用

危璋 冯新喜 刘钊 刘欣

危璋, 冯新喜, 刘钊, 刘欣. 自适应非线性GM-PHD滤波及在无源跟踪中的应用[J]. 红外与激光工程, 2015, 44(10): 3076-3083.
引用本文: 危璋, 冯新喜, 刘钊, 刘欣. 自适应非线性GM-PHD滤波及在无源跟踪中的应用[J]. 红外与激光工程, 2015, 44(10): 3076-3083.
Wei Zhang, Feng Xinxi, Liu Zhao, Liu Xin. Adaptive nonlinear GM-PHD filter and its applications in passive tracking[J]. Infrared and Laser Engineering, 2015, 44(10): 3076-3083.
Citation: Wei Zhang, Feng Xinxi, Liu Zhao, Liu Xin. Adaptive nonlinear GM-PHD filter and its applications in passive tracking[J]. Infrared and Laser Engineering, 2015, 44(10): 3076-3083.

自适应非线性GM-PHD滤波及在无源跟踪中的应用

详细信息
    作者简介:

    危璋(1989-),男,硕士生,主要从事多目标跟踪方面的研究工作。Email:jakeweizhang@163.com;冯新喜(1963-),男,教授,博士生导师,博士,主要从事信息融合方面的研究工作。Email:fxxkdy@163.com

    危璋(1989-),男,硕士生,主要从事多目标跟踪方面的研究工作。Email:jakeweizhang@163.com;冯新喜(1963-),男,教授,博士生导师,博士,主要从事信息融合方面的研究工作。Email:fxxkdy@163.com

