目标跟踪常用算法——CKF篇

目录

1.容积卡尔曼滤波算法

1.1 容积卡尔曼滤波算法简单介绍

1.2 容积卡尔曼滤波算法流程

1.3 容积卡尔曼滤波算法仿真分析

2.参考文献

---

1.容积卡尔曼滤波算法

1.1 容积卡尔曼滤波算法简单介绍

容积卡尔曼滤波(Cubature Kalman Filter,CKF)算法是新提出的一种非线性滤波算法，解决了高维系统滤波估计效果较差的问题。容积卡尔曼滤波与无迹卡尔曼滤波相似，但克服了UKF高维系统处理的问题。CKF算法基于贝叶斯滤波基础，通过选取一组容积点来近似计算函数的均值与协方差，降低了非线性函数线性化的误差。CKF算法基于数值积分理论来计算高斯积分，具有数值精度高的特点。

1.2 容积卡尔曼滤波算法流程

1.3 容积卡尔曼滤波算法仿真分析

仿真条件：

假设一目标在二维平面内做匀速直线运动，观测站处于原点且保持静止，无站址误差。观测站可以实时测量到目标与观测站之间的距离以及方位角(北偏东)。蒙特卡洛仿真100次，并将RMSE与CRLB进行对比。

	目标初始状态	量测误差	过程噪声
二维	(-1000m,1000m,20m/s,-8m/s)	100m，1°	1e-4m/s2

2.参考文献

陈燕平. 基于容积卡尔曼滤波的目标跟踪研究 [D]; 电子科技大学, 2021.