基于UKF的机动目标跟踪处理方法
基于UKF的机动目标跟踪处理方法
摘要:提出了基于UKF的机动目标跟踪处理方法,能有效抑制动力学模型非线性和观测模型非线性带来的模型误差。
和传统EKF滤波方法相比,该方法不仅避免了截断误差造成的滤波发散,而且避免了求解雅克比矩阵,简化计算流程,可以模块化处理,非常适合工程实现。
仿真实验表明,当目标呈现明显非线性特征并且大机动运动时,该方法可以有效确定目标轨迹,实现高精度目标跟踪。
关键词:机动目标跟踪UKF 非线性模型
机动目标跟踪处理是从传感器对机动目标跟踪测量的数据中提取目标状态特征信息的过程。
对线性运动模型而言,传统的卡尔曼滤波可以获得最优估计。
但当目标运行轨迹呈现明显非线性性时,传感器测控信息将包含有非线性目标信息从而会形成明显的非线性特征,经过非线性变换的加性误差将变换成乘性误差,从而进一步影响目标特性提取精度。
尤其对于大机动目标跟踪而言,强非线性会使得测量模型曲率变大,形成模型误差。
在机动目标跟踪技术中,模型误差成为制约精度提高的关键之一[1～2]。
传统的线性化求解方式将截断误差会传播扩大到模型求解中,从而难以获得目标轨迹的精确解,甚至造成滤波发散。
本文提出了一种基于UKF的机动目标跟踪方法,对状态模型和测量模型采用UT变换,从而求取非线性变换的转移矩阵,保证了非线性
系统的滤波精度。
1 问题描述
为目标的状态向量;为传感器跟踪模型,本文假设是距离和速度跟踪;W为与跟踪模型相关的其他参数。
2 UKF跟踪算法
2.1 UT变换
UKF方法是递归式Bayes估计方法,其核心和基础是计算非线性传递的随机向量的UT变换。
UT变换的主要过程如下。
过程1:构造状态量的Sigma点。
根据当前时刻状态变量的统计量和,按照UT变换采样策略,得到Sigma点集,以及对应的权值和。
为采样策略的Sigma点个数；为均值加权所用权值；为协方差加权所用权值。
对称采样策略中。
其中,为比例参数,其主要作用是调节Sigma点和状态统计量的距离,比例参数仅影响二阶之后的高阶矩带来的影响。
对于高斯分布,的有效取值为;为的平方根矩阵的第行或列;为第个Sigma点的权值。
过程2:根据状态方程和测量方程进行Sigma变换。
对Sigma点集中的每个采样点进行非线性变换,得到变换后的Sigma点集。
过程3:求解的均值和方差。
对变换后的Sigma点集进行加权求和,
从而得到输出变量的统计量和的近似值。
从UT变换可以看出,UT变换利用少量通过确定性方法选择的样本点描述经非线性系统变化后随机变量的统计特性,避免了传统EKF 方法的线性化求解,从而避免了截断误差,根据UT变换,可以得到UKF 滤波。
2.2 UKF非线性滤波算法
过程1:机动目标当前状态采样[6]。
输入当前时刻的目标状态,选择一种UT变换的采样策略构造Sigma点和权重。
过程2:目标状态预测。
对每组Sigma点进行状态方程变换,获得k+1时刻的Sigma点集,求得k+1时刻的状态以及协方差矩阵。
过程3:测量数据计算。
按照测量方程计算的测量Sigma点,并求得k+1时刻的测量预测量和测量协方差矩阵,以及状态向量和测量向量的协方差矩阵。
过程4:增益计算。
过程5:状态更新。
如果有测量输入,则计算增益矩阵,并按下式更新状态向量和协方差矩阵向量,而如果没有测量量输入则转向过程1。
3 仿真实验
3.1 目标动力学模型
为了验证本文方法的正确性,首先构建目标的运动轨迹,设运行轨迹为:
其中,为目标飞行轨迹在惯性空间坐标系的位置坐标。
目标运行轨迹曲线图如图1所示。
3.2 目标观测模型
设目标飞行时的观测设备由1台雷达完成,测量数据包括测站坐标系下的目标相对测站的距离和速度。
设距离测量误差为1 mm,速度测量误差为1 mm/s。
3.3 轨迹确定结果及分析
应用本文的提出的机动目标轨迹确定方法,根据测站对目标的距离和相对速度的测量,可以得到目标的飞行轨迹。
结果分析,从图3中可以看出,由于目标飞行轨迹是明显的非线性特征,导致测控数据呈现明显的非线性特征。
在这种模式下,传统的线性滤波将带入大量截断误差造成目标滤波发散。
从实验可以看出,当
滤波开始时,先验信息积累不足,目标计算轨迹短时间内呈现发散趋势,但随着观测数据的不断积累,滤波迅速收敛,并维持高精度状态。
4 结论
本文提出的基于UKF的机动目标轨迹确定方法,能有效抑制动力学模型非线性和观测模型非线性带来的模型误差。
和传统EKF滤波方法相比,该方法不仅避免了截断误差造成的滤波发散,而且避免了求解雅克比矩阵,简化计算流程,可以模块化处理,非常适合工程实现。
参考文献
[1] Tapley B D,BornG,SchutzB.Orbit determination fundamental and application[M].Texas:The University of Texas,1986.
