中文引用格式: 韋春玲,余潤華,,吳孫勇,,等. 有偏量測下基于最大相關(guān)熵卡爾曼濾波的目標跟蹤方法[J]. 電子技術(shù)應(yīng)用,2024,,50(7):7-13.
英文引用格式: Wei Chunling,,Yu Runhua,Wu Sunyong,,et al. A target tracking method based on maximum correntropy Kalman filtering under biased measurements[J]. Application of Electronic Technique,,2024,50(7):7-13.
引言
目標跟蹤是利用傳感器觀測信息對目標運動狀態(tài)進行有效估計的過程,,在現(xiàn)代軍事和民用領(lǐng)域中發(fā)揮著重要作用,。在實際應(yīng)用中,目標跟蹤需應(yīng)對隨機噪聲和傳感器系統(tǒng)偏差帶來的雙重挑戰(zhàn),。在線性高斯的條件下,,Kalman濾波是最優(yōu)的單目標估計器,但在非高斯噪聲環(huán)境下,,由于Kalman濾波根據(jù)最小均方誤差(Minimum Mean Square Error, MMSE)準則進行收斂[1],,因此對異常值或重尾噪聲較為敏感,且當量測受傳感器系統(tǒng)偏差影響時,,Kalman濾波會出現(xiàn)濾波發(fā)散現(xiàn)象,,導(dǎo)致跟蹤效果變差。
為應(yīng)對非高斯噪聲的挑戰(zhàn),,文獻[2]采用多模濾波的方式,,用代表不同模式的高斯分布的有限和來近似非高斯分布。在此理論背景下,,高斯和濾波器(Gassian Sum Filter, GSF)被提出用于處理非高斯噪聲問題[3-4],。文獻[5]將非高斯噪聲建模為t分布進行處理,提高了算法對復(fù)雜噪聲的魯棒性,,但計算量較高,。文獻[6]提出集成卡爾曼濾波器(Ensemble Kalman Filter, EnKF),通過一組隨機選擇的樣本來近似狀態(tài)估計,,但統(tǒng)計抽樣方法的最主要問題是計算工作量過大,,因此在實際工程中應(yīng)用受限。與MMSE主要依賴于高斯噪聲的假設(shè)不同,,相關(guān)熵提供了一種機制來評估和利用數(shù)據(jù)的高階統(tǒng)計特性[7],,為處理非高斯噪聲環(huán)境下的目標跟蹤問題提供了一種有效的解決方案。文獻[8]基于最大相關(guān)熵準則(Maximum Correntropy Criterion, MCC)和加權(quán)最小二乘(Weighted Least Squares,,WLS)思想提出了一種新型的濾波方法,,稱為最大相關(guān)熵卡爾曼濾波(Maximum Correntropy Kalman Filter, MCKF),MCKF利用MCC在處理異常值和非高斯噪聲時的穩(wěn)健性和魯棒性,,表現(xiàn)出比Kalman濾波更優(yōu)的估計性能,。針對過程噪聲和量測噪聲特性不精確的情況,文獻[9]將MCC與變分貝葉斯自適應(yīng)卡爾曼濾波(Variational Bayes Adaptive Kalman Filter, VBAKF)相結(jié)合,,提出了一種魯棒自適應(yīng)濾波算法(MCVBAKF),。文獻[10]基于MCC和固定點迭代更新策略,提出了一種基于MCC的容積濾波算法MCCKF,。
然而,,上述方法只考慮了傳感器不存在系統(tǒng)偏差的情況,當傳感器有系統(tǒng)偏差時,,基于MCC的卡爾曼濾波方法估計精度不理想,。針對此問題,文獻[11]在Kalman濾波的基礎(chǔ)上提出增量Kalman濾波,,通過構(gòu)建量測差分方程,,成功消除了未知系統(tǒng)偏差的影響,文獻[12]通過函數(shù)線性化的方式將其推廣到非線性,,提出了擴展增量Kalman濾波(IEKF),。文獻[13]針對未知系統(tǒng)偏差和量測噪聲不精確問題,基于增量方程和線性最小方差最優(yōu)融合準則設(shè)計了一種加權(quán)融合魯棒增量Kalman濾波算法,。盡管這些技術(shù)通過構(gòu)建增量量測向量的方式降低了傳感器系統(tǒng)偏差的影響,,但它們通常基于高斯噪聲環(huán)境的假設(shè),,或者僅考慮量測噪聲的不確定性,,而當過程噪聲和量測噪聲都呈現(xiàn)非高斯特性時,這些方法的跟蹤精度急劇下降,。
為了提高傳感器存在系統(tǒng)偏差和非高斯噪聲條件下的目標跟蹤精度,,本文提出了一種有偏量測下基于MCKF的目標跟蹤方法。創(chuàng)新之處在于:首先,,通過引入差分機制,,有效減少了傳感器系統(tǒng)偏差對目標狀態(tài)估計的不利影響,將問題轉(zhuǎn)化為主要處理非高斯過程噪聲和量測噪聲,;其次,,利用相關(guān)熵充分挖掘了估計誤差的高階矩信息,從而增強了濾波器對復(fù)雜噪聲環(huán)境的適應(yīng)性,;最后,,基于差分量測信息,推導(dǎo)出了算法的濾波迭代方程,。仿真實驗進一步驗證了所提方法的有效性,。
本文詳細內(nèi)容請下載:
http://forexkbc.com/resource/share/2000006063
作者信息:
韋春玲1,余潤華1,,吳孫勇2,,3,,李明4
(1.桂林電子科技大學(xué) 信息與通信學(xué)院, 廣西 桂林 541004,;2.桂林電子科技大學(xué) 數(shù)學(xué)與計算科學(xué)學(xué)院,, 廣西 桂林 541004;
3.廣西密碼學(xué)與信息安全重點實驗室,, 廣西 桂林 541004,;
4.廣西壯族自治區(qū)智能電磁頻譜感知與控制技術(shù)工程研究中心, 廣西 桂林 541004)