基于改进UKF的转弯机动目标跟踪算法研究
2022年电子技术应用第9期
李盈萱1，王中训1，董云龙2
1.烟台大学 物理与电子信息学院，山东 烟台264005；2.海军航空大学信息融合研究所，山东 烟台264001
摘要： 针对转弯率未知或变化条件下的精确跟踪问题开展研究，给出了基于UKF的自适应协同转弯跟踪算法，该算法充分利用了扩维技术和自适应渐消因子技术，不断实时估计转弯率，同时基于渐消因子调节过程噪声及其对应的增益，并对不敏卡尔曼滤波算法的采样范围进行自适应调节,使采样点更接近目标真实状态。仿真表明该算法在转弯率变化时获得了较好的跟踪性能，有效提升了对于转弯机动目标跟踪的准确性和稳定性。
中圖分類號： TN953
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.223084
中文引用格式： 李盈萱，王中訓，董云龍. 基于改進UKF的轉彎機動目標跟蹤算法研究[J].電子技術應用，2022，48(9)：27-31.
英文引用格式： Li Yingxuan，Wang Zhongxun，Dong Yunlong. Research on turning maneuvering target tracking algorithm based on improved UKF[J]. Application of Electronic Technique，2022，48(9)：27-31.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.223084
中文引用格式： 李盈萱，王中訓，董云龍. 基于改進UKF的轉彎機動目標跟蹤算法研究[J].電子技術應用，2022，48(9)：27-31.
英文引用格式： Li Yingxuan，Wang Zhongxun，Dong Yunlong. Research on turning maneuvering target tracking algorithm based on improved UKF[J]. Application of Electronic Technique，2022，48(9)：27-31.
Research on turning maneuvering target tracking algorithm based on improved UKF
Li Yingxuan1，Wang Zhongxun1，Dong Yunlong2
1.School of Physics and Electronic Information，Yantai University，Yantai 264005，China； 2.Information Fusion Institute，Naval Aviation University，Yantai 264001，China
Abstract： This paper studies the accurate tracking problem under the condition of unknown or changing turning rate, an adaptive coordinated turning tracking algorithm based on UKF is proposed. The algorithm makes full use of the dimensionality extension technology and the adaptive fading factor technology, continuously estimates the turning rate in real time and adjusts the process noise and its corresponding gain based on the fading factor. At the same time, adaptively adjusts the sampling range of the unscented Kalman filter algorithm to make the sampling points closer to the real state of the target. Simulation results show that the algorithm achieves good tracking performance when the turning rate changes, and effectively improves the accuracy and stability of tracking maneuvering target.
Key words : maneuvering target tracking；unscented Kalman filter；adaptive-turning model；adaptive fading factor；sampling range
0 引言
機動目標跟蹤廣泛應用于軍用及民用領域，且一直是目標跟蹤領域研究的重點和難點[1]，其核心在于建立與目標實際運動狀態匹配的系統模型和選擇合適濾波算法[2-3]。
在目標的各種運動中，轉彎運動是一種常見的運動形式，對做轉彎運動的目標進行跟蹤時，如果跟蹤模型中設置的轉彎率與實際情況不符，會產生較大的估計誤差[4]，而實際上，目標運動的轉彎率多數情況下都是未知的。因此，人們在固定轉彎率的協同轉彎(Coordinated Turning，CT)模型基礎上進行了各種改進，以提高跟蹤轉彎運動目標的準確性和穩定性。主要有兩種改進方法[5]，一是對多個轉彎率建立相應的跟蹤模型[6]，構建交互式多模型，二是通過實時計算實現轉彎率自適應調節[7-10]。
除了要建立合適的系統模型，濾波算法的選擇也十分重要。自20世紀60年代卡爾曼濾波理論提出至今，針對不同問題的各種濾波算法層出不窮。擴展卡爾曼濾波(Expanded Kalman Filter，EKF)算法[11-12]、不敏卡爾曼濾波(Unscented Kalman Filter，UKF)算法[13]、粒子濾波(Particle Filter，PF)算法是幾種常用的非線性濾波算法。
本文詳細內容請下載：http://m.tom3567.com/resource/share/2000004916。
作者信息：
李盈萱1，王中訓1，董云龍2
(1.煙臺大學 物理與電子信息學院，山東 煙臺264005；2.海軍航空大學信息融合研究所，山東 煙臺264001)
此內容為AET網站原創，未經授權禁止轉載。