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; 吴盘龙; 薄煜明; 田梦楚; 岳聪; 顾福飞

doi:10.3969/j.issn.0372-2112.2018.04.017

您当前的位置：

首页 >

文章列表页 >

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

学术论文 | 更新时间：2025-07-16

- 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
- Adaptive Control Bat Algorithm Intelligent Optimization Particle Filter for Maneuvering Target Tracking
- 电子学报 2018年46卷第4期页码：886-894
- 作者机构：
  
  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
  3. 中国卫星海上测控部江苏江阴,214431
  4. 南京理工大学自动化学院,江苏,南京,210094
- 作者简介：
- 基金信息：
  
  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）
- DOI：10.3969/j.issn.0372-2112.2018.04.017
  中图分类号： TP391
- 网络出版：2018-04-25，
  
  纸质出版：2018
- 稿件说明：
移动端阅览
陈志敏, 吴盘龙, 薄煜明, 等. 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[J]. 电子学报, 2018,46(4):886-894.

CHEN Zhi-min, WU Pan-long, BO Yu-ming, et al. Adaptive Control Bat Algorithm Intelligent Optimization Particle Filter for Maneuvering Target Tracking[J]. Acta Electronica Sinica, 2018, 46(4): 886-894.
陈志敏, 吴盘龙, 薄煜明, 等. 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[J]. 电子学报, 2018,46(4):886-894. DOI： 10.3969/j.issn.0372-2112.2018.04.017.

CHEN Zhi-min, WU Pan-long, BO Yu-ming, et al. Adaptive Control Bat Algorithm Intelligent Optimization Particle Filter for Maneuvering Target Tracking[J]. Acta Electronica Sinica, 2018, 46(4): 886-894. DOI： 10.3969/j.issn.0372-2112.2018.04.017.

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.

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.

关键词

Keywords

references

浏览量

229

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于自适应观测模型交互多模型粒子滤波的红外机动目标跟踪

基于最小模糊误差熵的机动目标跟踪新方法

动态自适应特征融合的MFOPA跟踪器

被动声纳粒子滤波检测前跟踪的检测门限设置方法

单基站DTMB信号约束的PDR运动参数修正