目录
1.伪线性卡尔曼滤波算法
1.1 伪线性卡尔曼滤波算法简单介绍
对于非线性系统,传统的线性卡尔曼滤波已经难以对其进行有效得解决。故需引入一些非线性算法。其中,伪线性卡尔曼滤波(Pseudo Linear Kalman Filter, PLKF)应运而生。其主要思想即为将非线性的状态或量测方程线性化,再利用传统的线性知识进行求解。
1.2 伪线性卡尔曼滤波算法流程
1.3 伪线性卡尔曼滤波算法仿真分析
仿真条件:
假设一目标在二维平面内做匀速直线运动,两观测站坐标分别为(-500,0)m,(500,0)m,且均保持静止,无站址误差。观测站可以实时测量到目标与观测站之间的方位角(北偏东)。滤波初始状态为目标真实状态加上500m,5m/s的随机误差。蒙特卡洛仿真100次,并将RMSE与CRLB进行对比。
目标初始状态 | 量测误差 | 过程噪声 | |
二维 | (-1000m,1000m,20m/s,-8m/s) | 1°,1° | 1e-4m/ |
PLKF目标跟踪部分代码如下
%% PLKF
clc;clear all;
% close all;
%% Initialization
MC=100; % Monte-Carlo Times
N=100; % Sampling Times
T=1; % Sampling Interval
F=[1 0 T 0;0 1 0 T;0 0 1 0;0 0 0 1]; % State transition matrix
G=[T^2/2 0;0 T^2/2;T 0;0 T]; % Disturbance matrix
w=[1e-4;1e-4]; % System noise matrix
Q=[w(1)^2,0;0,w(2)^2];
r_bearing1=1*pi/180;
r_bearing2=1*pi/180; % Measurement noise (rad)
R=[r_bearing1^2,0;0,r_bearing2^2];
Target_num=1;
X(:,1)=[-1000,1000,20,-8]';
Station_num=2;
Station1=[-500,0,0,0]'+zeros(4,N);
Station2= [500,0,0,0]'+zeros(4,N);
%% Target State
[X]=Target_State(X,N,F,G,w);
2.参考文献
杜选民, 姚蓝. 多基阵联合的无源纯方位目标运动分析研究 [J]. 声学学报, 1999, 6): 604-10.