Kalman滤波参数的最大联合似然估计及其在水下目标跟踪中的应用
Kalman滤波(KF)是一种最优估计方法并且广泛应用于水下目标定位跟踪领域.在一些应用中,若先验信息不精确以至于不能准确地描述真实的统计噪声水平,那么KF估计将不是最优估计甚至导致发散.在本文中,引入合作的引导目标,应用最大联合似然训练算法来自动选取更优的系统噪声参数,对Kalman跟踪系统进行监督训练,进一步提高了传统Kalman滤波算法对水下目标跟踪的性能.针对水下目标跟踪中噪声协方差参数获取困难的问题，本文应用合作的引导目标及最大联合似然算法来训练KF的噪声协方差参数。算法的基本思想为：通过调整KF的噪声协方差参数来最大化系统状态预测精度。仿真结果表明，训练算法与常规KF 算法相比有两个优点。第一，跟踪系统与引导目标合作，完全自动搜索噪声协方差参数，解决了人工调节费时费力的缺点。第二，通过训练可获得的准确的噪声协方差参数，从而提高了目标跟踪精度。
水下目标跟踪 声学信号处理 噪声协方差参数 卡尔曼滤波 最大联合似然估计
杨少凡 郭中源 郭圣明 贾宁 黄建纯 肖东
中国科学院水声环境特性重点实验室,北京100190;中国科学院声学研究所,北京100190;中国科学院大学,北京100190 中国科学院水声环境特性重点实验室,北京100190;中国科学院声学研究所,北京100190
国内会议
哈尔滨
中文
279-280
2017-09-22（万方平台首次上网日期，不代表论文的发表时间）