粒子滤波算法改进策略研究

第３４卷第３期　２０１３年３月　宇航学报　

Ｊｏｕｒｎａｌ　ｏｆ　Ａｓｔｒｏｎａｕｔｉｃｓ　Ｖｏ１．３４　Ｎｏ

．３　

Ｍａｒｃｈ　２０１３　

多普勒盲区条件下的改进粒子滤波跟踪算法　韩伟，汤子跃，朱振波　（空军预警学院空天基预警监视装备系，武汉４３００１９）　

摘要：机载预警雷达采用脉冲多普勒体制，具有良好的低空探测性能，但其存在不可忽略的多普勒盲区问　题。在Ｅ１标跟踪的过程中，该盲区容易造成目标航迹中断和重起批。针对多普勒盲区条件下的目标连续跟踪问　题，提出了一种基于多假设运动模型的改进粒子滤波跟踪方法。该方法根据多普勒盲区对Ｌｔ标状态的约束形成多　个可能的运动模型，粒子在每个模型下再进行带有状态约束的更新，当新出现的量测值落人任何一个运动模型形　成的粒子云内，则航迹关联成功。仿真结果表明，该算法在不同盲区范围条件下，针对不同机动能力的目标均具有　较高的航迹关联率，能够实现目标的连续跟踪。　关键词：多普勒盲区；目标连续跟踪；多假设运动模型；粒子滤波；航迹关联　中图分类号：ＴＮ９５７　文献标识码：Ａ　文章编号：１０００—１３２８（２０１３）０３－０４１７－０９　ＤＯＩ：１０．３８７３／ｊ．ｉｓｓｎ．１０００—１３２８．２０１３．０３．０１８　

Ａｎ　Ｉｍｐｒｏｖｅｄ　Ｍｅｔｈｏｄ　ｆｏｒ　Ｔｒａｃｋｉｎｇ　Ｔａｒｇｅｔｓ　ｉｎ　Ｄｏｐｐｌｅｒ　Ｂｌｉｎｄ　Ｚｏｎｅ　Ｂａｓｅｄ　ｏｎ　Ｐａｒｔｉｃｌｅ　Ｆｉｌｔｅｒ　

