用于再入弹道目标跟踪的Sigma点卡尔曼滤波器

系统仿真学报 ›› 2016, Vol. 28 ›› Issue (3): 640-647.

用于再入弹道目标跟踪的Sigma点卡尔曼滤波器

巫春玲, 巨永锋, 胡平, 段晨东

长安大学电子与控制工程学院,西安 710064

收稿日期:2014-10-27 修回日期:2014-12-19 发布日期:2020-07-02

Sigma Point Kalman Filters for Re-entry Ballistic Target Tracking

Wu Chunling, Ju Yongfeng, Hu Ping, Duan Chengdong

School of Electronics and Control Engineering, Chang'an University, Xi'an 710064, China

Received:2014-10-27 Revised:2014-12-19 Published:2020-07-02
About author:Wu Chunling (1978-), female, Ningxia, China, PHD, associate professor, research area is target tracking, estimation and filtering
Supported by:
Shaanxi Province Natural Science Fund (2015JQ6242), Central Colleges Fundamental Research Funds (310832151096, 310832151092)

摘要/Abstract

摘要： 提出一种新的Sigma点卡尔曼滤波器,求积分卡尔曼滤波器(Quadrature Kalman Filter, QKF),用于再入弹道目标的跟踪问题。新滤波器通过一系列参数化高斯密度的高斯-赫米特求积分点,使用统计线性回归的方法来线性化非线性函数的。仿真实验比较了这个新的Sigma点滤波器和扩展卡尔曼滤波器(Extended Kalman Filter, EKF),均差滤波器(Divided Difference Filter, DDF),无味滤波器(Uncented Kalman Filter, UKF)。结果表明所有Sigma点滤波器的估计误差都低于EKF的估计误差。QKF的估计误差低于UKF的估计误差,其滤波可靠性也与UKF很接近。QKF的计算复杂性比UKF稍高,新的Sigma点滤波器是一种有效算法。

关键词: Sigma点滤波, 卡尔曼滤波, 求积分卡尔曼滤波, 跟踪

Abstract: A new kind of sigma-point Kalman filter was proposed, quadrature Kalman filter(QKF), for the purpose of re-entry ballistic target tracking applications. The new filter linearized the nonlinear functions using statistical linear regression method through a set of Gaussian-Hermite quadrature points that parameterized the Gaussian density. The simulation experiment compared this new sigma point filter with EKF, DDF and UKF. Simulation results show that the estimation errors of all sigma point filters are all lower than that of EKF. The estimation error of QKF is lower than that of UKF, and its filtering credibility is almost same as that of UKF. The calculation complexity of QKF is a litter higher than that of UKF. The new sigma-point filter is an effective algorithm.

Key words: sigma point, Kalman filters, quadrature Kalman filter, tracking

中图分类号:

TP391.9

巫春玲, 巨永锋, 胡平, 段晨东. 用于再入弹道目标跟踪的Sigma点卡尔曼滤波器[J]. 系统仿真学报, 2016, 28(3): 640-647.

Wu Chunling, Ju Yongfeng, Hu Ping, Duan Chengdong. Sigma Point Kalman Filters for Re-entry Ballistic Target Tracking[J]. Journal of System Simulation, 2016, 28(3): 640-647.

[1]	杜宝林, 朱大昌, 盘意华. 机械臂模糊超螺旋二阶滑模轨迹跟踪控制[J]. 系统仿真学报, 2022, 34(6): 1343-1352.
[2]	王志伟, 胡继宗, 王风杰, 黄杰. 基于非线性观测器的导航过程仿真研究[J]. 系统仿真学报, 2022, 34(5): 1127-1139.
[3]	齐晓龙, 杨旭光. 离散异构多自主体系统时变输出编队跟踪控制[J]. 系统仿真学报, 2022, 34(1): 36-44.
[4]	路宏广, 赵树恩. 基于鲁棒模型预测的智能汽车轨迹跟踪控制研究[J]. 系统仿真学报, 2022, 34(1): 153-162.
[5]	吴小龙, 夏甫根, 陈静, 徐佳. 基于能量最优的无人驾驶汽车路径跟踪控制[J]. 系统仿真学报, 2022, 34(1): 163-169.
[6]	张瑞民, 陈巧玉. 基于光滑二阶滑模的机械臂轨迹跟踪控制[J]. 系统仿真学报, 2021, 33(6): 1315-1322.
[7]	李琪, 墨瀚林, 王向东, 李华. 短道速滑场景下的多目标跟踪与运动仿真[J]. 系统仿真学报, 2021, 33(5): 1039-1050.
[8]	冷姚, 赵树恩. 智能车辆横向轨迹跟踪的显式模型预测控制方法[J]. 系统仿真学报, 2021, 33(5): 1177-1187.
[9]	马立新, 朱勇杰, 季乐延. 神经网络优化的无感永磁同步电机控制系统[J]. 系统仿真学报, 2021, 33(3): 622-630.
[10]	王一静, 苏中, 李擎, 李磊. 地下空间单兵定位零速修正算法仿真研究[J]. 系统仿真学报, 2021, 33(11): 2545-2551.
[11]	范存礼, 戴娟, 刘海涛, 苏中, 朱翠, 徐文婷. 基于神经网络与分数阶滑模的行星进入段轨迹跟踪控制[J]. 系统仿真学报, 2021, 33(11): 2697-2703.
[12]	赵景波, 朱梁鹏, 刘成晔. 四轮转向智能车辆路径跟踪控制策略研究[J]. 系统仿真学报, 2021, 33(10): 2390-2398.
[13]	王可, 刘立刚, 周斌, 卜智勇. 基于SINS/GNSS/轮速的列车组合导航算法研究[J]. 系统仿真学报, 2021, 33(1): 189-195.
[14]	李琪, 王向东, 李华. 基于双Kinect传感器的三维人体姿态跟踪方法[J]. 系统仿真学报, 2020, 32(8): 1446-1454.
[15]	邓涛, 李鑫. 基于模型预测控制的智能车辆避障跟踪仿真[J]. 系统仿真学报, 2020, 32(8): 1556-1566.