迭代无味卡尔曼滤波的目标跟踪算法

常国宾; 许江宁; 李安; 常路宾

您当前的位置：

首页 >

文章列表页 >

迭代无味卡尔曼滤波的目标跟踪算法

更新时间：2025-07-09

- 迭代无味卡尔曼滤波的目标跟踪算法
- A Target Tracking Method of Iterative Unscented Kalman Filter
- 西安交通大学学报 2011年45卷第12期页码：70-74
- 作者机构：
  
  海军工程大学电气与信息工程学院,武汉,430033
- 作者简介：
- 基金信息：
  
  : 2011-03-14. 作者简介: 常国宾(1984-),男,博士生;许江宁(通信作者),男,教授,博士生导师. 基金项目: 国家自然科学基金资助项目(40904018);东南大学微电子机械系统教育部重点实验室开放基金资助项目(201001)
- DOI：
  中图分类号： TN911.72
- 网络首发：2011-12-10，
  
  纸质出版：2011
- 稿件说明：
移动端阅览
常国宾, 许江宁, 李安, 等. 迭代无味卡尔曼滤波的目标跟踪算法[J]. 西安交通大学学报, 2011,45(12):70-74.

A Target Tracking Method of Iterative Unscented Kalman Filter[J]. 2011, 45(12): 70-74.
常国宾, 许江宁, 李安, 等. 迭代无味卡尔曼滤波的目标跟踪算法[J]. 西安交通大学学报, 2011,45(12):70-74. DOI：

A Target Tracking Method of Iterative Unscented Kalman Filter[J]. 2011, 45(12): 70-74. DOI：

摘要

针对目标跟踪迭代无味卡尔曼滤波(IUKF)算法中跟踪精度较差的问题

提出一种基于状态扩展技术的改进迭代无味卡尔曼滤波(IIUKF)算法.新算法首先将观测噪声扩展进状态

构造关于扩展状态的零噪声观测方程

然后在观测迭代过程中将最新的扩展状态后验估计代入更新公式

进行观测迭代更新.相比IUKF算法

IIUKF算法不仅形式上更为简洁

而且避免了IUKF算法中先验估计和观测噪声非统计正交的问题

滤波精度更高.数值仿真表明

IIUKF算法的跟踪误差比IUKF算法减小了20%以上.

Abstract

An improved iterative unscented Kalman filter(IIUKF)is proposed to increase the target tracking accuracy of iterative unscented Kalman filter(IUKF)by using the state augmentation technique. The method augments measurement noises into states

and a measurement function of augmented state with zero measurement noise is constructed. Then the latest posterior estimate of the augmented state is substituted into a updating function to iteratively correct state estimation using measurements. Comparing analyses with IUKF shows that IIUKF is more concise

and is more precise since it avoids the statistical non-orthogonal problem

Results of digital simulation show that there is a 20% decrease in the tracking error of IIUKF over that of IUKF.

关键词

Keywords

references

KALMAN R. A new approach to linear filtering and prediction problems [J]. Journal of Basic Engineering, 1960,82(1): 35-46.

CANDY J. Bayesian signal processing [M]. HoboKen, NJ, USA: John Wiley Sons, 2009.

JULIER S J, UHLMANN J K. Unscented filtering and nonlinear estimation [J]. Proceedings of the IEEE Aerospace and Electronic Systems, 2004, 92(3):401-422.

BELL B, CATHEY F. The iterated Kalman filter update as a Gauss-Newton method [J]. IEEE Transactions on Automatic Control, 1993, 38(2):294-297.

ZHAN Ronghui, WAN Jianwei. Iterated unscented Kalman filter for passive target tracking [J]. IEEE Transactions on Aerospace and Electronic Systems, 2007, 43(3): 1155-1163.

杨争斌, 钟丹星, 郭福成, 等. 一种基于高斯牛顿迭代的单站无源定位算法[J]. 系统工程与电子技术, 2007, 29(12):2006-2009.

YANG Zhengbin, ZHONG Danxing, GUO Fucheng, et al. Gauss-Newton iteration based algorithm for passive location by a single observer [J]. Systems Engineering and Electronics, 2007, 29(12):2006-2009.

张俊根, 姬红兵. IMM迭代扩展卡尔曼粒子滤波跟踪算法[J]. 电子与信息学报, 2010, 32(5): 1116-1120.

ZHANG Jungen, JI Hongbing. IMM iterated extended Kalman particle filter based target tracking [J]. Journal of Electronics Information Technology,2010,32(5):1116-1120.

张俊根, 姬红兵. 基于修正IEKF 的IRST 系统多站融合跟踪[J]. 系统工程与电子技术, 2010, 32(3):504-507.

ZHANG Jungen, JI Hongbing. Modified iterated extended Kalman filter based multi-observer fusion tracking for IRST [J]. Systems Engineering and Electronics, 2010, 32(3):504-507.

武元新. 对偶四元数导航算法与非线性高斯滤波研究[D]. 长沙:国防科学技术大学, 2005.

刘学,焦淑红,司锡才. 观测域求积分卡尔曼滤波的机载无源定位算法[J]. 西安交通大学学报, 2011, 45(5): 137-142.

LIU Xue, JIAO Shuhong, SI Xicai. Measure space square root quadrature Kalman filter for airborne passive location [J]. Journal of Xi'an Jiaotong University, 2011, 45(5): 137-142.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

多源二维测角信息的三维动态目标跟踪定位算法

一般相关噪声下线性系统定区间平滑估计算法

一种基于角度测量估计飞行目标运动参数的新方法

利用角度测量估计机动目标运动参数的方法

应用回归分析的数据关联算法