基于时频差的高阶强跟踪UKF算法

周恭谦, 杨露菁, 刘 忠

(海军工程大学电子工程学院, 湖北 武汉 430033)

0 引 言

目标跟踪是对目标位置和速度的实时估计与预测,其被广泛的应用于军事领域之中。基于有源系统的目标跟踪技术发展较为成熟,但在军事对抗中很容易被干扰从而导致跟踪失败,因此基于无源系统的目标跟踪技术受到了广泛的关注。在无源跟踪系统中,多观测站可以通过接收目标信号的到达时间差(time difference of arrival, TDOA)和到达频率差(frequency difference of arrival, FDOA)来完成对目标位置和速度的估计,由于TDOA和FDOA 构建的模型为非线性方程组,所以基于TDOA/FDOA的目标跟踪属于非线性滤波问题。

针对非线性滤波问题粒子滤波(particle filter, PF)[1-5]随机变量不要求高斯分布,估计精度较高受到广泛的关注,然而其计算复杂度较高,消耗时间过长。针对此文献[6]提出一种基于蝙蝠算法的粒子滤波(bat algorithm optimized particle filter, BA-PF),在原有算法引入飞行策略,降低了状态预测所需的粒子数量和提高了滤波的定位精度,但算法的复杂度仍然较高无法满足跟踪的实时性要求,而文献[7]提出一种交互式多模型(interactive multiple model, IMM)[8-10]与秩滤波(rank Kalman filter,RKF)[11]结合的算法在一定程度上提高了定位精度,但由于采用多个模型进行滤波并行和交互提好了计算复杂度,需要运行较长的时间。

无迹卡尔曼滤波(unscented Kalman filter, UKF)和容积卡尔曼滤波(cubature Kalman filter,CKF)作为新兴非线性滤波算法[12-16]被研究应用到多个领域,UKF算法的核心思想是通过无迹变换(unscented Transform, UT)去近似非线性系统状态的后验概率密度函数。而CKF的采用三阶球面-相径容积规则来近似非线性函数传递的后验均值和方差,归根到底其是UKF算法中UT变换的特殊形式[17]。……