一种基于Kalman改进的粒子滤波算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113704673A(43)申请公布日2021.11.26(21)申请号202110896346.4(22)申请日2021.08.05(71)申请人江南机电设计研究所地址550009贵州省贵阳市小河区红河路7号贵阳航天工业园区(72)发明人张斌孙宝增李栋花王肖晨王晓荔杨华王玉茜刘莉(74)专利代理机构贵州派腾知识产权代理有限公司52114代理人宋妍丽(51)Int.Cl.G06F17/10(2006.01)权利要求书2页说明书4页附图5页(54)发明名称一种基于Kalman改进的粒子滤波算法(57)摘要本发明提出了一种基于Kalman改进的粒子滤波算法，该算该算法综合考虑Kalman滤波算法与粒子滤波算法的不同特性，利用扩展卡尔曼滤波对粒子状态的估计进行状态空间的搜索，弱化先验信息的影响、粒子退化及扩展卡尔曼滤波算法在高速机动、强干扰目标时的滤波发散现象，一定程度上提高了对于高机动、强干扰目标的滤波精度，具有一定的工程应用价值。CN113704673ACN113704673A权利要求书1/2页1.一种基于Kalman改进的粒子滤波算法，其特征在于：包括以下步骤：①根据目标的滤波结果精度要求与处理目标容量，确认滤波算法所需要的粒子个数；②接收第一拍目标数据，并使用目标第一拍数值对粒子进行初始化；③收到目标第k拍数据时，每个粒子都使用扩展卡尔曼滤波对目标状态进行估计；④根据估计的状态重新计算每个粒子的权值；⑤采用重采样除去漂移最远且权值最小的粒子，找出有效且权值最大的粒子；⑥根据每个粒子的目标状态估计值求取目标当前的滤波值；⑦当收到目标第k+1拍数据时，循环②～⑥。2.如权利要求1所述的基于Kalman改进的粒子滤波算法，其特征在于：所述步骤③中，粒子i对目标状态估计Xk/k(i)的计算方法为：Xk/k(i)＝Xk/k‑1(i)+Kk(i)(Z(k)‑HXk/k‑1(i))Xk/k‑1(i)＝Φ(k‑1)Xk‑1/k‑1(i)TPk/k‑1(i)＝Φ(k‑1)Pk‑1/k‑1(i)Φ(k‑1)+Q(k‑1)TT‑1Kk(i)＝Pk/k‑1(i)H(HPk/k‑1(i)H+R)TTPk/k(i)＝(I‑Kk(i)H)Pk/k‑1(i)(I‑Kk(i)H)+Kk(i)RKk(i)其中，K为滤波增益，Φ为状态转移矩阵，Q为过程噪声协方差矩阵，H为观测矩阵，P为互协方差，初值可取为零矩阵，即初始航迹状态估计的互协方差为0，Z为观测向量，R为观测噪声协方差矩阵，I为单位矩阵。3.如权利要求1所述的基于Kalman改进的粒子滤波算法，其特征在于：所述步骤④中，计算公式如下：其中，ω为粒子权重向量，R为观测噪声协方差矩阵，Z为测量向量，X为预测向量，为粒子归一化权重向量，N为粒子总数。4.如权利要求1所述的基于Kalman改进的粒子滤波算法，特征在于：所述步骤⑤分为以下步骤：(5.1)生成N个服从均匀分布的随机数uk～U(0,1)；(5.2)将随机数uk排序(5.3)对第i个粒子复制ni个拷贝，的个数；其中，ω为粒子权重向量。(5.4)获得有效粒子Xk/k(i)作为k+1拍的状态输入。5.如权利要求1所述的基于Kalman改进的粒子滤波算法，其特征在于：所述步骤⑥中，2CN113704673A权利要求书2/2页求取目标当前的滤波值的公式如下：Xk/k＝E(Xk(i))其中，X为每个粒子的滤波值，E为对所有粒子滤波值求期望。3CN113704673A说明书1/4页一种基于Kalman改进的粒子滤波算法技术领域[0001]本发明涉及一种基于Kalman改进的粒子滤波算法，属于指挥控制系统设计领域。背景技术[0002]一个好的滤波算法对于武器系统而言是非常重要的，有助于提高和改善武器系统的作战决策效率，从而达到提高武器系统作战能力的目的。与传统的防空体系抗击各种飞机的空袭相比，现代防空体系所面临的是复杂电磁环境下高机动、强干扰目标的拦截，而传统滤波算法对于机动目标效果都不太理想。现代化防空体系面对高机动、强干扰目标时，如何提高其滤波精度，改善作战决策是目前研究的一个重点与难点。发明内容[0003]为解决上述技术问题，本发明提供了一种基于Kalman改进的粒子滤波算法，该基于Kalman改进的粒子滤波算法对于各类机动、非机动、高速目标都具备很好的适应能力，与基本粒子滤波算法相比，其粒子退化现象得到了明显的改善，效果上也会明显优于传统的α‑β滤波及扩展Kalman滤波算法，尤其是角度上的滤波效果。[0004]本发明通过以下技术方案得以实现。[0005]本发明提供的一种基于Kalman改进的粒子滤波算法，包括以下步骤：[0006]①根据目标的滤波结果精度要求与处理目标容量，确认滤