-
题名非均匀稀疏采样环境自适应α-β滤波算法
被引量：5
- 1
-
-
作者
李良群
谢维信
黄敬雄
廖桂生
-
机构
深圳大学ATR国防科技重点实验室
西安电子科技大学电子工程学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2009年第16期5138-5140,共3页
-
基金
中国博士后科学基金(20080441165)
广东省自然科学基金(8451806001001836)
-
文摘
针对非均匀稀疏采样环境下的被动机动目标跟踪问题,提出了一种新的自适应α-β滤波算法。算法首先在最小均方误差准则下,推导了α-β滤波器的最优参数选择方法;然后详细分析了非均匀稀疏采样被动传感器上报数据的特点,提出利用上报时间间隔和目标速度来设计跟踪指数,且根据被动传感器系统的实际观测情况,推导了观测误差标准差的表达式;最后,在保证算法稳定性的前提下,给出了自适应滤波器参数设计方法。实验结果表明,提出算法能够准确对机动目标进行跟踪,性能要好于工程中常用的α-β滤波器,且算法设计简单,能够工程实现。
-
关键词
非均匀稀疏采样
被动传感器系统
自适应Α-Β滤波
机动目标跟踪
-
Keywords
Aperiodic Sparseness Sampling
Passive Sensor System
Adaptive α-β filter
Maneuvering Target Tracking
-
分类号
TN953
[电子电信—信号与信息处理]
-
-
题名非均匀稀疏采样环境的改进高斯粒子滤波方法
被引量：1
- 2
-
-
作者
李良群
谢维信
-
机构
深圳大学ATR国防科技重点实验室
-
出处
《信号处理》
CSCD
北大核心
2013年第10期1323-1328,共6页
-
基金
高等学校博士学科点专项科研基金(20104408120001)
广东省自然科学基金(S2012010009417)
+2 种基金
国家自然科学基金(61301074
61271107)
国家科技支撑计划重大项目(2011BAH24B12)
-
文摘
粒子滤波(PF)技术的研究一直是非线性滤波领域的热点和难点问题,针对非均匀稀疏采样环境下传感器观测的滤波估计问题,提出了一种结合目标运动特性的改进型高斯粒子滤波方法。在该方法中,首先深入分析了传统粒子滤波不能有效对非均匀稀疏采样观测数据进行有效处理的原因,通过引入目标观测、目标观测的有效时间间隔、目标速度等目标特性,综合改善高斯粒子滤波器在时间更新阶段预测粒子和预测协方差估计的准确性,从而提高观测更新阶段重要性密度函数的估计精度,实现对目标状态的精确估计。实验结果表明,对于一维非线性非高斯例子,提出方法要稍好于传统的PF、辅助粒子滤波(APF)和高斯粒子滤波(GPF);而对于实际的非均匀稀疏采样观测样本,提出方法要远好于PF、APF和GPF,能够有效对目标进行状态估计。
-
关键词
非均匀稀疏采样
高斯粒子滤波
目标运动特性
-
Keywords
Aperiodic Sparseness Sampling
Gaussian Particle Filtering
Target Motion Characteristic
-
分类号
TN953
[电子电信—信号与信息处理]
-
-
题名一种目标特性辅助的积分粒子滤波新方法
被引量：1
- 3
-
-
作者
李良群
谢维信
-
机构
深圳大学ATR国防科技重点实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2014年第10期2069-2074,共6页
-
基金
国家自然科学基金(No.61301074
No.61271107)
+4 种基金
高等学校博士学科点专项科研基金(No.201044081200010
No.20124408110002)
广东省自然科学基金(No.S2012010009417)
国家科技支撑计划重大项目(No.2011BAH24B12)
深圳市科技计划项目(No.JCYJ20130329105816574)
-
文摘
针对非均匀稀疏采样环境下目标跟踪中的非线性滤波问题,提出了一种基于Gauss-Hermite积分和目标特性辅助的积分粒子滤波新方法(AQPF).在该方法中,构建了基于Gauss-Hermite积分的积分点概率密度函数作为重要性密度函数,同时,在时间更新阶段引入目标观测、目标观测的有效时间间隔、目标速度等目标特性,综合改善滤波器中预测粒子和预测协方差估计的准确性和粒子的多样性,有效提高目标状态的估计性能.实验结果表明,提出方法的估计性能要明显好于无迹kalman滤波(UKF)、积分kalman滤波(QKF)、粒子滤波(PF)、辅助粒子滤波(APF)和高斯粒子滤波(GPF),能够有效对目标状态进行估计.
-
关键词
非均匀稀疏采样
Gauss-Hermite积分
积分粒子滤波
目标特性
-
Keywords
aperiodic sparseness sampling
Gauss-Hermite quadrature
quadrature particle filtering
target characteristic
-
分类号
TN953
[电子电信—信号与信息处理]
-
