一种改进的UKF算法在目标跟踪系统建模中的应用

研究纯方位被动目标跟踪中基于Unscented变换的Kalman滤波器,讨论Unscented变换的基本原理和Unscented Kalman滤波器(UKF)算法,UKF虽然改善了系统线性化误差,但并没有明显改善卡尔曼滤波器容易发散的问题。文中提出将UKF算法改进为衰减记忆UKF算法(MAUKF),通过引进衰减因子加强对当前测量数据的利用,减小历史数据对滤波的影响。对二维坐标下的匀速直线运动轨迹进行跟踪仿真,仿真结果表明,MAUKF方法更加准确、稳定。

衰减记忆无迹卡尔曼粒子滤波算法研究

无迹卡尔曼粒子滤波算法作为典型的粒子滤波改进算法,有效提高了滤波精度.但旧的数据影响过大,导致滤波发散,借鉴衰减记忆无迹卡尔曼滤波算法的思想,通过引进衰减因子实现对当前测量数据利用的加强,减小历史数据对滤波结果的影响,提出了一种基于衰减记忆无迹卡尔曼滤波的粒子滤波算法.仿真实验表明,算法能够提供优于传统无迹卡尔曼滤波算法的跟踪精度.