[2] 潘晓刚.空间目标定轨的模型与参数估计方法及应用[D].长沙:国防科技大学,2009.。
基于UKF的机动目标跟踪算法
．
Ｇ Ｆ等次 优滤 波算 法 ， ＫＦ虽 应用 于非 线 性状 态估 Ｓ Ｅ 计 已经 得到 学术 界 和工 程界 的认 可并 为人 们 广泛使 用 ， 大多 数情 况下 仅 仅利 用 非线 性 函数 Ｔａ ｌｒ展 但 ｙｏ 开 的一 阶项 ， 当 系 统 高度 非线 性 时 ， Ｔ ｙｏ 展 且 或 ａ ｌｒ 开 的高 阶项 对 系 统影 响较 大 时 ， ＫＦ方 法将 有 可 能 Ｅ 导致 滤 波发 散 。 针 对 非 线 性 问 题 ， 了使 滤 波 效 果 得 到 改 善 ， 为 Ｊ ｌ ｒ 等 人 提 出 了 基 于 Ｕｎ ｃｎｅ 变 换 的 ｕｉ ｅ ｓｅ ｔｄ Ｕｎ ｃｎ ｅ ｌ ｎＦ ｌ ｒ ＵＫＦ） ｓｅ ｔｄＫａｍａ ｉ ｅ （ ｔ 方法 ， 文献 ［ ，］ ３ ４ 介
维普资讯
Ｖ０ｌ３ Ｎｏ ８ ＿ ２， ．
Ａｕ ｕｓ ， ０ ７ ｇ ｔ２ ０
火 力 与 指 挥 控 制
Ｆ ｒ ｎ ｒ ｌａ ｄ Ｃｏ ｉｅ Ｃｏ ｔ ｏ ｎ ｍｍａ ｄ Ｃｏ ｔ ｏ ｎ ｎｒｌ
第 ３ ２卷
第 ８期
２ ０ 年 ８月 ０７
ＺＨＡＮＧ ｉ ｏ— 。 Ｍ ａ ｈｕｉ ＹＡ ＮＧ — ｉ 。 Ｕ ａ ｘ ｎｇ ’ Ｙｉｐ ｎｇ ＬＩ Ｘｉ ｎ— ｉ （ ． ｎ ｔ ｕ ｉｎ ｏ ｖ ｎ ｅ ｎｒ ｌａ ｄ Ｉ ｔｌｉ ｅ ｔＩ ｆ ｒ ｔ ｎＰｒｃｓｉｇ，Ｈｅ ａ ｉ ｅｓｔ １ Ｉ ｓｉ ｔ ｆ Ａｄ ａ ｃｄ Ｃｏ ｔｏ ｎ ｎ ｅｌｇ ｎ ｎ ｏ ｍａｉ ｏ ｅｓｎ ｔ ｏ ｏ ｎ ｎＵｎｖ ｒｉ ｙ，Ｋａｆ ｎ ７ ０ １，Ｃ ｉａ， ｉｅ ｇ ４ ５ ０ ｈｎ ２ Ｃ ｌｅ ｆ Ｃｏ ｐｕｅ ｎ ｎ ｏ ｍａｉｎ Ｅｎ ｎ ｅｉｇ，Ｈｅ ａ ｉ ｅｓｔ ． ｏｌｇｅｏ ｍ ｔｒａ ｄ Ｉ ｆ ｒ ｔ ｇｉｅｒｎ ｏ ｎ ｎＵｎｖ ｒｉ ｙ，Ｋａｆ ｎ ７ ０ １ ｈ ｎ ｉｅ ｇ ４ ５ ０ ，Ｃ ｉａ）
基于UKF的闪烁噪声机动目标跟踪
ＡＢＳ ＲＡＣＴ ： ｒ ｄｔ ｎ ｌＫａｍａ ｉ ｅ ａ ｏ ｕ ｒ ｔｅ ｔａ ｋ ｎ ｒ ｃｓｏ ｆｍａ ｅ ｖ ｒｔｒ ｅ ｎ ｅ ｌ ｔｎ ｉｅ ｂ — Ｔ Ｔ ａ ｉ ｏ ａ ｌ ｎ Ｆ ｌ ｒＣ ｎ ｔｇ ａ ａ ｅ ｒ ｃ ｉ ｇ ｐ ｅ ｉｉｎ ｏ ｎ ｕ ｅ ａｇ ｔｕ ｄ ｒ ｉ ｏ ｓ ｅ ｉ ｔ ｎ ｎ ｇｎ
仿真实验 中采用 “ 协同转弯模型” 作为机动 目标 的运动模型 ， 雷达的量测方程也是非线性的 ， 分别应用 Ｕ Ｆ和 Ｅ Ｆ跟踪闪烁噪 Ｋ Ｋ 声下的机动 目标 。 结果表 明， Ｋ Ｕ Ｆ能够较好地解决 闪烁噪声下跟踪机动 目标的难题 ， 其跟踪精度要远远高于 Ｅ Ｆ。 Ｋ 关键词 ： 闪烁噪声 ； 味卡尔曼滤波器 ； 无 机动 目标跟踪
