基于交互多模型的时变平滑变结构滤波算法

doi:10.7527/S1000-6893.2024.30167

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

基于交互多模型的时变平滑变结构滤波算法

王健¹^,²(), 周立辉¹, 陈家福¹, 李欣琦¹, 郭霖佯¹, 何自豪¹, 周浩¹

^1.西北工业大学电子信息学院，西安 710129
^2.西北工业大学第365研究所，西安 710065

收稿日期:2024-01-17 修回日期:2024-02-27 接受日期:2024-04-16 出版日期:2024-05-07 发布日期:2024-04-25
通讯作者: 王健 E-mail:jianwang@nwpu.edu.cn
基金资助:
国家自然科学基金(62271409);陕西省重点产业创新链项目(2018ZDCXL-G-12-2);中央高校基本科研业务费专项资金;空天地海一体化大数据应用技术国家工程实验室

Time-varying smooth variable structure filter based on interactive multi-model

Jian WANG¹^,²(), Lihui ZHOU¹, Jiafu CHEN¹, Xinqi LI¹, Linyang GUO¹, Zihao HE¹, Hao ZHOU¹

^1.School of Electronic and Information，Northwestern Polytechnical University，Xi’an 710129，China
^2.No. 365 Institute，Northwestern Polytechnical University，Xi’an 710065，China

Received:2024-01-17 Revised:2024-02-27 Accepted:2024-04-16 Online:2024-05-07 Published:2024-04-25
Contact: Jian WANG E-mail:jianwang@nwpu.edu.cn
Supported by:
National Natural Science Foundation of China(62271409);Shaanxi Key Industry Innovation Chain Project(2018ZDCXL-G-12-2);Fundamental Research Funds for the Central Universities;National Polytechnical Laboratory for Integrated Aero-space Ground Ocean Gig Data Application Technology

摘要/Abstract

摘要：

针对平滑变结构滤波算法存在抖振以及无法有效估计未量测目标状态的问题，提出了基于交互多模型的时变平滑变结构滤波算法。该算法首先通过平滑变结构滤波算法对目标状态进行初步估计；其次通过计算时变平滑有界层，并采用tanh函数取代饱和函数计算初步状态增益，共同解决抖振问题；然后采用贝叶斯思想重新计算协方差矩阵与状态增益用于目标状态更新，解决平滑变结构滤波无法有效估计未量测状态的问题；最后与交互多模型算法结合，实现对机动目标的有效跟踪。仿真结果表明，提出的算法在模型失配、量测噪声改变以及非高斯量测噪声的情况下，仍可有效地对机动目标进行跟踪，与典型的目标跟踪方法相比，跟踪精度明显提高且鲁棒性更强。

关键词: 平滑变结构滤波, 时变平滑有界层, 交互多模型, 状态估计, 机动目标跟踪

Abstract:

To overcome the problems of jitter and ineffective estimation of the unmeasured target state in the smooth variable structure filter， a time-varying smooth variable structure filter based on interactive multi-model is proposed. Firstly， the target state is estimated through the smooth variable structure filter. Subsequently， the jitter problem is solved by computing the time-varying smooth boundary layer and employing the tanh function instead of the saturation function to calculate the initial state gain. Then， Bayesian formulas are applied to recompute the covariance matrix and state gain to update the target state， effectively addressing the challenge of inefficient estimation of unmeasured states in the smooth variable structure filter. Finally， the algorithm is integrated with the interactive multi-model approach to achieve effective tracking of maneuvering targets. Simulation results demonstrate that the proposed algorithm maintains its effectiveness in tracking maneuvering targets under the conditions of model mismatch and changes in measurement noise or non-Gaussian measurement noise. The simulation results indicate that the method proposed has a significant improvement in tracking accuracy and robustness over typical target tracking methods.

Key words: smooth variable structure filter, time-varying smoothing boundary layer, interactive multi-model, state estimation, maneuvering target tracking

中图分类号:

V474

王健, 周立辉, 陈家福, 李欣琦, 郭霖佯, 何自豪, 周浩. 基于交互多模型的时变平滑变结构滤波算法[J]. 航空学报, 2024, 45(21): 330167.

Jian WANG, Lihui ZHOU, Jiafu CHEN, Xinqi LI, Linyang GUO, Zihao HE, Hao ZHOU. Time-varying smooth variable structure filter based on interactive multi-model[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(21): 330167.

