基于平方根Unscented卡尔曼滤波的车辆融合跟踪
陈 莹，韩崇昭
（西安交通大学电子与信息工程学院，710049,西安）
摘要: 针对车辆运动的机动性和跟踪系统的非线性,提出了一种基于平方根Unscented卡尔曼滤波(SR-UKF)的多传感器融合跟踪方法.该方法采用动力学模型建立系统的状态方程和量测方程，充分利用了多传感器的量测信息，更好地满足了目标的机动特性.采用基于UKF的数据融合方法处理系统的非线性问题,避免了扩展卡尔曼滤波(EKF)产生的线性化误差.同时,在滤波过程中,以协方差平方根阵代替协方差阵参加迭代运算,有效地避免了滤波器的发散,提高了滤波算法的收敛速度和稳定性.实验证明,与基于EKF的融合算法相比,基于SR-UKF的融合算法使系统的位置和方向角的跟踪精度分别提高了18.22%和34.81%.
关键词: 车辆跟踪;非线性滤波;数据融合
中图分类号: TP274 文献标识码: A 文章编号: 0253-987X(2005)06-0594-04