ｒ ｃ ｉ ｇ ｕ ｅ ｌｎ ｏｉｅ ｉ ｐ ｏ ｏ ｅ ｉ ｈｉ ｐ ｒ，ｆ ｔｒ ｅ ｔｍａｉｎ ｓ ｃ ｒｉｄ ｕｔａｔ ｒ ｕ ｃ ｎｅ ｔ ｎ ｆｒ ｏ ｔａ ｋ ｎ ｎｄ ｒｇｉ ｔｎ ｓ ｓ ｒ ｐ ｓ ｄ ｎ ｔ ｓｐａ ｅ ｉｌｅ ｎｇ ｓｉ ｔｏ ｉ ａ ｒｅ ｏ ｆｅ ｎｓ ｅ ｔｄ ｒａ ｓｏ ｆ ｉ ｍ ｓａｅ ｅ ａｉｎ ｏ ａ ｇ ｔｓ ｓｅ ，Ｓ ｈａ ｒ ｃ ｉ ｇ ｅ ｒｒｉ ｅ ｒ ａ ｅ ｔ ｔ ｑｕ ｔｏ ｆｔｒ ｅ ｙ ｔｍ Ｏ ｔ ｔｔａ ｋ ｎ ｒｏ ｓｄ ｃ ｅ ｓ ｄ． Ｗ ｉ ｕ ｅ ｆｄ ｒｖ ｔｏ ｔ ｔｎｅ ｄ ｏ ｅ ａ ｉｎ，ＵＫＦ ｃ ｌ ａ ｐｒｘｉ ｔ ｈｏ ｉ ａｌ ｐ ｏ ｍａｅ
基于IMM-SRUKF 的双站纯角度机动目标跟踪
ｍｕｌｔｉｐｌｅ ｍｏｄｅｌ ａｌｇｏｒｉｔｈｍ （ ＩＭＭ） ｉｎ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｂａｃｋｇｒｏｕｎｄ ｏｆ ｂｉｓｔａｔｉｃ ａｎｇｌｅ ｏｎｌｙ ｐａｓｓｉｖｅ ｌｏｃａｔｉｏｎ． Ｆｉｒｓｔｌｙ， ｔｈｅ ｐｒｉｎｃｉｐｌｅ
ｓｈｏｗ ｔｈａｔ ＩＭＭ⁃ＳＲＵＫＦ ａｌｇｏｒｉｔｈｍ ｃａｎ ａｃｃｕｒａｔｅｌｙ ｐｒｅｄｉｃｔ ｔｈｅ ｍｏｖｉｎｇ ｓｔａｔｅ ｏｆ ｔｈｅ ｔａｒｇｅｔ ａｔ ｄｉｆｆｅｒｅｎｔ ｔｉｍｅｓ． Ｗｈｅｎ ｔｈｅ
ｏｂｓｅｒｖａｔｉｏｎ ｅｒｒｏｒ ｉｓ ｌａｒｇｅ， ｃｏｍｐａｒｅｄ ｗｉｔｈ ｏｔｈｅｒ ａｌｇｏｒｉｔｈｍｓ， ＩＭＭ⁃ＳＲＵＫＦ ｈａｓ ｈｉｇｈｅｒ ｓｔａｂｉｌｉｔｙ， ｌｅｓｓ ｄｉｖｅｒｇｅｎｃｅ ａｎｄ ｈｉｇｈｅｒ ｆｉｌ⁃
ｔｅｒｉｎｇ ａｃｃｕｒａｃｙ．
Ｋｅｙ ｗｏｒｄｓ： ｍｅａｓｕｒｅｍｅｎｔ ｄｉｒｅｃｔｉｏｎ ｃｒｏｓｓ ｐｏｓｉｔｉｏｎｉｎｇ； ｓｑｕａｒｅ ｒｏｏｔ ＵＫＦ； ＩＭＭ； ｍａｎｅｕｖｅｒｉｎｇ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ
随着反电子侦察、隐身攻击等技术的不断发展，传
无迹卡尔曼滤波算法（ ＵＫＦ） 用一系列的确定样本
中图分类号：ＴＮ７１３ 文献标志码：Ａ ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３⁃３８１９．２０２１．０２．００７
Ａｎｇｌｅ Ｏｎｌｙ ｂｙ Ｄｏｕｂｌｅ Ｓｔａｔｉｏｎ ｆｏｒ Ｍａｎｅｕｖｅｒｉｎｇ Ｔａｒｇｅｔ Ｔｒａｃｋｉｎｇ
快速强跟踪UKF算法及其在机动目标跟踪中的应用
关 键 词 :无 迹 卡 尔 曼 滤 波 ;强 跟 踪 ;渐 消 因 子 引 入 方 法 ;计 算 量 ;滤 波 精 度 中 图 分 类 号 :TP３０２．８ 文 献 标 志 码 :A DOI:１０．３９６９/j．issn．１００１Ｇ５０６X．２０１８．０６．０１
