转换测量值卡尔曼滤波的激光目标跟踪

为了解决在实际的目标跟踪系统中测量方程与运动方程的非线性问题 ,在传统的卡尔曼滤波的基础上提出了转换测量值的卡尔曼滤波器 ,并以此为基础在三维空间对其进行了推导 ,最后结合激光器的特点把它应用于激光跟踪目标的仿真 .与扩展卡尔曼滤波相比较 ,应用转换测量值卡尔曼滤波器进行仿真的精度要明显高于应用扩展卡尔曼滤波器所得到的结果 .

基于转换坐标卡尔曼滤波算法的目标跟踪

在三维空间中推导转换坐标卡尔曼滤波算法。先设一传感器位于坐标原点,导出目标测量方程及三维传感器测量误差方差。再假设目标相对于传感器的斜距、俯仰角及方位角在一定位置,根据公式求得三者关系,然后将传感器对目标的测量值转换到直角坐标系,得到传感器的斜距误差、俯仰角误差和方位角误差均相互独立,均值为零。最后经转换,得到测量和真实值间的误差。仿真表明,该算法收敛迅速,精度较高,具有良好的跟踪性能。

激光跟踪测量数据融合的精度分析

本文主要研究非线性系统中,使用多台激光干涉仪对运动目标进行跟踪测量的精度问题.本文在基于转换测量值卡尔曼滤波算法的基础上,对西种融合方法-点迹融合和轨迹融合进行了理论分析,并对融合结果进行了仿真比较,仿真结果与理论分析结果相同,仿真结果点迹融合优于轨迹融合,但是两种融合方法的精度相差并不大.

多传感器跟踪型数据滤波融合算法

在实际系统中 ,常用的数据融合方法是基于扩展的卡尔曼滤波算法的融合算法 ,但是这种融合算法的跟踪精度并不是很高 .通过对滤波跟踪型数据融合的研究 ,提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法 .研究表明 ,在利用激光干涉仪进行目标跟踪时 ,这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法 ,但是 ,从仿真结果可以看出 ,两种融合算法的差别并不大 ,结果基本相同 .因此 ,在非线性系统中 。