有限记忆量测噪声在线估计的Kalman改进算法

针对有限记忆量测噪声在线估计算法中,新息残差序列对渐变噪声的统计滞后问题,提出了一种新息变化率构建算法.该算法利用当前统计周期内新息绝对值的均值与前一统计周期内新息均值的绝对值构造新息变化率,并在此基础上提出了利用新息变化率作为量测噪声估计阵修正因子的改进算法.仿真比较了在无噪声变化、噪声突变与噪声渐变3种不同情况下,算法改进前后的滤波效果.仿真结果表明,该算法在保留对突变噪声有效检测的同时,提高了对渐变噪声的检测速度,从而提高了有限记忆量测噪声在线估计算法对量测噪声阵的计算精度.

基于“当前”统计模型的分段模糊跟踪算法

分析了"当前"统计模型的自适应跟踪特性,界定了其适用机动范围。提出了一种根据目标机动强弱分段调节系统方差,且在各机动段内基于新息变化强度又实时模糊调节方差的自适应跟踪方法。该方法从宏观、局部及微观多层次动态调节系统方差,兼顾了跟踪的快速性和精度。仿真结果表明,在目标机动较强时,首先提高跟踪快速性,使其快速稳定,再着重改善精度;机动较弱时,平稳提升跟踪精度,微调其快速性。该方法取得了较好的跟踪效果。