ＨＡＮ　Ｗｅｉ，ＴＡＮＧ　Ｚｉ－ｙｕｅ，ＺＨＵ　Ｚｈｅｎ－ｂｏ　ｆ　Ｄｅｐｔ．Ａｉｒ／Ｓｐａｃｅ—Ｂａｓｅｄ　Ｅａｒｌｙ—Ｗａｒｎｉｎｇ＆Ｓｕｒｖｅｉｌｌａｎｃｅ　Ｅｑｕｉｐｍｅｎｔ　Ａｉｒ　Ｆｏｍｅ　Ｒａｄａｒ　Ａｃａｄｅｍｙ，Ｗｕｈａｎ　４３００１９，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａｉｒｂｏｒｎｅ　ｅａｒｌｙ　ｗａｒｎｉｎｇ　ｒａｄａｒ　ｗｉｔｈ　ｐｕｌｓｅ　Ｄｏｐｐｌｅｒ（ＰＤ）ｓｙｓｔｅｍ　ｈａｓ　ｇｏｏｄ　ｄｅｔｅｃｔｉｏｎ　ｐｅｒｆｏｒｍａｎｃｅ　ｆｏｒ　ｌｏｗ　Ｍｔｉｔｕｄｅ　ｔａｒｇｅｔｓ，ｂｕｔ　ｔｈｅ　ｐｒｏｂｌｅｍ　ａｂｏｕｔ　Ｄｏｐｐｌｅｒ　ｂｌｉｎｄ　ｚｏｎｅ（ＤＢＺ）ｃａｎ’ｔ　ｂｅ　ｉｇｎｏｒｅｄ．Ｉｎ　ｔｈｅ　ｐｒｏｃｅｓｓ　ｏｆ　ｔｒａｃｋｉｎｇ　ｔａｒｇｅｔｓ，ｔｈｅ　ｂｌｉｎｄ　ｚｏｎｅ　ｃａｎ　ｃａｕｓｅ　ｉｎｔｅｒｒｕｐｔｉｏｎ　ｏｆ　ｔａｒｇｅｔ　ｕ＇ａｃｋｉｎｇ　ｔｅｒｍｉｎａｔｉｏｎ　ａｎｄ　ｎｅｗ　ｉｎｉｔｉａｔｉｏｎ　ｏｆ　ｔｒａｃｋ　ｅａｓｉｌｙ．Ｃｏｎｓｉｄｅｒｉｎｇ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｏｆ　ｃｏｎｔｉｎｕｏｕｓ　ｔａｒｇｅｔ　ｔｒａｃｋｉｎｇ　ｉｎ　ＤＢＺ，ａｎ　ｉｍＦ・ｒｏｖｅｄ　ｐａｒｔｉｃｌｅ　ｆｉｌｔｅｒ（ＰＦ）ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｍｕｌｔｉｐｌｅ－ｈｙｐｏｔｈｅｓｉｓ　ｍｏｔｉｏｎ　ｍｏｄｅｌｓ　（ＭＨＭＭ）ｉｓ　ｐｒｏｐｏｓｅｄ．Ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｐｒｏｄｕｃｅｓ　ｍｕｌｔｉｐｌｅ　ｐｏｓｓｉｂｌｅ　ｍｏｔｉｏｎ　ｍｏｄｅｌｓ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔａｒｇｅｔ　ｓｔａｔｅ　ｃｏｎｓｔｒａｉｎｔ　ｄｅｃｉｄｅｄ　ｂｙ　Ｄｏｐｐｌｅｒ　ｂｌｉｎｄ　ｚｏｎｅ．Ｉｎ　ｅａｃｈ　ｍｏｔｉｏｎ　ｍｏｄｅｌ，ｔｈｅ　ｐａｒｔｉｃｌｅｓ　ａｒｅ　ｕｐｄａｔｅｄ　ｗｉｔｈｉｎ　ｓｔａｔｅ　ｃｏｎｓｔｒａｉｎｔ．Ｏｎｃｅ　ｔｈｅ　ｆｉｒｓｔ　ｍｅａｓｕｒｅｍｅｎｔ　ａｆｔｅｒ　ｔｈｅ　ｒｅａｐｐｅａｒａｎｃｅ　ｏｆ　ｔｈｅ　ｔａｒｇｅｔ　ｆｒｏｍ　ＤＢＺ　ｆａｌｌｓ　ｉｎｔｏ　ｐａｒｔｉｃｌｅ　ｃｌｏｕｄ　ｆｏｒｍｅｄ　ｂｙ　ａ　ｃｅｒｔａｉｎ　ｍｏｄｅｌ，ｔｈｅ　ｔｒａｃｋ　ａｓｓｏｃｉａｔｉｏｎ　ｉｓ　ｓｕｃｃｅｓｓｆｕ１．Ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｕｎｄｅｒ　ｔｈｅ　ｃｏｎｄｉｔｉｏｎ　ｏｆ　ｄｉｆｆｅｒｅｎｔ　Ｄｏｐｐｌｅｒ　ｂｌｉｎｄ　ｚｏｎｅ　ｒａｎｇｅｓ，ｈｉｇｈ　ｔｒａｃｋ　ａｓｓｏｃｉａｔｉｏｎ　ｒａｔｉｏ　ｃａｎ　ｂｅ　ｇｏｔ　ｉｎ　ｔｈｉｓ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｔａｒｇｅｔｓ　ｗｉｔｈ　ｄｉｆｆｅｒｅｎｔ　ｍａｎｅｕｖｅｒａｂｉｌｉｔｙ．Ａｃｃｏｒｄｉｎｇｌｙ　ｔｈｉｓ　ａｌｇｏｒｉｔｈｍ　ｃａｎ　ｂｅ　ｉｍｐｌｅｍｅｎｔｅｄ　ｉｎ　ｃｏｎｔｉｎｕｏｕｓ　ｔａｒｇｅｔ　ｔｒａｃｋｉｎｇ．　Ｋｅｙ　ｗｏｒｄｓ：Ｄｏｐｐｌｅｒ　ｂｌｉｎｄ　ｚｏｎｅ；Ｃｏｎｔｉｎｕｏｕｓ　ｔａｒｇｅｔ　ｔｒａｃｋｉｎｇ；Ｍｕｌｔｉｐｌｅ—ｈｙｐｏｔｈｅｓｉｓ　ｍｏｔｉｏｎ　ｍｏｄｅｌｓ；Ｐａｒｔｉｃｌｅ　ｆｉｌｔｅｒ；　Ｔｒａｃｋ　ａｓｓｏｃｉａｔｉｏｎ　

