基于扩展卡尔曼滤波的交互式多模型跟踪算法研究

在辅助驾驶系统中,行人轨迹跟踪一直是一项有挑战性的任务,因为行人的回波信号中往往存在着许多干扰噪声。此外,行人在运动过程中可能会做出突然转身或其他改变方向的行为,这将直接导致行人运动轨迹呈现出非线性特征。针对上述问题,文中提出一种基于扩展卡尔曼滤波的交互式多模型跟踪(IMM-EKF)方法,适用于毫米波雷达对行人进行轨迹跟踪。首先,在扩展卡尔曼滤波算法(EKF)的基础上重构状态预测协方差矩阵,来补偿EKF非线性化过程中引入的误差;然后将改进的EKF作为交互式多模型算法(IMM)中的滤波器,根据行人运动特性选择匀速模型和协调转弯模型作为跟踪模型,利用所提出的IMM-EKF算法进行轨迹跟踪。实验结果表明,所提出的滤波算法较典型的EKF和改进的EKF算法,在跟踪滤波精度方面均有所提升,同时具备更优的跟踪鲁棒性。

基于EKF的毫米波雷达多目标跟踪算法研究

针对车载毫米波雷达多目标跟踪过程中存在量测数据受噪声影响严重和跟踪目标运动状态为非线性的问题,提出一种基于扩展卡尔曼滤波器(EKF)的车载毫米波雷达多目标跟踪算法。首先,建立了多目标跟踪过程中跟踪对象的数学模型;其次,介绍了多目标跟踪算法,并具体对扩展卡尔曼滤波器在该算法中的应用进行了详细的推导和研究;最后,开展了车载毫米波雷达多目标跟踪实验,并对跟踪结果作出了深入的理论分析。实验结果表明,该算法可以对车载毫米波雷达探测到的多个目标量测信息进行滤波跟踪。