用于弹道目标跟踪的新的非线性滤波算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (20): 20-23.

用于弹道目标跟踪的新的非线性滤波算法

巫春玲1，韩崇昭2

1.长安大学电子与控制工程学院，西安 710064
2.西安交通大学电子与信息工程学院，西安 710049

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-11 发布日期:2011-07-11

New nonlinear filtering algorithm for ballistic target tracking

WU Chunling1，HAN Chongzhao2

1.School of Electronic and Control Engineering，Chang’an University，Xi’an 710064，China
2.School of Electronics and Information Engineering，Xi’an Jiaotong University，Xi’an 710049，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-11 Published:2011-07-11

摘要/Abstract

摘要： 针对再入阶段弹道目标的跟踪问题，提出一种新的自适应滤波算法，即强跟踪有限差分扩展卡尔曼滤波（STFDEKF）算法，用于非线性系统的目标跟踪。该方法使用Sterling内插公式进行多项式的近似，从而实现对非线性函数的近似，避免了非线性函数的求导运算;并且算法中引入强跟踪的因子来修正先验的协方差矩阵。新算法改进了跟踪精度，扩大了应用范围，增强了滤波收敛性。仿真实验将新算法与扩展卡尔曼滤波器（EKF）、有限差分扩展卡尔曼滤波器（FDEKF）进行了比较，结果表明，STFDEKF在跟踪精度和滤波可靠性上均优于EKF和FDEKF，但其计算复杂性更大。得出结论，STFDEKF是个很有效的非线性滤波算法。

关键词: 弹道目标跟踪, 扩展卡尔曼滤波, 有限差分, 强跟踪

Abstract: This paper studies the problem of tracking a ballistic target in the reentry phase.It proposes an adaptive algorithm，Strong Tracking Finite-Difference Extended Kalman Filter（STFDEKF），for ballistic target tracking in reentry.This method uses polynomial approximations obtained with a Sterling interpolation formula to approximate the derivative of the nonlinear function，and uses strong tracking factors to modify the prior covariance matrix.The proposed algorithm improves the tracking accuracy，enlarges the applied area and enhances the filtering convergence.It compares the performance of the proposed algorithm with that of the Extended Kalman Filter（EKF） and the Finite-Difference Extended Kalman Filter（FDEKF） using a Monte Carlo simulation.The simulation results show that STFDEKF outperforms EKF and FDEKF in terms of tracking accuracy，filter credibility and robustness against the sensitivity to filter initial condition.It concludes that the STFDEKF is an effective algorithm for the ballistic target tracking problem being studied.

Key words: ballistic target tracking, extended Kalman filter, finite-difference, strong tracking

巫春玲1，韩崇昭2. 用于弹道目标跟踪的新的非线性滤波算法[J]. 计算机工程与应用, 2011, 47(20): 20-23.

WU Chunling1，HAN Chongzhao2. New nonlinear filtering algorithm for ballistic target tracking[J]. Computer Engineering and Applications, 2011, 47(20): 20-23.

[1]	洪濡，胡广地，李雨生，姚克狄. 分布式汽车驱动力能量效率优化分配控制[J]. 计算机工程与应用, 2019, 55(2): 246-252.
[2]	吴蓓蓓1，2，徐丽1. 求解对流扩散方程的混合三次B-样条配点法[J]. 计算机工程与应用, 2018, 54(24): 41-45.
[3]	王越，徐正生，于飞，陈斐楠. 强跟踪稀疏网格滤波在水下目标跟踪中的应用[J]. 计算机工程与应用, 2017, 53(22): 235-242.
[4]	李少华1，2，聂泽东2，李景振2，吴盘龙1. 人体通信不同信道传播特性的研究[J]. 计算机工程与应用, 2017, 53(18): 67-72.
[5]	孙磊1，2，黄国勇1，2，李越1，2. 改进的强跟踪SVD-UKF算法在组合导航中的应用[J]. 计算机工程与应用, 2017, 53(10): 225-229.
[6]	于仲安，简俊鹏，刘莹. 基于SOC的锂离子电池组均衡控制[J]. 计算机工程与应用, 2016, 52(8): 261-265.
[7]	杨鹏生1，吴晓军1，2，张玉梅1，2. 改进扩展卡尔曼滤波算法的目标跟踪算法[J]. 计算机工程与应用, 2016, 52(5): 71-74.
[8]	马凌1，蒋外文2，张肖霞3. 基于改进扩展卡尔曼滤波的单站无源定位算法[J]. 计算机工程与应用, 2016, 52(10): 124-127.
[9]	朱文超，许德章. 六维力传感器下E膜小生境野草EKF滤波研究[J]. 计算机工程与应用, 2015, 51(18): 62-68.
[10]	刘卫东1，2，刘洋1，高立娥1，2. 基于凸组合和Bar-Shalom-Campo的航迹融合算法研究[J]. 计算机工程与应用, 2014, 50(2): 49-53.
[11]	桑森，田国会，段朋，吴皓. 智能空间下基于异质传感信息融合的目标跟踪[J]. 计算机工程与应用, 2014, 50(16): 48-53.
[12]	张莹，贺丰收，郑世友. 基于强跟踪滤波器的交互式多模型算法[J]. 计算机工程与应用, 2013, 49(7): 132-135.
[13]	吴建斌1，李太全2，田茂3. 一种基于PDD算法的ADI-FDTD算法研究[J]. 计算机工程与应用, 2013, 49(23): 195-198.
[14]	周彦，欧阳宁烽，盛权，胡岚. LOS/NLOS环境中融合TOA与RSSI的IMM目标跟踪[J]. 计算机工程与应用, 2013, 49(22): 55-58.
[15]	渐令1，张建松1，宋允全1，赵敏2. 应用有限差分法模拟高炉炉缸侵蚀[J]. 计算机工程与应用, 2012, 48(9): 27-29.