侯煜冠,韩远鹏,谢金月,毛兴鹏
(哈尔滨工业大学电子与信息工程学院,黑龙江哈尔滨 150001)
0 引 言
粒子滤波(particle filter,PF)技术是一种用于非线性、非高斯系统的滤波方法。20世纪60年代以后,粒子滤波技术得到了一定的发展,但一直存在粒子退化、计算量制约等致命问题,所以没有引起人们足够的重视。直到20世纪90年代初,Gordon 等提出在递推过程中重新抽样的思想,奠定了粒子滤波实用性的基础。迄今为止,已经研究出了多种不同的粒子滤波算法,包括最基本的序贯重要性采样(sequential importance sampling,SIS)滤波、采样重要度重采样(sampling importance resampling,SIR)滤波、似然粒子滤波(likelihood particle filter,LPF)、正则化粒子滤波(regularized particle filter,RPF)、马尔可夫链蒙特卡罗粒子滤波(MCMC particle filter)等。另外,Pitt 等提出辅助粒子滤波(auxiliary particle filter,APF),即根据
k
步的观测,重新采样(
k
-1)步的粒子以使
k
步的粒子逼近实际状态,这种方法在低噪声情况下很有效。Kotecha 等提出高斯粒子滤波(Gaussian sum particle filter,GSPF),即利用一组高斯粒子滤波混合相加或平行运算来近似后概率分布,该方法适合于具有高斯或非高斯噪声的非线性动态状态空间模型的估计。然而,当组目标以密集编队方式飞行时,各目标之间的空间间距较小,使用已有的单目标或多目标跟踪方式难以正确关联并追踪,容易造成目标丢失。针对此问题,本文提出一种基于SDE 模型的多输入多输出(multiple input multiple output,MIMO)雷达目标角度跟踪方法。应用随机微分方程进行建模描述,利用MCMC 粒子滤波的算法来进行连续推理,以达到组目标跟踪误差校正的目的。
1 信号模型
以准单基地MIMO雷达为例,假设MIMO雷达发射阵为……
登录APP查看全文