|
|
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.
: [: e" T0 G. P2 E
2 Q. h+ I5 G- n* r% c0 x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
M4 H% L+ m) U5 [
1 e0 T4 i0 i0 } 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.! N2 G3 l! d& q2 S/ H# L' r
6 q' u+ R K; d& I9 W
) g8 p' H! w0 a* E
7 H {" B! V- a; h; ~% G3 l( _5 w# {( b) L( _7 n& s3 W
/ h. d/ y3 e* W" D
) ~2 d3 p; l) |5 V% D
5 P% Z' b8 D) h6 g7 \) @ |
|
/1 
发表于 2021-5-19 09:01
收藏
淘帖
支持！
反对！