基于萤火虫优化粒子滤波的新型机动目标跟踪算法
CSTR:
作者:
作者单位:

(1. 南京理工大学自动化学院,南京210094;2. 中国卫星海上测控部,江苏江阴214431)

作者简介:

田梦楚(1987-), 女, 博士生, 从事目标跟踪和智能优化算法的研究;薄煜明(1965-), 男, 研究员, 博士生导师, 从事控制理论与应用、智能优化算法等研究.

通讯作者:

E-mail: chenzhimin@188.com

中图分类号:

TP273

基金项目:

国家自然科学基金青年基金项目(61501521);国家自然科学基金面上基金项目(61473153).


Novel target tracking method based on firefly algorithm optimized particle filter
Author:
Affiliation:

(1. School of Automation,Nanjing University of Science and Technology, Nanjing 210094,China;2. Satellite Maritime Tracking {&} Controlling Department of China,Jiangyin 214431,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    交互式多模型粒子滤波算法需要多个模型才能对强机动目标进行跟踪,并且粒子滤波的重采样会导致粒子贫化现象,针对该问题提出一种新型机动目标跟踪方法.该方法首先将萤火虫群体的吸引和移动机制引入粒子滤波;再将改进粒子滤波引入交互式多模型中,通过智能寻优的方式提高交互式多模型的跟踪精度和稳定性.实验结果表明,相对于IMM-PF,改进方法可以用更少的时间达到同等精度,提高了机动目标跟踪的效率.

    Abstract:

    An interactive multiple model particle filter algorithm needs several models to track the strong maneuvering target, and the resampling of particle filter will lead to the impoverishment phenomenon of particles, therefore, a new kind of tracking the maneuvering target is proposed. The algorithm firstly introduces attraction and moving mechanism of glowworm group into the particle filter, and then introduce the improved particle filter into the interactive multiple model to enhance its tracking precision and stability by intelligent optimization means. Experimental results show, compared with IMM-PF, the improved method can waste less time to reach the same level of precision, and to enhance the tracking performance for maneuvering target.

    参考文献
    相似文献
    引证文献
引用本文

田梦楚,薄煜明,吴盘龙,等.基于萤火虫优化粒子滤波的新型机动目标跟踪算法[J].控制与决策,2017,32(10):1758-1766

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-09-30
  • 出版日期:
文章二维码