留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于自适应强跟踪CQKF的目标跟踪算法

刘畅 杨锁昌 汪连栋 张宽桥

张丽华, 范玉青. 面向制造的飞机复合材料构件数字化定义[J]. 北京航空航天大学学报, 2008, 34(7): 807-811.
引用本文: 刘畅, 杨锁昌, 汪连栋, 等 . 基于自适应强跟踪CQKF的目标跟踪算法[J]. 北京航空航天大学学报, 2018, 44(5): 982-990. doi: 10.13700/j.bh.1001-5965.2017.0312
Zhang Lihua, Fan Yuqing. Digital definition of aircraft composite structures for manufacture[J]. Journal of Beijing University of Aeronautics and Astronautics, 2008, 34(7): 807-811. (in Chinese)
Citation: LIU Chang, YANG Suochang, WANG Liandong, et al. Target tracking algorithm based on adaptive strong tracking CQKF[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(5): 982-990. doi: 10.13700/j.bh.1001-5965.2017.0312(in Chinese)

基于自适应强跟踪CQKF的目标跟踪算法

doi: 10.13700/j.bh.1001-5965.2017.0312
详细信息
    作者简介:

    刘畅 男, 博士研究生。主要研究方向:非线性滤波、目标跟踪

    杨锁昌 男, 博士, 教授, 博士生导师。主要研究方向:导弹制导

    通讯作者:

    杨锁昌, E-mail: yangsuochang_jx@sina.com

  • 中图分类号: TN953

Target tracking algorithm based on adaptive strong tracking CQKF

More Information
  • 摘要:

    针对容积积分卡尔曼滤波(CQKF)受模型不确定性影响较大及需要精确已知噪声统计特性的缺点,提出了一种自适应强跟踪CQKF算法。该算法根据强跟踪滤波原理,引入渐消因子调整状态预测协方差矩阵,强迫残差序列正交,有效抑制了模型不确定性引起的滤波发散。在滤波过程中,利用Sage-Husa时变噪声统计估值器对过程噪声及量测噪声实时估计,提高了算法在未知时变噪声环境下的滤波精度。目标跟踪仿真实验验证了算法的有效性和鲁棒性。

     

  • 图 1  AST-CQKF算法流程图

    Figure 1.  AST-CQKF algorithm flowchart

    图 2  跟踪均方根误差(情形1)

    Figure 2.  RMSE tracking(Case 1)

    图 3  跟踪均方根误差(情形2)

    Figure 3.  RMSE tracking(Case 2)

    表  1  CQKF与AST-CQKF算法蒙特卡罗仿真计算时间

    Table  1.   Calculation time of Monte Carlo simulation in CQKF and AST-CQKF algorithm

    仿真步数 仿真次数 仿真计算时间/s
    CQKF AST-CQKF
    100 200 3.350 8 6.933 4
    100 100 1.742 3 3.417 1
    100 1 0.034 4 0.082 9
    50 200 1.736 6 3.380 9
    50 100 0.903 4 1.699 1
    50 1 0.023 7 0.062 2
    下载: 导出CSV
  • [1] KALMAN R E.A new approach to linear filtering and prediction theory[J].Transactions on ASME Journal of Basic Engineering, 1960, 82(D):35-46.
    [2] JAZWINSKI A H.Stochastic processes and filtering theory[M].New York:Academic Press, 1970:235-237.
    [3] 李天成, 范红旗.孙树栋.粒子滤波理论、方法及其在多目标跟踪中的应用[J].自动化学报, 2015, 41(12):1981-2002.

    LI T C, FAN H Q, SUN S D.Particle filtering:Theory, approach, and application for multitar-get tracking[J].Acta Automatica Sinica, 2015, 41(12):1981-2002(in Chinese).
    [4] 韩萍, 干浩亮, 何炜琨, 等.基于迭代中心差分卡尔曼滤波的飞机姿态估计[J].仪器仪表学报, 2015, 36(1):187-193. http://www.cnki.com.cn/Article/CJFDTotal-YQXB201501026.htm

    HAN P, GAN H L, HE W K, et al.Iterated central difference Kalman filter based aircraft attitude estimation[J].Chinese Journal of Scientific Instrument, 2015, 36(1):187-193(in Chinese). http://www.cnki.com.cn/Article/CJFDTotal-YQXB201501026.htm
    [5] 王宝宝, 吴盘龙.基于平方根无迹卡尔曼滤波平滑算法的水下纯方位目标跟踪[J].中国惯性技术学报, 2016, 24(2):180-184.