SpeedystrongtrackingunscentedKalmanfilteranditsapplicationin maneuveringtargettracking
文 章 编 号 :１００１Ｇ５０６X(２０１８)０６Ｇ１１８９Ｇ０８
网 址 :www．sysＧele．com
快速强跟踪 UKF算法及其在机动目标跟踪中的应用
鲍 水 达１,张 安２,毕 文 豪２
(１．西北工业大学电子信息学院,陕西 西安 ７１０１２９; ２．西北工业大学航空学院,陕西 西安 ７１００７２)
trackingUKFisclosetothatoftraditionalUKF．TheconeringconverＧ
基于IMM-UKF的非线性机动目标跟踪仿真研究
整 个跟 踪 过程 中 ，运 动 由水 平 匀 速 运 动 、俯 冲运 动 和 爬 升 运 动 ３部 分 组 成 ， 目标 量 测 由斜 距 、 方 位 角 和 高低 角 组成 ，并 基 于此 建 立 了 目标 运 动 状 态 模 型 和 观 测 模 型 ， 给 出 了 模 型 转 换 矩 阵 ，设 计 了 基 于 Ｉ ＭＭ— Ｆ滤 波 ＵＫ
（ 北机 电工 程 研 究所 ，陕 西 成 阳 ７ ２ ９ ） 西 １ ０ ９
摘
要 ：在 处 理 非 线 性 强 机 动 目标 跟 踪 问 题 时 ，扩 展 卡 尔 曼 滤 波 方 法 跟 踪 误 差 大 、容 易 引 起 滤 波 发 散 ，
同 时 其 系 统 模 型 可 能 随 时 间变 化 ，不 能 应 用 传 统 的 线 性 滤 波 方 法 以 及 单 一 状 态 模 型 来 处 理 该 类 问题 。假 设 在 学 报 Ｊ ＯＵＲ Ｌ Ｏ ＵＮ Ｌ ＮＣ ＆ Ｃ ＮＴ ＯＬ ＮＡ Ｆ Ｇ ＡＵ Ｈ Ｏ Ｒ
２１ ０ ０年 ９ 月
基于 Ｉ ＭＭ— ＵＫＦ的非线 性 机 动 目标 跟踪 仿 真研 究
杨 凯 。倪 龙 强 。 张 丽 华 。姚 新 涛 ，屈 武 斌
器 ，并 进 行 了仿 真 。结 果 表 明 ，该 方 法 可 以 以较 高精 度 跟 踪 非 线 性 机 动 目标 运 动 状 态 ，同 时 具 有 较 高 的 收敛
速 度
关 键 词 ：自动 控 制技 术 ；机 动 目标 跟 踪 ；卡 尔 曼 滤 波 器 ；交 互 多 模 型
中 图分 类号 ：ＴＪ ５ ３ 文献 标 志 码 ：Ａ 文 章 编 号 ：１ ７ — ５ ４ （ ０ ０ ０ — ０ ２０ ６ ３６ ２ ２ １ ） ３０ １ — ５
基于强跟踪AUKF的目标跟踪算法