  • 中图分类号: TN955

Adaptive nonlinear GM-PHD filter and its applications in passive tracking

  • 摘要: 首先针对无源传感器目标跟踪中的非线性问题,将高斯-厄米特求积分规则运用于高斯混合概率假设密度滤波,提出一种求积分卡尔曼概率假设密度滤波。其次,针对未知时变过程噪声,将基于极大后验估计原理的噪声估计器运用到概率假设密度滤波中,同时依据目标状态一步预测与状态滤波结果之间的残差,提出一种对滤波发散情况判断和抑制的算法。最后通过无源传感器双站跟踪仿真表明:相较于已有的非线性高斯混合概率假设密度滤波,所提算法有更高的精度,并且在未知时变噪声环境中具有较好跟踪效果。
  • [1]
    [2] Mahler R. Multitarget Bayes filtering via first-order multitarget moments[J]. IEEE Transactions on Aerospace and Electronic Systems, 2003, 39(4):1152-1178.
    [3]
    [4] Vo B N, Singh S, Doucet A. Sequential Monte Carlo methods for multi-target filtering with random finite sets[J]. IEEE Transactions on Aerospace and Electronic Systems, 2005, 41(4):1224-1245.
    [5]
    [6] Vo B N, Ma W K. A closed-form solution for the probability hypothesis density filter[C]//7th International Conference on Information Fusion, IEEE, 2005, 856-863.
    [7] Vo B N, Ma W K. The gaussian mixture probability hypothesis density filter[J]. IEEE Transactions on Signal Processing, 2006, 54(11):4091-4104.
    [8]
    [9] Wang Pin, Xie Weixin, Liu Zongxiang, et al. A novel gaussian mixture PHD filter for nonlinear models[J]. Acta Electronica Sinica, 2012, 40(8):1597-1602.(in Chinese) 王品,谢维信,刘宗香,等.一种非线性GM-PHD滤波新方法[J]. 电子学报, 2012, 40(8):1597-1602.
    [10]
    [11] Zhao Lin, Wang Xiaoxu, Sun Ming, et al. Adaptive UKF filtering algorithm based on maximum posterior estimation and exponential weighting[J]. Acta Automatica Sinica, 2010, 36(7):1007-1019.(in Chinese) 赵琳,王小旭,孙明,等.基于极大后验估计和指数加权的自适应UKF滤波算法[J]. 自动化学报, 2010, 36(7):1007-1019.
    [12]
    [13] Liu Tao, Xie Yongchun. Adaptive deterministic sampling filter algorithm[J]. Information and Control, 2012, 39(6):673-680.(in Chinese) 刘涛,解永春.一种自适应确定性采样滤波方法[J]. 信息与控制, 2012, 39(6):673-680.
    [14]
    [15]
    [16] Arasaratnam I, Haykin S, Elliott R J. Discrete-time nonlinear filtering algorithms using Gauss-Hermite quadrature[J]. Proceedings of the IEEE, 2007, 95(5):953-977.
    [17] Wu Chunling, Han Chongzhao. Square-root quadrature Kalman filter[J]. Acta Electronica Sinica, 2009, 37(5):987-992.(in Chinese) 巫春玲,韩崇昭.平方根求积分卡尔曼滤波器[J]. 电子学报, 2009, 37(5):987-992.
    [18]
    [19]
    [20] Shi Yong, Han Chongzhao. Adaptive UK-F method with applications to target tracking[J]. Acta Automatica Sinica, 2011, 37(6):755-759.(in Chinese) 石勇,韩崇昭.自适应 UKF算法在目标跟踪中的应用[J]. 自动化学报, 2011, 37(6):755-759.
    [21] Huang Zhipei, Sun Shuyan, Wu Jiankang. A new data association algorithm using probabality hypothesis density filter[J]. Journal of Electronics(China), 2010, 27(2):218-223.
    [22]
    [23] Wang Yang, Jing Zhongliang, Hu Shiqiang. Data association for cardinalized probability hypothesis density filter[C]//4th International Conference on Innovative Computing, Information and Control, IEEE, 2009, 1335-1338.
    [24]
    [25] Li Binbin, Feng Xinxi, Li Hongyan, et al. Algorithm of bearings-only passive multi -sensor and multi-target tracking[J]. Infrared and Laser Engineering, 2012, 41(5):1374-1378.(in Chinese) 李彬彬,冯新喜,李鸿艳,等.纯方位被动多传感器多目标跟踪算法[J]. 红外与激光工程, 2012, 41(5):1374-1378.
    [26]
    [27] Chen Xiaosi, Cheng Zhengdong, Fan Xiang, et al. Infrared point target detection based on K-Nearest neighbor algoritm[J]. Infrared and Laser Engineering, 2013, 42(S2):312-316.(in Chinese)
    [28]
    [29] Gao Xiang, Fang Yangwang, Yan Shiquan, et al. Dual-aircraft paths planning for cooperative tracking and locating target with bearings-only measurements[J]. Infrared and Laser Engineering, 2013, 42(10):2805-2811.(in Chinese) 高翔,方洋旺,颜世权,等.仅有角度测量的双机协同机动目标跟踪定位路径规划[J]. 红外与激光工程, 2013, 42(10):2805-2811.
  • [1] 王雨飞, 郑佳兴, 戴东凯, 谭文锋.  基于FIR滤波和抖动剥除相结合的激光陀螺无延时测量方法 . 红外与激光工程, 2023, 52(11): 20230171-1-20230171-7. doi: 10.3788/IRLA20230171
    [2] 王嘉业, 李艺璇, 张玉珍.  基于学习的光栅图像噪声抑制方法 . 红外与激光工程, 2022, 51(2): 20220006-1-20220006-10. doi: 10.3788/IRLA20220006
    [3] 王嘉琦, 许良, 常亮.  利用变形镜抑制光纤模态噪声 . 红外与激光工程, 2022, 51(10): 20210763-1-20210763-7. doi: 10.3788/IRLA20210763
    [4] 姜珊, 张超, 韩成, 底晓强.  基于相关滤波的目标重检测跟踪 . 红外与激光工程, 2021, 50(2): 20200182-1-20200182-12. doi: 10.3788/IRLA20200182
    [5] 邢承滨, 龚声胜, 于晓亮, 李易馨.  高斯混合聚类对移动曲面拟合滤波分类的应用 . 红外与激光工程, 2021, 50(10): 20200501-1-20200501-11. doi: 10.3788/IRLA20200501
    [6] 左志强, 唐新明, 李国元, 李松.  GF-7星载激光测高仪全波形自适应高斯滤波 . 红外与激光工程, 2020, 49(11): 20200251-1-20200251-11. doi: 10.3788/IRLA20200251
    [7] 曾瀚林, 孟祥勇, 钱惟贤.  高斯差分滤波图像融合方法 . 红外与激光工程, 2020, 49(S1): 20200091-20200091. doi: 10.3788/IRLA20200091
    [8] 崔光茫, 张克奇, 徐之海, 冯华君, 赵巨峰.  基于仿射重建和噪声散点直方图的图像噪声水平估计 . 红外与激光工程, 2018, 47(S1): 182-188. doi: 10.3788/IRLA201847.S126002
    [9] 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
    [10] 王平春, 陈廷娣, 周安然, 韩飞, 王元祖, 孙东松, 王国成.  基于高斯拟合的相干激光雷达风速估计算法 . 红外与激光工程, 2018, 47(12): 1230006-1230006(6). doi: 10.3788/IRLA201847.1230006
    [11] 王磊, 隋强, 杜昌澔, 刘昊.  自噪声抑制Gardner算法及位同步环路设计 . 红外与激光工程, 2017, 46(6): 622002-0622002(6). doi: 10.3788/IRLA201746.0622002
    [12] 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
    [13] 徐超, 高敏, 杨耀.  卡尔曼粒子滤波中基于精确运动模型的局部区域估计 . 红外与激光工程, 2015, 44(11): 3475-3482.
    [14] 王超, 董科研, 江伦, 安岩.  圆环孔径衍射高斯光束远场发散角研究 . 红外与激光工程, 2015, 44(12): 3634-3638.
    [15] 张闻文, 刘婧婧, 陈钱, 顾国华.  电子倍增CCD噪声参数的估计方法 . 红外与激光工程, 2014, 43(12): 4146-4152.
    [16] 刘磊, 沈宏海, 张葆.  卡尔曼滤波器在抑制力矩扰动中的应用 . 红外与激光工程, 2014, 43(7): 2240-2244.
    [17] 王晓飞, 侯传龙, 阎秋静, 张钧萍, 汪爱华.  基于相关向量机的高光谱图像噪声评估算法 . 红外与激光工程, 2014, 43(12): 4159-4163.
    [18] 葛广一, 魏振忠.  图像去雾过程中的噪声抑制方法 . 红外与激光工程, 2014, 43(8): 2765-2771.
    [19] 吴坤, 张合新, 孟飞, 陈聪.  激光主动成像图像噪声抑制方法 . 红外与激光工程, 2013, 42(9): 2397-2402.
    [20] 魏伟, 刘恩海.  白天观星红外星图噪声抑制算法 . 红外与激光工程, 2013, 42(7): 1923-1927.
  • 加载中
计量
  • 文章访问数:  423
  • HTML全文浏览量:  77
  • PDF下载量:  226
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-02-10
  • 修回日期:  2015-03-15
  • 刊出日期:  2015-10-25

