|
|
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.
: \8 B9 T" M8 u Z% m/ D! D1 v5 L4 S9 Y
9 }- v& v+ W, e* G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
2 J% b; z% H4 g* y5 v8 m/ K. }# n& n* }* H
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./ M) K) r c+ R0 q
& t: M: c: ^0 Q4 Y7 g
t3 ~' f! O5 r# Z& e" [& y( I$ d, _& u) }6 | \" N! n
. j2 ~9 m$ g. Z9 a0 T' x
7 o! F' q" L D- ?' s
; n! k2 I& j+ B' r5 b' ^5 V# E# H4 y% i7 k: I
|
|
/1 
发表于 2021-5-19 09:01
收藏
淘帖
支持！
反对！