噪声未知情况下的自适应无迹粒子滤波算法

doi:10.7964/jdxbgxb201304047

吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (04): 1139-1145.doi: 10.7964/jdxbgxb201304047

噪声未知情况下的自适应无迹粒子滤波算法

李昱辰^1,2, 李战明¹

1. 兰州理工大学电气工程与信息工程学院,兰州 730050;
2. 甘肃省工业过程先进控制重点实验室,兰州 730050

收稿日期:2012-04-11 出版日期:2013-07-01 发布日期:2013-07-01
通讯作者: 李战明(1962-),男,教授,博士生导师.研究方向:复杂系统的建模与控制,神经模糊系统与软计算,计算机控制系统的理论与工程.E-mail:lizm@lut.cn E-mail:lizm@lut.cn
作者简介:李昱辰(1982-),男,博士研究生.研究方向:图像检索,智能信息处理.E-mail:liyuchenliwei@163.com
基金资助:
国家自然科学基金项目(60964003);高等学校博士学科点专项科研基金项目(20106201110003).

Adaptive unscented particle filter algorithm under unknown noise

LI Yu-chen^1,2, LI Zhan-ming¹

1. College of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou 730050,China;
2. Key Laboratory of Advanced Control of Industrial Processes of Gansu Province, Lanzhou 730050,China

Received:2012-04-11 Online:2013-07-01 Published:2013-07-01

摘要/Abstract

摘要：

为了有效地解决系统噪声未知情况下的目标跟踪问题,提出了一种自适应无迹粒子滤波算法。该算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹卡尔曼滤波器相结合产生优选的建议分布函数, 降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明:本文方法明显地改善了系统噪声未知情况下目标的跟踪精度和稳定性。

关键词: 信息处理技术, 粒子滤波, 自适应滤波, 无迹卡尔曼滤波, 目标跟踪

Abstract:

In order to solve the target tracking problem when the statistic characteristics of the system are unknown, an adaptive unscented particle filter algorithm is proposed. This algorithm estimates and corrects the statistic characteristics of the unknown system noise in real-time using improved Sage-Husa estimator. Combining with unscented Kalman filter, the algorithm produces the optimal proposal distribution function. This method effectively reduces the estimation error and improves the anti-noise ability of the system. Theoretical analysis and experiments show that the new method can significantly improve the accuracy and stability of target tracking when the statistic characteristics of the system are unknown.

Key words: information processing, particle filter, adaptive filtering, unscentde Kalman filter, target tracking

中图分类号:

TN911

李昱辰, 李战明. 噪声未知情况下的自适应无迹粒子滤波算法[J]. 吉林大学学报(工学版), 2013, 43(04): 1139-1145.

LI Yu-chen, LI Zhan-ming. Adaptive unscented particle filter algorithm under unknown noise[J]. 吉林大学学报(工学版), 2013, 43(04): 1139-1145.

参考文献

[1] Gordon N J, Salmond D J, Smith A F M. Novel approach to nonlinear/non-gaussian bayesian state estimation[J]. IEE Proceedings on Radar and Signal Processing, 1993,140(2):107-113.

[2] Carpenter J, Clifford P. Imroved particle filter for nonlinear problems[J]. IEEE Proceedings of Radar, Sonar and Navigation, 1999, 100(1):2-7.

[3] 张苗辉,刘先省. 基于MCMC无味粒子滤波的目标跟踪算法[J].系统工程与电子技术,2009,31(8):1810-1813. Zhang Miao-hui, Liu Xian-xing. Target tracking algorithm based on MCMC unscented particle filter[J]. Systems Engineering and Electronics, 2009,31(8):1810-1813.

[4] Wei Qi, Xiong Zhang, Li Chao,et al. A robust approach for multiple vehicles tracking using layered particle filter[J]. International Journal of Electronics and Communications, 2011,65: 609-618.

[5] Kirchmaier U, Hawe S, Diepold K. Dynamical information fusion of heterogeneous sensors for 3D tracking using particle swarm optimization[J]. Information Fusion, 2012, 12(4):275-283.

[6] 杨小军,刑科义. 无线多跳传感器网络下基于粒子滤波的信道容错的目标跟踪方法[J]. 自动化学报,2011, 37(4):440-448. Yang Xiao-jun, Xing Ke-yi. Channel fault tolerant target tracking in multi-hop wireless sensor networks based on particle filtering[J]. Acta Automatica Sinica,2011, 37(4):440-448.

[7] Doucet A, Godsill S J, Andrieu C. On sequential Monte Carlo sampling methods for Bayesian filtering[J]. Statistics and Computing, 2000, 10(3): 197-208.

[8] Julier S J, Uhlmann J K. Unscented filtering and nonlinear estimation[J]. IEEE Trans Signal Processing, 2004,92(3):401-422.

[9] 曲彦文,张二华,杨静宇. 改进的无迹粒子滤波算法[J].控制理论与应用,2010,27(9):1152-1158. Qu Yan-wen, Zhang Er-hua, Yang Jing-yu. Improved unscented particle filter[J]. Control Theory & Applications, 2010,27(9):1152-1158.

[10] 石勇,韩崇昭. 自适应UKF算法在目标跟踪中的应用[J].自动化学报,2011,37(6):755-759. Shi Yong, Han Chong-zhao. Adaptive UKF method with applications to target tracking[J]. Acta Automatica Sinica, 2011, 37(6): 755-759.

[11] Yang Y X, Gao W G. An optimal adaptive Kalman filter[J]. Journal of Geodesy, 2006, 80(4):177-183.

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	田彦涛, 张宇, 王晓玉, 陈华. 基于平方根无迹卡尔曼滤波算法的电动汽车质心侧偏角估计[J]. 吉林大学学报(工学版), 2018, 48(3): 845-852.
[12]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[13]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[14]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[15]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

噪声未知情况下的自适应无迹粒子滤波算法

Adaptive unscented particle filter algorithm under unknown noise

RICH HTML

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10