自适应非线性GM-PHD滤波及在无源跟踪中的应用

    作者简介:

    危璋(1989-),男,硕士生,主要从事多目标跟踪方面的研究工作。Email:jakeweizhang@163.com;冯新喜(1963-),男,教授,博士生导师,博士,主要从事信息融合方面的研究工作。Email:fxxkdy@163.com

    危璋(1989-),男,硕士生,主要从事多目标跟踪方面的研究工作。Email:jakeweizhang@163.com;冯新喜(1963-),男,教授,博士生导师,博士,主要从事信息融合方面的研究工作。Email:fxxkdy@163.com

  • 中图分类号: TN955

摘要: 首先针对无源传感器目标跟踪中的非线性问题,将高斯-厄米特求积分规则运用于高斯混合概率假设密度滤波,提出一种求积分卡尔曼概率假设密度滤波。其次,针对未知时变过程噪声,将基于极大后验估计原理的噪声估计器运用到概率假设密度滤波中,同时依据目标状态一步预测与状态滤波结果之间的残差,提出一种对滤波发散情况判断和抑制的算法。最后通过无源传感器双站跟踪仿真表明:相较于已有的非线性高斯混合概率假设密度滤波,所提算法有更高的精度,并且在未知时变噪声环境中具有较好跟踪效果。

English Abstract

参考文献 (29)

目录

    /

    返回文章
    返回