    WANG B B, WU P L.Underwater bearing-only tracking based on square-root unscented Kalman filter smoothing algorithm[J].Journal of Chinese Inertial Technology, 2016, 24(2):180-184(in Chinese).
    [6] 张龙, 崔乃刚, 杨峰, 等.高阶容积卡尔曼滤波及其在目标跟踪中的应用[J].哈尔滨工程大学学报, 2016, 37(4):573-578.

    ZHANG L, CUI N G, YANG F, et al.High-degree cubature Kalman filter and its application in target tracking[J].Journal of Harbin Engineering University, 2016, 37(4):573-578(in Chinese).
    [7] BHAUMIK S, WATI S.Cubature quarature Kalman filter[J]. IET Signal Processing, 2013, 7(7):533-541. doi: 10.1049/iet-spr.2012.0085
    [8] LAINIOTIS D G.Optimal adaptive estimation:Structure and parameters adaption[J].IEEE Transactions on Automatic Control, 1971, 16(2):160-170. doi: 10.1109/TAC.1971.1099684
    [9] MEHRA R K. On the identification of variances and adaptive filtering[J].IEEE Transactions on Automatic Control, 1970, 15(2):175-184. doi: 10.1109/TAC.1970.1099422
    [10] ODELSON B J, RAJAMANI M R, RAWLINGS J B.A new autocovariance least-squares method for estimating noise covariances[J].Automatica, 2006, 42(2):303-308. doi: 10.1016/j.automatica.2005.09.006
    [11] AKESSON B M, JORGENSON J B, POULSEN N K, et al.A generalized autocovariance least-squares method for Kalman filter tuning[J].Journal of Process Control, 2008, 18(7-8):769-779. doi: 10.1016/j.jprocont.2007.11.003
    [12] MYERS K A, TAPLEY B D.Adaptive sequential estimation with unknown noise statistics[J].IEEE Transactions on Automatic Control, 1976, 21(8):520-523.
    [13] KASHYAP R L.Maximum likelihood identification of stochastic linear systems[J].IEEE Transactions on Automatic Control, 1970, 15(1):25-34. doi: 10.1109/TAC.1970.1099344
    [14] LIMA F V, RAJAMANI M R, SODERSTROM T A, et al.Covariance and state estimation of weakly observable systems:Application to polymerization processes[J].IEEE Transactions on Control Systems Technology, 2013, 21(4):1249-1257. doi: 10.1109/TCST.2012.2200296
    [15] 李宁, 祝瑞辉, 张勇刚.基于Sage-Husa算法的自适应平方根CKF目标跟踪方法[J].系统工程与电子技术, 2014, 36(10):1899-1905. doi: 10.3969/j.issn.1001-506X.2014.10.02

    LI N, ZHU R H, ZHANG Y G.Adaptive square CKF method for target tracking based on Sage-Husa algorithm[J].Systems Engineering and Electronics, 2014, 36(10):1899-1905(in Chinese). doi: 10.3969/j.issn.1001-506X.2014.10.02
    [16] 王小旭, 潘泉, 黄鹤, 等.非线性系统确定采样型滤波算法综述[J].控制与决策, 2012, 27(6):801-812. http://www.cnki.com.cn/Article/CJFDTOTAL-KZYC201206000.htm

    WANG X X, PAN Q, HUANG H, et al.Overview of deterministic sampling filtering algorithms for nonlinear system[J].Control and Decision, 2012, 27(6):801-812(in Chinese). http://www.cnki.com.cn/Article/CJFDTOTAL-KZYC201206000.htm
    [17] 周东华, 席裕庚, 张钟俊.一种带多重次优渐消因子的扩展卡尔曼滤波器[J].自动化学报, 1991, 17(6):689-695. http://www.cnki.com.cn/Article/CJFDTOTAL-MOTO199106006.htm

    ZHANG D H, XI Y G, ZHANG Z J.A suboptimal multiple fading extended Kalman filter[J].Acta Automatica Sinica, 1991, 17(6):689-695(in Chinese). http://www.cnki.com.cn/Article/CJFDTOTAL-MOTO199106006.htm
    [18] 方君, 戴邵武, 许文明, 等.基于ST-SRCKF的超高速强机动目标跟踪算法[J].北京航空航天大学学报, 2016, 42(8):1698-1708.