基于粒子滤波的车辆自动定位与路径规划算法研究摘要：随着自动驾驶技术的发展，车辆的自动定位和路径规划成为了研究热点。

粒子滤波算法作为一种有效的解决方法，能够实现车辆的自动定位和路径规划。

本文基于粒子滤波算法研究了车辆的定位和路径规划问题，通过实验验证了粒子滤波算法在解决车辆定位和路径规划问题上的有效性和可行性。

引言：车辆的自动定位和路径规划是实现自动驾驶的关键技术之一。

通过精确定位和规划最优路径，车辆可以实现自主导航，从而实现自动驾驶。

粒子滤波算法是一种基于概率推理的非线性滤波方法，具有适应非线性系统的能力，在车辆自动定位和路径规划中具有广泛应用前景。

1. 粒子滤波算法的基本原理粒子滤波算法是一种基于贝叶斯滤波的非参数方法，通过一组粒子表示潜在的系统状态，并通过不断迭代更新、权衡粒子权重来实现对系统状态的估计和预测。

其基本原理可分为三个步骤：预测、更新和重采样。

在预测步骤中，根据系统的状态转移模型和控制输入，通过对每个粒子进行状态转移来预测下一时刻的状态。

在更新步骤中，通过观测数据对每个粒子进行权重更新，以反映当前观测数据与粒子状态的匹配程度。

在重采样步骤中，根据粒子的权重对粒子进行采样，以保留权重高的粒子，同时增加权重低的粒子的数量。

通过不断迭代上述步骤，可以获得对系统状态的估计，从而实现车辆自动定位和路径规划。

2. 车辆自动定位与路径规划问题车辆自动定位与路径规划问题是指根据车辆的传感器数据和地图信息，确定车辆在给定时刻的位置和规划最优的路径。

通过粒子滤波算法可以有效解决该问题。

首先，通过车载传感器获取车辆的定位信息，如GPS定位、惯性导航等。

然后，通过粒子滤波算法对定位误差进行修正，提高定位的准确性。

在路径规划方面，通过地图信息和车辆传感器数据，建立路径规划模型。

将车辆所在位置作为起点，目标位置作为终点，利用粒子滤波算法计算出最优路径。

3. 粒子滤波算法在车辆自动定位中的应用粒子滤波算法在车辆自动定位中有着广泛的应用。

【国外粒子滤波目标跟踪算法技术的应用情况】在当今信息化社会，目标跟踪技术已经广泛应用于各种领域，比如智能监控、自动驾驶、医学影像处理等。

而粒子滤波目标跟踪算法作为一种常见的目标跟踪方法，在国外也得到了广泛的应用和研究。

本文将从深度和广度两个方面对国外粒子滤波目标跟踪算法技术的应用情况进行全面评估，并根据研究结果撰写一篇有价值的文章。

一、粒子滤波目标跟踪算法的原理与特点在深入探讨粒子滤波目标跟踪算法的应用情况之前，我们先来简要了解一下该算法的原理与特点。

粒子滤波是一种基于蒙特卡洛方法的状态估计技术，它通过利用粒子来逼近目标的后验概率分布，从而实现对目标状态的跟踪和预测。

与传统的卡尔曼滤波算法相比，粒子滤波能够更好地处理非线性、非高斯的系统，并且对于高度非线性的系统具有更好的适应性。

粒子滤波在目标跟踪领域具有独特的优势，得到了广泛的关注和研究。

二、国外粒子滤波目标跟踪算法的应用领域1.智能监控领域在智能监控领域，粒子滤波目标跟踪算法被广泛应用于视频监控、物体识别和行为分析等方面。

美国的一家安防公司利用粒子滤波算法开发了一款智能监控系统，能够自动识别并跟踪监控画面中的目标物体，对异常行为进行实时预警。

该系统具有良好的鲁棒性和准确性，受到了用户的一致好评。

2.自动驾驶领域粒子滤波目标跟踪算法在自动驾驶领域也有着重要的应用。

美国的一家知名汽车企业利用粒子滤波算法实现了对车辆和行人的实时跟踪，从而提高了自动驾驶汽车的行车安全性和可靠性。

与传统的传感器融合方法相比，粒子滤波算法能够更好地处理目标物体的运动模式和不确定性，为自动驾驶系统的实际应用带来了更多可能。

3.医学影像处理领域在医学影像处理领域，粒子滤波目标跟踪算法被广泛应用于医学图像的分割、配准和跟踪等方面。

欧洲的一家医疗科技公司利用粒子滤波算法开发了一款医学影像处理软件，能够对医学图像中的病变部位进行精确定位和跟踪，为临床诊断和治疗提供了重要的辅助信息。

