第 32卷 第 8期 控 制 与 决 策 Vol.32 No.8
2017年 8月 Control and Decision Aug. 2017
文章编号: 1001-0920(2017)08-1523-05 DOI: 10.13195/j.kzyjc.2016.0661
区间量测下基于无迹变换的伯努利粒子滤波算法
吴孙勇
1,2†
, 张馨方
1
, 桂丛楠
3
, 蔡如华
1
, 孙希延
2
(1. 桂林电子科技大学 数学与计算科学学院，广西 桂林 541004；2. 广西精密导航技术与应用
重点实验室，广西 桂林 541004；3. 中国电子科技集团公司第五十四研究所，石家庄 050081)
摘 要: 针对区间量测下目标的实时检测与跟踪问题, 提出基于无迹变换的伯努利粒子滤波算法 (Bernoulli-
Upf). 该算法在伯努利粒子滤波算法 (Bernoulli-pf) 的基础上融合无迹卡尔曼滤波 (UKF), 融合后的算法在预测步
骤产生持续存活粒子时, 充分考虑到当前时刻的量测, 从而引导粒子向高似然区域移动, 使得粒子分布更加接近真
实状态的后验分布. 仿真实验表明, Bernoulli-Upf算法的估计精度优于Bernoulli-pf算法.
关键词: 目标跟踪；区间量测；伯努利滤波；无迹卡尔曼滤波；粒子滤波
中图分类号: TP391 文献标志码: A
Bernoulli particle filter algorithm based on unscented transformation in
interval measurement
WU Sun-yong
1,2†
, ZHANG Xin-fang
1
, GUI Cong-nan
3
, CAI Ru-hua
1
, SUN Xi-yan
2
(1. School of Mathematics and Computational Science，Guilin University of Electronic Technology，Guilin 541004，
China；2. Guangxi Key Laboratory of Precision Navigation Technology and Application，Guilin 541004，China;
3. The 54th Research Institute of CETC，Shijiazhuang 050081，China)
Abstract: An improved Bernoulli particle filter algorithm based on unscented transformation is proposed for target
detection and tracking in the interval measurement. Under the theory framework of the particle filter, an algorithm which
combines the particle filter with the unscented Kalman filter(UKF) is presented. When persistent particles are calculated
during the predicted measure by using the algorithm, the persistent particles are most likely to be in the region of high
likelihood based on the current measurement, which makes the particles distribution more approach to the true posterior
distribution of the state. Simulation results show that the tracking error of the improved Bernoulli particle filter is less
than the original algorithm.
Keywords: target tracking；interval measurement；Bernoulli filter；unscented Kalman filter；particle filter
0 引
目标跟踪技术已广泛地应用于军事和民事领域,
尤其是基于随机有限集 (RFS)
[1]
理论的目标跟踪算
法备受国内外学者的关注. 21世纪初, Ristic等
[2]
基于
伯努利随机有限集理论, 提出了标准量测模型下的
伯努利滤波, 同时给出了滤波的两种实现方式: 粒子
滤波实现(即伯努利粒子滤波)、高斯和实现 (即伯努
利高斯和滤波). 但在实际应用中, 标准的量测模型有
时不能满足现实需求, 例如: 在复杂分布系统和无线
传感网络中,虽然由传感器检报出来的是一个点量测
值, 但实际的量测会受未知分布的边界误差影响, 使
得该类非标准的量测需要用区间形式表示
[3]
. 区间量
测弥补了标准量测模型的不足, 将标准量测模型中
仅受随机噪声影响的点量测用区间量测表示, 不仅
可以解决跟踪过程中监视区域内目标出现和消失的
问题, 还可以解决由随机不确定性、集合论不确定性
和数据融合 3种不确定源下所影响的非标准量测问
题
[4-5]
. 因此, Arulampalam 等在随机有限集理论的基
础上提出了不精确量测模型下的伯努利滤波, 用于解
决区间量测下的目标检测和跟踪问题, 同时应用粒子
滤波对其进行实现,称为区间量测下的伯努利粒子滤
波算法
[6-8]
. 该算法仅将系统状态转移概率密度作为
收稿日期: 2016-05-26；修回日期: 2016-12-03.
基金项目: 国家自然科学基金项目 (61261033, 61561016, 61362005)；广西自然科学基金项目(2014GXNSFAA118352,
2014GXNSFBA118280, 2016GXNSFAA380073)； 广 西 精 密 导 航 技 术 与 应 用 重 点 实 验 室 基 金 项 目
(DH201502)；广西高校数据分析与计算重点实验室开放基金项目；广西密码学与信息安全重点实验室
研究课题(GCIS201611).
作者简介: 吴孙勇 (1981−), 男, 副教授, 博士, 从事微弱目标检测与跟踪、阵列信号处理、粒子滤波等研究；张馨
方 (1991−), 女, 硕士生, 从事微弱目标检测与跟踪、粒子滤波的研究.
†
通讯作者. E-mail: wusunyong121991@163.com
资源评论
weixin_38661100
- 粉丝: 6
- 资源: 904
最新资源
- android修改system.img方法最新版本
- PID控制pidarduino库源码.rar
- Win7安装Android-Studio方法详解最新版本
- C++ 智能指针家族中的黄金搭档：std::shared-ptr 与 std::weak-ptr 协同工作机制全解析
- 基于中科院seetaface2进行封装的JAVA人脸识别算法库，支持人脸识别、1:1比对、1:N比对 seetaface2
- YOLOv3 多尺度方法改进与特征融合的深度探索与实现
- 小程序修改-网易云音乐.zip
- 小程序-仿网易蜗牛读书.zip
- 小程序·云开发系列教程-基础能力DEMO.zip
- MagNet-main， 是一种用于生成对抗网络（GAN）训练的模型，主要用来提升生成图像的质量并解决生成模型中存在的一些挑战，如模式崩溃（mode collapse）和训练不稳定等问题
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