基于强跟踪AUKF的目标跟踪算法杨倩;王洋;赵红梅;崔光照【摘要】Since the unscented Kalman filter(UKF)has the problems ofnon⁃adaptivity of the varying measurement condi⁃tion and uncertain system model in recursive process,and poor tracking effect in the condition of inaccuracy model or undesi⁃rable measurement condition,a new target tracking algorithm(adaptive unscented Kalman filter based on strong tracking: STF⁃AUKF) is proposed. The algorithm is based on the thought of adaptive filtering ,and uses the principle of new interestcova⁃riance matching to establish the adaptive UKF,which has the robustness performance for the undesirable measurement;and ac⁃cording to the thought of improving the strong tracking filtering,it adopts thetime⁃varying fading factor to control the matrix gain in real time to deal with the model′s sudden change and ensure the tracking effect. The simulation results show that the STF⁃AUKF algorithm still has better stability and tracking effect for sudden maneuvering of a target.%针对无迹卡尔曼滤波器在递推过程中不具有对测量条件变化和系统模型不确定性的自适应性，在模型不准确或出现不良测量条件时跟踪效果不佳的问题，提出一种新的目标跟踪算法，即基于改进强跟踪的自适应无迹卡尔曼滤波器（STF⁃AUKF）。
基于UKF-IMM的双红外机动目标跟踪算法
基于UKF-IMM的双红外机动目标跟踪算法
江宝安;万群
【期刊名称】《系统工程与电子技术》
【年(卷),期】2008(30)8
【摘要】为了有效解决红外机动目标跟踪精度问题,提出基于UKF的交互式多模型IMM红外机动目标跟踪算法.该方法采用Markov过程描述多个目标模型间的切换,同时导出滤波器输入输出均加权的交互式算法.滤波器采用UKF,避免计算扩展卡尔曼滤波EKF所需的Jacobi矩阵,适用于非线性、非高斯的目标系统模型和观测模型,同时UKF可供多个模型共用,便于软、硬件实现.最后,用双红外探测器对S型机动目标进行仿真实验,给出应用该方法的具体步骤,验证了IMM-UKF的稳定性、有效性和精确性.
