针对仅利用测角信息进行无源定位时,推广卡尔曼滤波量测方程的非线性问题,提出采用基于贝叶斯最佳估计的粒子滤波算法。该算法利用一系列随机粒子来表示所需状态估值后验概率分布,不仅可以克服推广卡尔曼滤波的非线性误差积累问题,而且...针对仅利用测角信息进行无源定位时,推广卡尔曼滤波量测方程的非线性问题,提出采用基于贝叶斯最佳估计的粒子滤波算法。该算法利用一系列随机粒子来表示所需状态估值后验概率分布,不仅可以克服推广卡尔曼滤波的非线性误差积累问题,而且适用于非线性非高斯白噪声的观测条件。文中对机载单站对地面固定目标定位问题进行 Monte Carlo 仿真,结果表明尽管粒子滤波算法计算成本高,但可以满足实时处理要求,而其收敛速度和鲁棒性均明显优于推广卡尔曼滤波算法。展开更多
文摘针对仅利用测角信息进行无源定位时,推广卡尔曼滤波量测方程的非线性问题,提出采用基于贝叶斯最佳估计的粒子滤波算法。该算法利用一系列随机粒子来表示所需状态估值后验概率分布,不仅可以克服推广卡尔曼滤波的非线性误差积累问题,而且适用于非线性非高斯白噪声的观测条件。文中对机载单站对地面固定目标定位问题进行 Monte Carlo 仿真,结果表明尽管粒子滤波算法计算成本高,但可以满足实时处理要求,而其收敛速度和鲁棒性均明显优于推广卡尔曼滤波算法。