【技术实现步骤摘要】
一种基于乘性噪声相关自适应CKF的目标跟踪方法
本专利技术涉及一种基于乘性噪声相关自适应CKF的目标跟踪方法，属于目标跟踪领域，可用于提高目标跟踪的精度。
技术介绍
卡尔曼滤波的一个重要作用是去除量测数据中的噪声，尽可能地还原相对真实的目标数据，被广泛地应用在目标跟踪中。然而，卡尔曼滤波具有一定的局限性，该理论是以线性系统为对象建立的，而实际目标跟踪系统多为非线性。应用线性模型描述非线性系统将导致较大的模型误差，从而导致滤波估计性能降低。因此，非线性滤波估计成为研究热点和难点，大量非线性滤波方法得以提出。容积卡尔曼滤波(CKF)是一种基于采样近似的非线性高斯滤波方法，具有较高的滤波估计性能，受到广大科研人员和工程技术人员的喜爱。然而，该滤波理论是建立在滤波模型精准且过程噪声和量测噪声均为不相关的高斯白噪声的前提下成立的。经研究表明，实际目标跟踪系统较为复杂，系统量测中不仅存在加性噪声，同时还存在乘性噪声的干扰。乘性噪声一般是由信道不理想引起的，如测量过程中的抖动振动，信号能量的衰减等，其与信号是相乘的关系，导...
【技术保护点】
1.一种基于乘性噪声相关自适应CKF的目标跟踪方法，其特征在于该方法包括以下步骤：/n步骤1.系统建模/n考虑如下具有乘性噪声相关的离散时间非线性系统模型，其跟踪目标的状态方程和量测方程如下：/n
【技术特征摘要】
1.一种基于乘性噪声相关自适应CKF的目标跟踪方法，其特征在于该方法包括以下步骤：
步骤1.系统建模
考虑如下具有乘性噪声相关的离散时间非线性系统模型，其跟踪目标的状态方程和量测方程如下：
式中：是k时刻的系统状态向量，其是由x方向位移和速度以及y方向位移和速度构成，f和h分别为已知非线性过程函数和非线性量测函数；是k时刻系统的量测向量，过程噪声wk-1是零均值协方差矩阵为Qk-1的高斯白噪声向量；Ak＝diag{1+uk,…,1+uk}＝(1+uk)I，uk和vk分别是乘性和加性高斯白噪声，并具有相关性，vk＝[v1,k,…,vm,k]T，且E{vk}＝μv1＝μv[1,…,1]T，wk-1和vk互不相关；
式中，δkj为Kronecher-δ函数，μu和分别为乘性量测噪声均值和方差，μv和分别为加性量测噪声均值和方差，dk为噪声相关系数；
步骤2.模型转换
将量测方程表示为非线性量测和虚拟量测噪声的总和：
式中，为虚拟量测噪声，虚拟量测噪声均值为方差为
步骤3.给出乘性噪声相关CKF算法，具体如下：
步骤3.1时间预测参考CKF，得到k时刻的预测误差协方差矩阵Pk|k-1和状态预测值
步骤3.2计算E{h(xk)}、Var{h(xk)}和Cov{xk,h(xk)}：
...
【专利技术属性】
技术研发人员：杜明，唐帅帅，葛泉波，
申请(专利权)人：宁波飞拓电器有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。