基于粒子群的卡爾曼濾波算法改進和優(yōu)化.pdf

1、隨著科學技術的發(fā)展，需要準確的對機動目標進行跟蹤。由于目標識別算法是基于像素的全局搜索，這種方法有如下兩點明顯的不足:在全局搜索中，不僅計算量大而且還要消耗大量的時間，無法滿足機動目標跟蹤的實時控制;在抗干擾能力方面，全局搜索是能被輕易干擾。傳統(tǒng)的濾波方法并不能滿足實際的應用，而卡爾曼濾波是一種非常有效的信號處理方法，甚至在測量噪聲是非常小的情況下，卡爾曼濾波依然有效。
　　 標準卡爾曼濾波方法需要明確知道系統(tǒng)噪聲和量測噪聲的統(tǒng)

2、計特性，然而由于各種因素對相關傳感器影響很大，很難輕易得到噪聲的統(tǒng)計特性，因此卡爾曼濾波方法受到了限制。但是，在實現(xiàn)對移動目標跟蹤進行實時控制時，對算法的實時性和準確性的要求非常高。因此，本文提出了一種基于粒子群算法的改進卡爾曼濾波方法來預測運動目標的快速跟蹤。
　　 本文在研究了卡爾曼濾波的基礎上，引入粒子群優(yōu)化算法，對卡爾曼濾波方法進行改進，提出基于粒子群優(yōu)化的卡爾曼濾波器模型，從而提高目標跟蹤的精度和傳感器測量數(shù)據(jù)的處理精

3、度，降低系統(tǒng)噪聲和量測噪聲所帶來的誤差。本文的主要研究內容如下:
　　 1.分析了卡爾曼濾波算法。包括卡爾曼濾波算法的基本原理、卡爾曼濾波的研究方法、卡爾曼濾波算法的發(fā)散問題的產生和解決，介紹了卡爾曼濾波算法在實際中的應用。
　　 2.研究了粒子群優(yōu)化算法。主要包括粒子群優(yōu)化算法的基本原理、粒子群優(yōu)化算法的優(yōu)缺點和其在實際中的應用。
　　 3.針對卡爾曼濾波算法存在的問題，提出了基于粒子群算法的改進卡爾曼濾波算法