|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘要:最佳线性无偏估计(BLUE, Best Linear Unbiased Estimation)滤波用于雷达目标跟踪时,有计算量小,置信度高等优点.但是当互斜距测量误差较大时,BLUE滤波会产生非高斯转换量测,导致跟踪精度降低.为解决此问题,对其量测转换模型进行修正:通过引入方位预测,减小方位误差三角函数的非线性影响,得到准高斯分布的转换量测.分析视线坐标系下BLUE滤波的性能,推导引入方位预测的条件,给出改进算法工作流程.推导三坐标雷达下的滤波模型参数,提出转换量测高斯化水平的评估指标并仿真证明:改进算法的转换量测更逼近高斯分布,因此跟踪性能更好,而计算量只有轻微增加.本算法思想同样适用于其他非线性误差较大的场合,对解决类似问题有借鉴意义.4 |6 \9 \7 t& U; n2 R9 {% C
% ^. d% i. Q2 P, {6 h' C/ q( H1 K关键词:非线性滤波;最佳线性无偏估计;转换量测;高斯化;三坐标雷达) p i2 D7 Q4 \2 y: L% ^0 K b, p1 F2 Q
' ^0 d5 n+ S' h1 k
作为一种简单高效的非线性跟踪算法, BLUE( BestLinear Unbiased Estimation)滤波器自提出起就受到学者广泛关注.相对EKF(Extended Kalman Filter),它精度较高;相对其它量测转换方法,如基于嵌套的CMKF( Converted Measurement Kalman Filter)和基于量测的CMKF,它性能最好,置信度最高;相对基于采样的非线性滤波算法,如CKF( Cubature Kalman Filter)、UKF ( Unsented Kalman Filter)和PF ( Particle Fil-ter),它的计算量很小,因此在雷达或声纳目标跟踪中得到应用.
0 z* A4 P. V, Y; i8 ~6 D7 s( b3 T" b* v! c! N3 ?# ~7 }
3 {, ~3 a0 z j. {2 e
( T) h. D. J4 P1 Q+ I* ~( E
3 @! q y3 ?3 W
- c+ W' x8 t4 @6 e( T5 {( z1 x3 p: M: A: ~! d% r/ J: z) c
* f! ^" ~; J+ q* m* V$ N. @! x
|
|
/1 
发表于 2021-5-19 09:01
收藏
淘帖
支持！
反对！