    FANG J, DAI S W, XU W M, et al.Highly maneuvering hypervelocity-target tracking algorithm based on ST-SRCKF[J].Journal of Beijing University of Aeronautics and Astronautics, 2016, 42(8):1698-1708(in Chinese).
    [19] 张龙, 崔乃刚, 王小刚, 等.强跟踪-容积卡尔曼滤波在弹道式再入目标跟踪中的应用[J].中国惯性技术学报, 2015, 23(2):211-218.

    ZHANG L, CUI N G, WANG X G, et al.Strong tracking-cubature Kalman filter for tracking ballistic reentry target[J].Journal of Chinese Inertial Technology, 2015, 23(2):211-218(in Chinese).
    [20] 赵琳, 王小旭, 孙明, 等.基于极大后验估计和指数加权的自适应UKF滤波算法[J].自动化学报, 2010, 36(7):1007-1019.

    ZHAO L, WANG X X, SUN M, et al.Adaptive UKF filteing algorithm based on maximum a posterior estimation and exponential weighting[J].Acta Automatica Sinica, 2010, 36(7):1007-1019(in Chinese).
    [21] 丁家琳, 肖建, 赵涛.自适应CKF强跟踪滤波器及其应用[J].电机与控制学报, 2015, 19(11):111-120. http://www.cnki.com.cn/Article/CJFDTotal-DJKZ201511018.htm

    DING J L, XIAO J, ZHAO T.Adaptive CKF strong tracking filter and application[J].Electric Machines and Control, 2015, 19(11):111-120(in Chinese). http://www.cnki.com.cn/Article/CJFDTotal-DJKZ201511018.htm
  • 期刊类型引用(9)

    1. 尤立锋,王乾伟. 机场场面监视雷达目标航迹修正算法研究. 中国设备工程. 2025(05): 119-122 . 百度学术
    2. 张凤,孙健,袁帅. 基于强跟踪的移动机器人CQKF-SLAM方法. 计算机工程与设计. 2024(06): 1872-1879 . 百度学术
    3. 刘畅. 防空导弹抗电子干扰制导技术研究. 舰船电子工程. 2024(10): 1-3+9 . 百度学术
    4. 张丽杰,钱镭源. 基于噪声自适应和平方根滤波的改进TCKF算法. 计算机仿真. 2022(01): 322-326 . 百度学术
    5. 张丽杰,郝利军,李志宇. 基于变中心最大熵CQKF的WiFi/IMU组合定位方法. 导航定位学报. 2021(05): 48-53 . 百度学术
    6. 郝思冲,陈树新,吴昊,汪家宝,何仁珂. 基于自适应正交单纯形CKF的鲁棒目标跟踪方法. 火力与指挥控制. 2021(11): 30-36 . 百度学术
    7. 霍延军,崔巍. 基于强跟踪滤波的机器人运动轨迹控制系统设计. 计算机测量与控制. 2020(08): 149-152+170 . 百度学术
    8. 黄景帅,李永远,汤国建,包为民. 高超声速滑翔目标自适应跟踪方法. 航空学报. 2020(09): 297-310 . 百度学术
    9. 郝利军,张丽杰. 改进WKNN结合最大熵CQKF的室内定位方法. 电子测量技术. 2020(23): 46-50 . 百度学术

    其他类型引用(6)

  • 加载中
图(3) / 表(1)
计量
  • 文章访问数:  1168
  • HTML全文浏览量:  164
  • PDF下载量:  538
  • 被引次数: 15
出版历程
  • 收稿日期:  2017-05-15
  • 录用日期:  2017-06-26
  • 网络出版日期:  2018-05-20

目录

    /

    返回文章
    返回
    常见问答