【总页数】6页(P1454-1459)
【作者】江宝安;万群
【作者单位】电子科技大学电子工程学院,四川,成都,610054;重庆邮电大学,重庆,400065;电子科技大学电子工程学院,四川,成都,610054
【正文语种】中文
【中图分类】TN96
【相关文献】
1.基于双波段红外辐射信息的红外机动目标跟踪算法 [J], 潘平俊;冯新喜;李锋;刘英坤;孙鹏
2.杂波环境下基于红外传感器和雷达融合的机动目标跟踪算法 [J], 刘晨;冯新喜
3.基于红外辐射信息的IRST系统机动目标跟踪算法 [J], 辛云宏;杨万海
4.基于交互式多模型的双站高频地波雷达机动目标跟踪算法 [J], 张玲;李英帅;牛烔;王琨
5.基于UPF的红外机动目标跟踪算法 [J], 刘丽丽;辛云宏;郭建中;李小朋
因版权原因，仅展示原文概要，查看原文内容请购买。
基于IMM—UKF的纯方位机动目标跟踪算法
基于IMM—UKF的纯方位机动目标跟踪算法
顾晓东;袁志勇;周浩
【期刊名称】《数据采集与处理》
【年(卷),期】2009(024)B10
【摘要】针对在非线性机动目标跟踪中存在的滤波器易发散、跟踪误差大等问题，本文在多站纯方位跟踪的基础上，把Unscented卡尔曼滤波（Unscented Kalman filter，UKF）引进到交互多模型算法（Interacting multipl emodel，IMM）中，设计了交互多模型UKF滤波算法，克服了EKF中引入的较大线性化误差对机动目标跟踪算法性能的影响。
最后将该算法与扩展卡尔曼滤波（EKF）、IMM—EKF算法进行了比较，仿真结果表明：IMM—UKF算法增强了EKF滤波
器的稳定性，提高了滤波收敛速度和跟踪精度。
【总页数】4页(P88-91)
【作者】顾晓东;袁志勇;周浩
【作者单位】海军工程大学兵器工程系,武汉430033
【正文语种】中文
【中图分类】TN911
【相关文献】
1.基于UKF-IMM的方位-到达时间空-海机动目标的跟踪 [J], 程水英;张剑云
2.基于IMM-UKF的纯方位机动目标跟踪算法 [J], 顾晓东;袁志勇;周浩
3.基于距离参数的混合坐标系下UKF纯方位单站目标跟踪算法 [J], 刘国霞;吴慈伶;
汪圣利
4.基于UKF-IMM的双红外机动目标跟踪算法 [J], 江宝安;万群
5.基于IMM⁃SRUKF的双站纯角度机动目标跟踪 [J], 颜丙峰;李星秀;吴盘龙因版权原因，仅展示原文概要，查看原文内容请购买。
基于IMM-UKF的网络化作战目标跟踪算法
基于 Ｉ ＭＭ— Ｕ ＫＦ的网络化作战 目标跟踪算法
周 中 良， 高智敏 ， 赵 彬， 刘宏 强 ， 郝 秦 芝
（ 空军工程大学航空航天工程学院， 西安 ７ １ ０ ０ ３ ８ ）
摘 要： 针对网络化作 战中单探测节点对机动 目标 的运动模ｅ ｔ ｍｏ ｔ ｉ ｏ ｎ ｓ ｔ ａ ｔ ｅ ｉ ｓ ｏ ｔ ｆ ｅ ｎ ａ ｖ ａ ｉ ｒ ｅ ｔ ｙ ｏ ｆ ｃ ｏ ｅ ｘ ｉ ｓ ｔ ｅ ｎ ｃ ｅ， ｔ ｈ ｅ ｆ ｉ ｌ ｔ ｅ ｒ ｃ ａ ｎ’ ｔ ｍｅ ｅ ｔ ｔ ｈ ｅ ｓ ｉ ｎ ｇ ｌ ｅ ｍｏ ｄ ｅ ｌ ｏｒ ｆ
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｂａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｎ ｅ ｔ ｗｏ ｒ ｋ ｏ ｐ ｅ ｒ ａ ｔ ｉ ｏ ｎ ａ ｌ ｒ ｅ ｑ ｕ ｉ ｒ ｅ ｍｅ ｎ ｔ ｓ ，ａ ｔ ｔ ａ ｃ ｋ ａ ｒ ｅ ｓ ｔ ｕ ｄ ｉ ｅ ｄ ｉ ｎ ｔ ｈ ｅ ｄ ｉ ｓ ｓ ｅ ｒ ｔ ａ ｔ ｉ ｏ ｎ ．
Ｖｏ １ ． ４２． Ｎｏ ．１ ０ ０ｃ ｔ ． ２ ０１ ７
