基于高斯粒子滤波的当前统计模型跟踪算法

• 作者: 王从庆 王宁
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 粒子滤波 高斯粒子滤波 交互多模型 统计模型
• 年，卷（期）: 2007,（5）
• 所属期刊栏目: 目标识别与跟踪
• 页码范围: 15-19,42
• 页数: 6页
• 分类号: TN911
• 字数: 4509字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-501X.2007.05.004

摘要

对于非线性系统估计问题,高斯粒子滤波器可以获得近似最优解,与粒子滤波器相比其优点是不需要重采样步骤和不存在粒子退化现象.采用高斯粒子滤波代替当前模型自适应跟踪算法中的卡尔曼滤波,将高斯粒子滤波与当前统计模型的优点相结合,提出了一种新的当前统计模型自适应跟踪算法,用于非线性非高斯系统的机动目标跟踪.MonteCarlo仿真表明,该算法跟踪精度优于标准的交互多模型算法和当前统计模型自适应跟踪算法,实时性好于交互多模型粒子滤波算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王从庆	南京航空航天大学自动化学院	92	556	10.0	20.0
2	王宁	南京航空航天大学自动化学院	33	162	7.0	12.0