基于IMM—PF的分布式估计融合算法.pdf.pdf

维普资讯
第卷第期与年月
. . .
文章编号:——
基于—的分布式估计融合算法
彭志专,冯金富,钟咏兵,伍友利,梁晓龙
空军工程大学工程学院,西安
摘要:针对基于扩展卡尔曼滤波的估计融合算法存在线性化误差,且受高斯噪声假设限制的问题,提出一种基于
交互式多模型粒子滤波——算法,以便在非线
性、非高斯条件下稳健地跟踪机动目标;融合中心则采用基于粒子滤波的分布式融合方法进行全局估计融合.
该算法适用于非线性、,该算法能够提高多传感器系统状态估计的
精度.
关键词:分布式融合;粒子滤波;交互式多模型;非线性/非高斯
中图分类号: 文献标识码:
—
—,~,—,己,,—
.,’,. : —,
—: ..
:/.

. /.
,,/.
, —,
。.
.
:;;/
引言传感器系统中应用粒子滤波的成果则不多见.
估计融合是多传感器信息融合的一个重要内等提出了一种联合重抽样的集中式粒子滤波
,针对线性、高斯条件下多传感器状态估计融合算法,该方案需要系统承担繁重的通讯负担,实
融合的理论和方法日趋完善,,等对该算法进行了改进,
景非线性、非高斯环境的融合方法,
,融合中心计算负担过重,系统生存能力较差.
常用于非线性系统状态估计,但这些算法存在线等将粒子滤波器用于分布式机动目标融
性化误差,估计精度不高,而且不适用于非高斯条件合跟踪,但并没有给出非线性系统融合的解析算法.
系统. 交互式多模型粒子滤波算法—采
粒子滤波是近年来刚刚兴起的一种基用多模型结构以跟踪任意机动目标,各模型采用粒
于仿真的最优回归贝叶斯非线性滤波子滤波算法,以处理非线陛、非高斯问题.—

定的限制,
波的优点引起了众多学者的广泛关注,
收稿期:——;修回期:——..
基金项目:国家计划项目;国家自然科学基金项目.
作者简介:彭志专~,男,湖南益阳人,博士生,从事非线性滤波、估计融合等研究;冯金富一,男,江
苏泰兴人,教授,博士生导师,从事武器管理与控制、多传感器信息融合等研究.
维普资讯
控制与决策第卷
法;可在非线性、非高斯条件下稳健跟踪机动目标; 行输出交互,并对所有的粒子求加权平均和
融合中心采用基于的分布式融合方法进行全局是是一
、非高斯条件下的多
传感器状态估计. ∑是是“是,
交互式多模型粒子滤波
算法采用多模型结构跟踪机动目标, 是是一∑”是是/.
各模型采用粒子滤波算法,以处理非线性、非高斯问
,可以方便地是时刻的后验概率密度函数可近似表示为
得到局部先验概率密度函数和局部状态估计.