火 力 与 指 挥 控 制
Ｆ ｉ ｒ ｅ Ｃ ｏ ｎ ｔ ｒ ｏ ｌ ＆Ｃ ｏ ｍｍａ ｎ ｄ Ｃｏ ｎ ￣ ｏ ｌ
第 ４ ２卷 第 １ ０ 期 ２ ０ １ ７年 ｌ Ｏ月
文章编号 ： １ ０ ０ ２ — ０ ６ ４ ０ （ ２ ０ １ ７ ） １ ０ — ０ ０ ９ ７ — ０ ６
Ｎｅ ｔ ｗｏ ｒ ｋ ｅ ｄ－ａ ｔ ｔ ａ ｃ ｋ Ｔａ ｒ ｇ ｅ ｔ Ｔｒ ａ ｃ ｋ ｉ ｎｇ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｉ ＭＭ － ＵＫＦ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈｍ
Ｚ Ｈ Ｏ Ｕ Ｚ ｈ ｏ ｎ ｇ － ｌ ｉ ａ ｎ ｇ ， Ｇ Ａ Ｏ Ｚ ｈ ｉ － ｍ ｉ ｎ ， Ｚ Ｈ Ａ Ｏ Ｂ ｉ ｎ ， Ｌ Ｉ Ｕ Ｈｏ ｎ ｇ － ｑ ｉ ａ ｎ ｇ ， Ｈ Ａ Ｏ Ｑ ｉ ｎ － ｚ ｈ ｉ （ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ａ ｅ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ｓ ａ ｎ ｄ Ａ ｓ ｔ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ｓ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ａ ｉ ｒ Ｆ ｏ ｒ ｃ ｅ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｘ ｉ ’ 觎７ １ ０ ０ ３ ８ ， Ｃ ｈ ｉ ｎ ａ ）
基于imm-ukf的协同式车辆运动状态跟踪算法
Ｋｅｙｗｏｒｄｓ：ｖｅｈｉｃｌｅａｓｓｉｓｔａｎｔｄｒｉｖｉｎｇ；ｕｎｔｒａｃｋｅｄＫａｌｍａｎｆｉｌｔｅｒｉｎｇ；ｃｏｏｐｅｒａｔｉｏｎ；ｉｎｔｅｒａｃｔｉｖｅｍｕｌｔｉｍｏｄｅｌ； ｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎ；ｍｏｔｉｏｎｔｒａｃｋｉｎｇ；Ｍａｒｋｏｖｃｈａｉｎ；ｆｉｌｔｅｒ
车辆运动状态的准确跟踪是汽车辅助驾驶系 统研 究 领 域 的 关 键 技 术 之 一［１－２］．目 前，利 用 ＧＰＳ、车载惯导、雷 达、红 外 和 机 器 视 觉 等 路 侧 传 感设备来感知道路车辆的运动状态信息已形成了 较为成熟的技术与方法［３］．刘进等［４］借助非线性 三自由度单轨模型，并结合扩展卡尔曼滤波，对车 辆的横向运动状态进行了估计；盘朝奉等［５］采用
１１ 车辆运动状态测量 由于激光雷达在测距与方位感知上具有较好
的效果，本文选用激光雷达作为路侧传感器．但是 单一传感器的测量会受到环境和噪声的影响，使 其感知能力受到限制，故采用在路侧分布式部署 多个传感器形成网络的方法进行数据融合处理， 使不同位置的传感器测量方位和角度不同，从而 降低环境噪声对车辆状态估计的影响，达到优势 互补的效果［６］．路侧传感器需要输出距离和方位 角两个基本测量的变量，其是实现车辆目标状态 检测和跟踪的基本要素，路侧传感器测量模型如 图 １所示．
第４２卷 第３期 ２０２０年 ５月
沈 阳 工 业 大 学 学 报 ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ
Ｖｏｌ４２Ｎｏ３ Ｍａｙ２０２０
ｄｏｉ：１０．７６８８／ｊ．ｉｓｓｎ．１０００－１６４６．２０２０．０３．１５
基于 ＩＭＭＵＫＦ的协同式车辆运动状态跟踪算法
第 ３期
崔雅博，等：基于 ＩＭＭＵＫＦ的协同式车辆运动状态跟踪算法