水下目標跟蹤粒子濾波算法性能分析*

張程振，丁元明*，楊 陽

（1.大連大學信息工程學院，遼寧 大連 116622；2.大連大學通信與網絡重點實驗室，遼寧 大連 116622）

0 引言

AUV 在港口安全防御、雷區探測、水下目標打擊等有著重要的應用，其中熱點之一就是利用AUV 進行水下目標跟蹤。經典的卡爾曼濾波器（Kalman filter）在目標跟蹤領域得到了廣泛的應用，但在實際應用中需要解決系統非線性與非高斯環境問題，為此出現了經典的改進算法，如擴展卡爾曼濾波算法（extended Kalman filter，EKF）、無跡卡爾曼濾波（ynscented Kalman filter，UKF）等。解決非線性濾波問題的方法還有序列蒙特卡羅方法（sequential monte Carlo methods，SMC），即粒子濾波算法（particle filter，PF）。其正式建立應歸功于Gordon 等人將重采樣技術（resampling）引入蒙特卡羅采樣過程，有效解決了樣本權值退化問題。

在現代信號處理、人工智能、目標跟蹤等領域中，粒子濾波算法的應用不斷擴展。Isard和Blake 首先提出Condensation 算法利用粒子濾波解決目標跟蹤問題，在該算法中，使用先驗概率密度作為重要性采樣密度函數，從中抽取粒子，使用得到的樣本集合近似表示后驗概率密度，但只是適用于簡單場景下的目標跟蹤。Wang 等人針對純方位目標跟蹤問題，提出了融合當前時刻觀測信息的卡爾曼粒子濾波算法，其跟蹤效果與傳統卡爾曼濾波算法相比具有明顯的優勢，但是沒有考慮目標距離信息。Liu 等人提出一種基于自適應馬爾科夫鏈的粒子濾波跟蹤算法，能夠以較少的迭代次數使粒子濾波收斂于后驗分布，在實時環境中跟蹤機動目標獲得較高的準確率，但只是二維狀態下的目標跟蹤。……