基于改進UKF的轉彎機動目標跟蹤算法研究
2022年電子技術應用第9期
李盈萱1，王中訓1，董云龍2
1.煙臺大學 物理與電子信息學院，山東 煙臺264005；2.海軍航空大學信息融合研究所，山東 煙臺264001
摘要： 針對轉彎率未知或變化條件下的精確跟蹤問題開展研究，給出了基于UKF的自適應協同轉彎跟蹤算法，該算法充分利用了擴維技術和自適應漸消因子技術，不斷實時估計轉彎率，同時基于漸消因子調節過程噪聲及其對應的增益，并對不敏卡爾曼濾波算法的采樣范圍進行自適應調節,使采樣點更接近目標真實狀態。仿真表明該算法在轉彎率變化時獲得了較好的跟蹤性能，有效提升了對于轉彎機動目標跟蹤的準確性和穩定性。
中圖分類號： TN953
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.223084
中文引用格式： 李盈萱，王中訓，董云龍. 基于改進UKF的轉彎機動目標跟蹤算法研究[J].電子技術應用，2022，48(9)：27-31.
英文引用格式： Li Yingxuan，Wang Zhongxun，Dong Yunlong. Research on turning maneuvering target tracking algorithm based on improved UKF[J]. Application of Electronic Technique，2022，48(9)：27-31.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.223084
中文引用格式： 李盈萱，王中訓，董云龍. 基于改進UKF的轉彎機動目標跟蹤算法研究[J].電子技術應用，2022，48(9)：27-31.
英文引用格式： Li Yingxuan，Wang Zhongxun，Dong Yunlong. Research on turning maneuvering target tracking algorithm based on improved UKF[J]. Application of Electronic Technique，2022，48(9)：27-31.
Research on turning maneuvering target tracking algorithm based on improved UKF
Li Yingxuan1，Wang Zhongxun1，Dong Yunlong2
1.School of Physics and Electronic Information，Yantai University，Yantai 264005，China； 2.Information Fusion Institute，Naval Aviation University，Yantai 264001，China
Abstract： This paper studies the accurate tracking problem under the condition of unknown or changing turning rate, an adaptive coordinated turning tracking algorithm based on UKF is proposed. The algorithm makes full use of the dimensionality extension technology and the adaptive fading factor technology, continuously estimates the turning rate in real time and adjusts the process noise and its corresponding gain based on the fading factor. At the same time, adaptively adjusts the sampling range of the unscented Kalman filter algorithm to make the sampling points closer to the real state of the target. Simulation results show that the algorithm achieves good tracking performance when the turning rate changes, and effectively improves the accuracy and stability of tracking maneuvering target.
Key words : maneuvering target tracking；unscented Kalman filter；adaptive-turning model；adaptive fading factor；sampling range
0 引言
機動目標跟蹤廣泛應用于軍用及民用領域，且一直是目標跟蹤領域研究的重點和難點[1]，其核心在于建立與目標實際運動狀態匹配的系統模型和選擇合適濾波算法[2-3]。
在目標的各種運動中，轉彎運動是一種常見的運動形式，對做轉彎運動的目標進行跟蹤時，如果跟蹤模型中設置的轉彎率與實際情況不符，會產生較大的估計誤差[4]，而實際上，目標運動的轉彎率多數情況下都是未知的。因此，人們在固定轉彎率的協同轉彎(Coordinated Turning，CT)模型基礎上進行了各種改進，以提高跟蹤轉彎運動目標的準確性和穩定性。主要有兩種改進方法[5]，一是對多個轉彎率建立相應的跟蹤模型[6]，構建交互式多模型，二是通過實時計算實現轉彎率自適應調節[7-10]。
除了要建立合適的系統模型，濾波算法的選擇也十分重要。自20世紀60年代卡爾曼濾波理論提出至今，針對不同問題的各種濾波算法層出不窮。擴展卡爾曼濾波(Expanded Kalman Filter，EKF)算法[11-12]、不敏卡爾曼濾波(Unscented Kalman Filter，UKF)算法[13]、粒子濾波(Particle Filter，PF)算法是幾種常用的非線性濾波算法。
本文詳細內容請下載：http://www.cowatch.cn/resource/share/2000004916。
作者信息：
李盈萱1，王中訓1，董云龍2
(1.煙臺大學 物理與電子信息學院，山東 煙臺264005；2.海軍航空大學信息融合研究所，山東 煙臺264001)
此內容為AET網站原創，未經授權禁止轉載。