论文部分内容阅读
基于蒙特卡罗方法和递推贝叶斯估计的粒子滤波方法在解决非线性非高斯系统滤波问题时表现出来的优越性决定了它的广泛应用性，其完全突破了传统卡尔曼滤波对过程噪声和量测噪声的限制，逼近最优估计的精度适用于任何非线性系统。在处理非线性非高斯时变系统状态滤波和参数估计时，粒子滤波通过对系统概率假设密度采样的预测和更新来近似最优贝叶斯估计。尽管在非线性非高斯系统数据处理和分析中，粒子滤波器具有较高的潜在应用价值，但是仍有许多亟待解决的问题。本文以空空导弹目标识别为出发点，基于UT变换算法和粒子滤波算法给出了无迹卡尔曼滤波的粒子群算法改进，最后用STK(Satellite ToolKit)仿真工具包来实现对多目标的识别跟踪。
本文的主要研究内容如下:
1、以空空导弹目标识别作为多目标滤波的对象，分析推导了空空导弹的运动模型，介绍了目标识别过程中受到的典型的干扰条件。在贝叶斯随机有限集理论框架下模型化多目标滤波问题，利用最优贝叶斯滤波来估计多目标后验概率密度，以一阶矩展开近似代替多目标的后验概率密度，实现对目标数和目标状态的估计。
2、经典卡尔曼滤波器作为线性随机系统的最优滤波估计，无法得到非线性系统的后验密度分布。以Sigma点卡尔曼滤波为代表的非线性滤波具有与菲线性系统状态分布相同的均值和协方差，通过非线性变换Sigma点能够计算出系统状态的后验均值和协方差。本文在UT变换算法和粒子滤波算法的基础上，提出了一种对无迹卡尔曼滤波的改进算法。该算法在Unscented变换(UT)中利用对称采样的Sigma点采样策略得到粒子，然后利用无迹卡尔曼滤波算法得到更优更接近系统状态概率假设密度分布的重要性密度函数，最后把所有粒子依据不同的身份标签分组为粒子群，利用最新获得粒子群中的粒子和似然度估计出目标状态。从理论分析和仿真实验的角度验证了改进算法的可行性。
3、作为航天仿真工具软件，STK在航空应用方面同样有非常强的适用性。将任意时刻传感器对目标探测的量测集提供给STK场景分析工具，基于STK/4DX独立发布包，利用STK强大的模型数据库、逼真的二维和三维视景显示效果来仿真空空导弹的多目标跟踪识别。