基于边缘化高斯厄密特卡尔曼滤波的有偏量测下机动目标跟踪方法

针对传感器存在测量偏差情况下的机动目标跟踪问题,提出一种基于边缘化高斯厄密特卡尔曼滤波的有偏量测下机动目标跟踪方法。首先,通过相邻时刻的量测差分构建差分量测方程,从而消除测量偏差,将相邻时刻的目标状态扩维形成增广状态向量以匹配差分量测方程,实现实时滤波估计,同时对增广状态向量进行边缘化处理以降低高斯厄密特滤波的采样维度,减小滤波负担;然后,将交互式多模型方法融入边缘化高斯厄密特卡尔曼滤波以解决机动目标运动模型不确定的问题,在此基础上利用差分量测方程和增广状态向量推导出相应的滤波方程。实验结果表明,本方法能有效消除传感器测量偏差,目标跟踪精度远高于传统的交互式多模型高斯厄密特卡尔曼滤波方法。

Maximum Posterior Adjustment of Extended Network and Estimation Formulae of Its Variance Components

This paper derives the maximum posterior adjustment formulae of the extended network and the estimation formulaes of variance components of Helmert, Welsch and Frstner types when there are two types of uncorrelated observations in it, and perfects the theory of the maximum posterior adjustment.