电子学报 ›› 2018, Vol. 46 ›› Issue (4): 886-894.DOI: 10.3969/j.issn.0372-2112.2018.04.017

• 学术论文 • 上一篇    下一篇

基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法

陈志敏1, 吴盘龙2, 薄煜明2, 田梦楚2, 岳聪2, 顾福飞1   

  1. 1. 中国卫星海上测控部, 江苏江阴 214431;
    2. 南京理工大学自动化学院, 江苏南京 210094
  • 收稿日期:2016-09-04 修回日期:2017-03-12 出版日期:2018-04-25 发布日期:2018-04-25
  • 作者简介:陈志敏 男.1986年10月出生,江苏镇江人.博士后,副研究员.分别于2008年和2014年获南京理工大学工学学士和工学博士学位.2014年进入中国卫星海上测控部工作并攻读博士后,主要从事雷达及红外目标跟踪、多传感器信息融合及智能优化技术等方面的研究工作.E-mail:chenzhimin@188.com;吴盘龙 男.1978年2月出生,江苏南京人.副研究员、博士生导师.分别于2003年和2006年获西北工业大学工学硕士和工学博士学位.2010年进入南京理工大学自动化学院工作,主要从事雷达目标跟踪、空间目标监视等方面的研究工作
  • 基金资助:
    国家自然科学基金(No.61501521,No.U1330133,No.61473153);中国博士后科学基金(No.2015M582861)

Adaptive Control Bat Algorithm Intelligent Optimization Particle Filter for Maneuvering Target Tracking

CHEN Zhi-min1, WU Pan-long2, BO Yu-ming2, TIAN Meng-chu2, YUE Cong2, GU Fu-fei1   

  1. 1. China Satellite Maritime Tracking and Controlling Department, Jiangyin, Jiangsu 214431, China;
    2. School of Automation, Nanjing University of Science and Technology, Nanjing, Jiangsu 210094, China
  • Received:2016-09-04 Revised:2017-03-12 Online:2018-04-25 Published:2018-04-25

摘要: 标准粒子滤波重采样过程中对粒子的直接删除会导致粒子贫化,并且综合性价比不高,难以满足高频段精密跟踪雷达的需求.针对上述问题,本文提出了基于自控蝙蝠算法优化粒子滤波的机动目标跟踪方法.该方法首先在粒子滤波中引入蝙蝠算法,用粒子表征蝙蝠个体,模拟蝙蝠群体搜索猎物的过程,使粒子向高似然区域移动.同时,改进算法将粒子接受新状态的比例作为反馈量,设计了自适应闭环控制策略对算法的全局搜索能力和局部搜索能力进行全程动态控制,使得粒子分布更加合理,从而进一步提高了粒子滤波的精度.最后在分别在基础非线性滤波模型和强机动强干扰目标跟踪模型中对改进算法的性能进行了测试.实验结果表明,改进算法提高了目标跟踪的精度.

关键词: 粒子滤波, 蝙蝠算法, 粒子多样性, 闭环控制, 目标跟踪

Abstract: Resampling of particle filters will cause particle depletion and the comprehensive performance is low,which can hardly meet the requirement of high frequency accurate radar.To address the problem,a novel adaptive control bat algorithm optimized particle filter for maneuvering target tracking was proposed in this paper.It introduced bat algorithm into particle filter and took particle as bat individual to simulate the process of hunting and made particles move to high likelihood area.Meanwhile,by taking proportion of accepting as feedback,the improved algorithm designed closed-loop control strategy and controlled the balance between ability of global optimization and local optimization and improved rationality of particles distribution and accuracy of filter.Finally,the improved algorithm was tested in basic nonlinear filter model and strong maneuvering-jamming target tracking model.The experimental results prove that the new algorithm conduces to enhancement of the precision for target tracking.

Key words: particle filter, bat algorithm, particle diversity, closed-loop control, target tracking

中图分类号: