一种基于M估计的变分贝叶斯无迹卡尔曼滤波目标跟踪方法技术

针对水下机动目标跟踪过程中量测量出现野值或量测噪声的后验分布未知的问题，本发明专利技术提出了一种基于M估计的变分贝叶斯无迹卡尔曼滤波算法。该算法采用奇异值分解代替无迹卡尔曼滤波算法中的Cholesky分解，以保证协方差矩阵在迭代时的正定性；通过引入M估计方法，将量测信息进行预处理，去除异常值与非高斯噪声的干扰，以增强算法准确性；采用变分策略对量测噪声的后验分布进行实时估计，使得滤波算法在量测噪声后验分布未知的条件下实现准确的跟踪。进行仿真实验测试，本发明专利技术所提出的方法相比于原有的算法在量测噪声位置的情况下具有更低的跟踪误差以及收敛速度。该算法显著提升了目标跟踪系统的准确度和鲁棒性，对不确定量测条件下的目标跟踪具有重要的实际意义。

【技术实现步骤摘要】

本专利技术涉及一种基于m估计的变分贝叶斯无迹卡尔曼滤波目标跟踪方法，属于水下目标跟踪。

技术介绍

1、水下战场以其良好的隐蔽性成为当今海战的重要主战场之一，二战中德国的潜艇战一度对盟军的海上交通运输线造成了极大破坏，让世界各国认识到水下战的巨大威力。二战结束后，随着减振降噪、鱼雷智能化等技术的发展，潜艇在隐蔽性、机动性、攻击范围等方面获得长足进步，各个国家也都特别重视水下作战技术的发展，都在不断加强水下平台和水下武器装备的建设，以提高自身水下作战能力。

2、水下目标跟踪对于国家安全有着至关重要的作用。对于经典的线性高斯系统问题，使用经典的卡尔曼滤波便可得到最优化的参数估计。但针对水下机动体的跟踪，水下的主动探测平台通常提供的量测量为机动体的距离观测站的位置信息与方位信息，而被动站只能提供机动体的方位信息，无论是主动探测平台还是被动探测平台的得到的量测信息都具有很强的非线性。对于非线性问题，卡尔曼滤波滤波算法将不再适用，目前主流的非线性滤波算法主要包括扩展卡尔曼滤波、无迹卡尔曼滤波、容积卡尔曼滤波和粒子滤波等几类基本的算法。扩展卡尔曼滤波的核心思本文档来自技高网...

【技术保护点】

1.一种基于M估计的变分贝叶斯无迹卡尔曼滤波目标跟踪方法，其特征在于，包括：

2.根据权利要求1所述的一种基于M估计的变分贝叶斯无迹卡尔曼滤波目标跟踪方法，其特征在于，所述S1中：

3.根据权利要求1所述的一种基于M估计的变分贝叶斯无迹卡尔曼滤波目标跟踪方法，其特征在于，所述S2中：

4.根据权利要求1所述的一种基于M估计的变分贝叶斯无迹卡尔曼滤波目标跟踪方法，其特征在于，所述S3中：

【技术特征摘要】

1.一种基于m估计的变分贝叶斯无迹卡尔曼滤波目标跟踪方法，其特征在于，包括：

2.根据权利要求1所述的一种基于m估计的变分贝叶斯无迹卡尔曼滤波目标跟踪方法，其特征在于，所述s1中：

3.根...

【专利技术属性】
技术研发人员：兰朝凤，张桐基，郭锐，陈英淇，赵世龙，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：