平方根递推更新GMP-PHDF

• 作者: 刘付显 梁志兵 高嘉乐
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 高斯混合粒子 概率假设密度 递推更新 重要性密度函数 平方根
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 电子技术
• 页码范围: 1204-1211
• 页数: 8页
• 分类号: TN713
• 字数: 6158字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2018.06.03

摘要

传统高斯混合粒子概率假设密度滤波器(Gaussian mixture particle probability hypothesis density filter,GMP-PHDF)采用先验状态转移概率密度作为重要性密度函数,会出现粒子退化问题.而递推更新高斯滤波器依据测量函数梯度渐进式地进行状态更新,可获得更为接近于真实分布的后验估计,但其协方差矩阵易非正定而导致递推中断.对此,本文首先分析平方根递推更新高斯滤波器(square-root recursive update Gaussian filter,SR-RUGF)的实现思路,并给出基于容积卡尔曼滤波(cubature Kalman filter,CKF)的SR-RUGF实现步骤.在此基础上,利用SR-RUGF为GMP-PHDF构建重要性密度函数,进而提出基于平方根递推更新的GMP-PHDF(square-root recursive update GMP-PHDF,SRRU-GMP-PHDF)算法.仿真结果表明,算法可以很好地利用量测信息,获得更高精度的估计结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘付显	空军工程大学防空反导学院	134	649	12.0	19.0
2	高嘉乐	空军工程大学防空反导学院	13	26	4.0	4.0
3	梁志兵	空军工程大学防空反导学院	8	8	2.0	2.0