无序量测的次优递推滤波器

在多平台多传感器组合跟踪等领域 ,由于通信的时间延迟 ,常常出现各传感器量测不能按照正常时序发送到数据处理中心的情形 .为解决无序量测的滤波问题 ,本文提出一种次优递推滤波器OOSMF(Out of SequenceMea surementsFilter) ,该滤波器估计精度高、计算量和存储量较小、输出无延迟 .

单步延迟无序量测滤波算法的最优性分析

不同的通信时间延迟和量测预处理时间,导致在实际的集中式多传感器融合跟踪系统中,常会出现多传感器量测数据不能按正常时序到达中心处理器的无序量测(OOSM)现象,中心处理器处理这类无序量测数据时将遇到负时间更新问题.针对单步延迟无序量测更新问题,从理论上分析了Bar-Shalom提出的A1算法的最优性,指出其最优性与过程噪声的离散化模型有关,证明A1算法在过程噪声直接离散化模型(DDM)下不是最优的,它仅是过程噪声连续离散化模型(DCM)下的最优滤波算法.提出了DDM条件下的一种改进算法,它能获得比A1算法更高的无序量测滤波精度.提出了一种与过程噪声离散化模型无关的最优无序量测滤波算法,此算法在两种过程噪声离散化模型下都能达到有序量测处理时的滤波精度.对两个新算法的滤波性能进行了理论分析,采用MonteCarlo计算机仿真实验比较了新算法和有序量测处理时的滤波结果,验证了新算法的有效性.

非线性无序测量无迹滤波在地面跟踪目标指示器的应用

对于多传感器融合系统,在处理中心往往由于通信数据链的失误,出现滞后数据(即无序量测),这对数据不利于融合的正常进行。本文对此提出一种最优和次优的无序量测无迹卡尔曼(UKF)滤波器,基于UT变换,把多步滞后量测转化为等价一步滞后量测,用无序量测直接滤波更新。通过最优、次优UKF滤波器和扩展KF滤波器在不同情况下对地面跟踪目标指示器(GMTI)组合跟踪的无序量测处理作比较,可看出本文所述滤波器提高了非线性条件下的无序量测滤波精度。

一种最佳多延迟无序量测处理算法

针对集中式多传感器目标跟踪系统存在的无序量测处理问题,基于最优线性固定点平滑思想,提出了一种新的最佳多延迟无序量测处理算法。通过理论分析和仿真试验表明,新提出的W1算法与现有的多步延迟无序量测处理算法M1及Z1一样,都是最佳的。