图/表 30

图 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

图 9

表 1

表 2

图 10

图 11

图 12

图 13

图 14

表 3

图 15

图 16

图 17

图 18

表 4

图 19

图 20

图 21

图 22

图 23

图 24

图 25

表 5

参考文献 25

1	KALMAN R E. A new approach to linear filtering and prediction problems［J］. Journal of Basic Engineering， 1960， 82（1）： 35-45.
2	GAO R， TRONARP F， SÄRKKÄ S. Iterated extended Kalman smoother-based variable splitting for L₁-regularized state estimation［J］. IEEE Transactions on Signal Processing， 2019， 67（19）： 5078-5092.
3	熊凯，魏春岭，李连升，等. 基于扩维QLEKF的脉冲星/星间定向组合导航［J］. 航空学报， 2023， 44（3）： 526232.
	XIONG K， WEI C L， LI L S， et al. Pulsar/inter-satellite LOS integrated navigation based on augmented QLEKF［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（3）： 526232 （in Chinese）.
4	JULIER S J， UHLMANN J K. Unscented filtering and nonlinear estimation［J］. Proceedings of the IEEE， 2004， 92（3）： 401-422.
5	黄景帅，李永远，汤国建，等. 高超声速滑翔目标自适应跟踪方法［J］. 航空学报， 2020， 41（9）： 323786.
	HUANG J S， LI Y Y， TANG G J， et al. Adaptive tracking method for hypersonic glide target［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（9）： 323786 （in Chinese）.
6	ARASARATNAM I， HAYKIN S. Cubature Kalman filters［J］. IEEE Transactions on Automatic Control， 2009， 54（6）： 1254-1269.
7	陈林秀，杨翔宇，张航，等.基于主动雷达/红外信息融合的复合制导方法［J］.航空学报，2022，43（S1）： 727058.
	CHEN L X， YANG X Y， ZHANG H， et al. Composite guidance technology based on active radar/infrared information fusion［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（S1）： 727058 （in Chinese）.
8	MOGHADDASI S S， FARAJI N. A hybrid algorithm based on particle filter and genetic algorithm for target tracking［J］. Expert Systems with Applications， 2020， 147： 113-188.
9	HABIBI S. The smooth variable structure filter［J］. Proceedings of the IEEE， 2007， 95（5）： 1026-1059.
10	GADSDEN S A， HABIBI S R. A new form of the smooth variable structure filter with a covariance derivation［C］∥ 49th IEEE Conference on Decision and Control （CDC）. Piscataway： IEEE Press， 2010： 7389-7394.
11	AL-SHABI M， HABIBI S. New novel time-varying and robust smoothing boundary layer width for the smooth variable structure filter［C］∥ 2013 9th International Symposium on Mechatronics and its Applications （ISMA）. Piscataway： IEEE Press， 2013： 1-6.
12	LI W J， GU H， SU W M. Partitioned time-varying smooth variable structure filter for airport target tracking［C］∥ 2016 CIE International Conference on Radar （RADAR）. Piscataway： IEEE Press， 2016： 1-5.
13	ATTARI M， LUO Z Z， HABIBI S. An SVSF-based generalized robust strategy for target tracking in clutter［J］. IEEE Transactions on Intelligent Transportation Systems， 2016， 17（5）： 1381-1392.
14	CHEN Y， XU L P， WANG G M， et al. An improved smooth variable structure filter for robust target tracking［J］. Remote Sensing， 2021， 13（22）： 4612-4639.
15	AVZAYESH M， ABDEL-HAFEZ M， ALSHABI M， et al. The smooth variable structure filter： a comprehensive review［J］. Digital Signal Processing， 2021， 110： 102912.
16	AL-SHABI M， GADSDEN S A， HABIBI S R. Kalman filtering strategies utilizing the chattering effects of the smooth variable structure filter［J］. Signal Processing， 2013， 93（2）： 420-431.
17	GOODMAN J， HILAL W， GADSDEN S A， et al. Adaptive SVSF-KF estimation strategies based on the normalized innovation square metric and IMM strategy［J］. Results in Engineering， 2022， 16： 100785.
18	LI Y W， LI G， LIU Y， et al. A novel smooth variable structure filter for target tracking under model uncertainty［J］. IEEE Transactions on Intelligent Transportation Systems， 2022， 23（6）： 5823-5839.
19	JIA S Y， ZHANG Y， WANG G H. Highly maneuvering target tracking using multi-parameter fusion singer model［J］. Journal of Systems Engineering and Electronics， 2017， 28（5）： 841-850.
20	鲁其兴，汤新民，周杨. 基于双变量自适应 “当前” 统计模型的场面4D轨迹跟踪预测［J］. 系统工程与电子技术， 2024， 46（2）： 675-683.
	LU Q X， TANG X M， ZHOU Y. Airport surface 4D trajectory tracking prediction based on bivariate adaptive “current” statistical model［J］. Systems Engineering and Electronics， 2024， 46（2）： 675-683 （in Chinese）.
21	HUAI L L， LI B， YUN P， et al. Weighted maximum correntropy criterion-based interacting multiple-model filter for maneuvering target tracking［J］. Remote Sensing， 2023， 15（18）： 4513.
22	GADSDEN S A， HABIBI S R， KIRUBARAJAN T. A novel interacting multiple model method for nonlinear target tracking［C］∥ 2010 13th International Conference on Information Fusion. Piscataway： IEEE Press， 2010： 1-8.
23	GADSDEN S A， SONG Y， HABIBI S R. Novel model-based estimators for the purposes of fault detection and diagnosis［J］. IEEE/ASME Transactions on Mechatronics， 2013， 18（4）： 1237-1249.
24	JOHNSTON L A， KRISHNAMURTHY V. An improvement to the interacting multiple model （IMM） algorithm［J］. IEEE Transactions on Signal Processing， 2001， 49（12）： 2909-2923.
25	彭冬亮，郭云飞，薛安克. 三维高速机动目标跟踪交互式多模型算法［J］. 控制理论与应用， 2008， 25（5）： 831-836.
	PENG D L， GUO Y F， XUE A K. An interacting multiple model algorithm for a 3D high maneuvering target tracking［J］. Control Theory & Applications， 2008， 25（5）： 831-836 （in Chinese）.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

