目标常用跟踪算法——PLKF篇

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

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

2.参考文献

---

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.