自适应UKF算法在目标跟踪中的应用  

Adaptive UKF Method with Applications to Target Tracking

作　　者：石勇[1] 韩崇昭[1] 

机构地区：[1]西安交通大学智能网络与网络安全教育部重点实验室、机械制造系统工程国家重点实验室电子与信息工程学院综合自动化研究所,西安710049

出　　处：《自动化学报》2011年第6期755-759,共5页Acta Automatica Sinica

基　　金：国家重点基础研究发展计划(973计划)(2007CB311006);国家自然科学基金(61074176);国家自然科学基金创新研究群体科学基金(60921003)资助~~

摘　　要：针对目标跟踪中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题,提出了一种自适应无迹卡尔曼滤波(Unscented Kalman filter,UKF)算法.该算法在滤波过程中,利用改进的Sage-Husa估计器在线估计未知系统噪声的统计特性,并对滤波发散的情况进行判断和抑制,有效提高了滤波的数值稳定性,减小了状态估计误差.仿真实验结果表明,与标准UKF算法相比,自适应UKF算法明显改善了目标跟踪的精度和稳定性.To improve low filtering precision and divergence caused by unknown system noise statistics in target tracking, an adaptive UKF（Unscented Kalman filter）is proposed.In the filtering process,by introducing the modified Sage-Husa noise statistic estimator,the new algorithm can estimate the statistical parameters of unknown system noises online and restrain the filtering divergence.Therefore,the filter numerical stability is effectively improved and the state estimation error is reduced. Simulation results show that compared with the standard UKF algorithm the proposed algorithm provides better accuracy and stability for target tracking.

关 键 词：目标跟踪 自适应滤波 无迹卡尔曼滤波 

分 类 号：TN953[电子电信—信号与信息处理]