卫星姿态确定及敏感器误差修正的滤波算法研究一、内容综述近年来，随着空间技术的迅速发展，卫星在通信、导航、气象、国防等方面都发挥着越来越重要的作用。

为了准确而稳定地获取卫星的各种信息，精确的卫星姿态确定与敏感器误差修正显得尤为重要。

针对这一问题，研究者们对卫星姿态确定与敏感器误差修正方法开展了广泛而深入的研究。

本文将对这些方法进行综述，从基本原理到算法实现，全面展现当前该领域的进展。

卫星姿态确定主要涉及到卫星位置和角度的确定，是卫星自主导航、控制与管理的基础。

卫星上通常设置有三轴陀螺仪和三轴加速度计等敏感器来测量卫星姿态变化，并通过滤波算法实现对姿态的精确估计。

在实际运行过程中，由于各种因素的影响，如敏感器的制造误差、环境条件变化等，会导致敏感器输出数据存在偏差，从而影响卫星姿态确定的精度和稳定性。

为了提高姿态确定的准确性，需要采用有效的误差修正方法对敏感器数据进行校正。

现有的误差修正方法可分为两类：基于统计的方法和基于模型的方法。

统计方法主要依赖于大量的历史数据，通过对数据进行拟合和预测来实现误差修正，但难以处理非线性关系和复杂动态环境。

而基于模型的方法则是利用系统内部的先验知识，建立误差模型进行误差修正，具有较强的实时性和适应性。

滤波算法作为一种高效的数值计算方法，已被广泛应用于卫星姿态确定与敏感器误差修正中。

通过对观测数据进行处理，滤波算法能够估计出卫星的实际姿态，并通过反馈控制进一步优化姿态估计精度，实现卫星的高精度、高稳定性的运行。

1. 卫星在现代通信、导航及遥感中的重要性近年来，随着空间技术的迅猛发展，卫星在现代通信、导航及遥感领域的应用越来越广泛，其重要性也日益凸显。

卫星通信技术的发展使得全球范围内的信息交流变得更加迅速和便捷，为全球信息化社会的建设提供了有力支持。

导航技术在军事、交通、消防、救援等领域发挥着越来越重要的作用，极大地提高了人们的出行效率和安全性。

卫星遥感技术在农业、林业、海洋、环境监测等领域的应用也为我们认识和改造世界提供了强大的手段。

• 106•ELECTRONICS WORLD ・探索与观察粒子滤波算法的应用研究沈阳建筑大学 宋昊霖随着信息技术的不断发展，非线性系统状态估计已逐渐成为一个受到国内外学者重视的热点研究课题。

但随着实际应用对模型的复杂性不断提高，传统的滤波方法已无法满足滤波精度的要求。

粒子滤波技术作为一种非线性数值滤波方法，可以高效地处理非线性，非高斯动态系统状态估计。

在面向更复杂的非线性模型时，无需对非线性系统做线性估计，更符合实际滤波的要求。

1.引言粒子滤波是一种应用蒙特卡洛方法做递推贝叶斯估计的滤波算法。

与传统的滤波方法相似，可以通过驱动模型方程由前一时刻的状态值递推得到下一时刻的空间状态。

它是采用带有权值的粒子进行状态前验分布估计，再参考观测值来得到状态的后验分布。

进而描述系统的状态空间分布。

因为其处理非线性、非高斯动态系统滤波问题的优良特性，在目标跟踪、故障诊断、图像重构等领域均有广泛的应用前景。

2.序贯重要性采样算法（SIS算法）序贯重要性采样算法是粒子滤波算法的核心。

序贯重要性采样算法是从选定的重要性函数采样中得到带有权值的粒子，然后根据最新的观测值，通过似然函数调整粒子权值，最后通过粒子加权和的方式表示系统的状态。

假设重要性概率密度函数为：(1)给定系统状态下各次观测独立，则：(2) (3)后验概率密度函数的递归形式可以表示为：(4)粒子权值的递归形式可以表示为：(5)粒子权值归一化后，则后验滤波概率密度可近似为：(6)但是，SIS 算法存在一个无法避免的问题就是粒子权值会退化。

所以采用有效粒子数N eff 来衡量粒子权值的退化程度，即：(7)有效粒子数越小，表明权值退化越严重。

若要使N eff 小于阈值，可以采用增加粒子数N 等措施。

但粒子数增加会增大算法的复杂性和运算量，所以我们往往会采用重采样算法解决粒子退化问题。

图1 标准粒子滤波算法原理图3.标准粒子滤波算法重采样方法就是在每步迭代过程中，不再直接舍弃权值小的粒子，而是根据粒子权值，对所有粒子进行重新采样，增加粒子的多样性。