改进的EKF算法在目标跟踪中的运用

改进的EKF算法在目标跟踪中的运用

过程噪声和测量噪声影响Kalman滤波的性能,通常很难得到它们准确的值.提出观测噪声和过程噪声实时估计的自适应算法.该算法可以用在非线性和机动目标跟踪问题中,不必预先知道准确的噪声方差.重新估测观测噪声方差矩阵,可以较好地消除由观测噪声带来的误差;建立一个简单的线性Kalman滤波器对过程噪声进行实时估计,这对于机动目标来说是必要的,因为原有的过程噪声将受到加速度影响,不能包含全部的信息.实验表明,该算法保证EKF稳定性,提高了跟踪性能.模拟实验300次后,X,Y方向位置均方误差分别为7.8099,9.6838.

作 者： 唐涛 黄永梅 TANG Tao HUANG Yong-mei   作者单位： 唐涛,TANG Tao(中国科学院光电技术研究所,四川,成都,610209;中国科学院研究生院,北京,100039)

黄永梅,HUANG Yong-mei(中国科学院光电技术研究所,四川,成都,610209) 

刊 名： 光电工程  ISTIC PKU 英文刊名： OPTO-ELECTRONIC ENGINEERING  年，卷(期)： 2005 32(9)  分类号： V556  关键词： 目标跟踪   双Kalman滤波   噪声方差   自适应算法  

【改进的EKF算法在目标跟踪中的运用】相关文章：

改进的遗传算法在连续体结构多目标拓扑优化中的应用04-26

SSDA的改进算法04-26

基于变步长增益调整的机动目标跟踪新算法04-26

一种精确跟踪机动目标的滤波算法的研究04-27

基于改进C-均值聚类算法的空中目标分类04-27

改进遗传算法在桁架结构优化设计中的应用04-26

基于支持向量机的红外成像跟踪算法04-27

基于进化算法的测控飞机跟踪路径规划04-26

多目标跟踪方法综述04-26

改进模糊聚类算法及其在人力资源管理中的应用04-26