算法	x轴位置/m	y轴位置/m	x轴速度/（m·s^-1）	y轴速度/（m·s^-1）
ISVSF^［14］	123.079	119.789	34.354	33.336
IMM-KF^［24］	127.155	125.748	28.806	27.981
IMM-SVSF^［22］	225.719	217.596	81.784	79.469
UK-SVSF^［16］	131.482	128.693	28.705	27.647
IMM-tanh-VSVSF	104.828	102.753	25.001	24.561

时间/s	运动方式
0~50	（300，280） m/s匀速运动
50~200	角速度为0.1 rad/s的匀速转弯运动
200	加速度为0 m/s²，y轴速度为0 m/s
200~250	角速度为0.1 rad/s的匀速转弯运动
250	加速度为（0.5，0.3） m/s²，x轴速度为0 m/s
250~300	匀加速运动
300	加速度为0 m/s²
300~350	角速度为-0.02 rad/s的匀速转弯运动

算法	x轴位置/m	y轴位置/m	x轴速度/（m·s^-1）	y轴速度/（m·s^-1）
ISVSF^［14］	190.637	180.512	69.780	86.419
IMM-KF^［24］	130.256	129.181	33.882	35.129
UK-SVSF^［16］	205.139	221.865	43.179	47.853
IMM-tanh-VSVSF	109.016	107.156	29.661	33.358

算法	x轴位置/m	y轴位置/m	x轴速度/（m·s^-1）	y轴速度/（m·s^-1）
ISVSF^［14］	232.115	221.880	87.443	96.284
IMM-KF^［24］	244.171	244.293	61.157	62.457
UK-SVSF^［16］	220.121	233.708	43.039	47.108
IMM-tanh-VSVSF	187.936	188.531	39.065	42.961

算法	x轴位置/m	y轴位置/m	z轴位置/m	x轴速度/（m·s^-1）	y轴速度/（m·s^-1）	z轴速度/（m·s^-1）
ISVSF^［14］	182.822	192.819	203.797	94.451	101.343	108.241
IMM-KF^［24］	167.758	155.840	188.102	84.328	129.421	92.380 6
UK-SVSF^［16］	223.558	243.178	258.542	83.215	88.601	86.993
IMM-tanh-VSVSF	107.554	123.723	170.323	51.926	59.622	55.231

基于交互多模型的时变平滑变结构滤波算法

Time-varying smooth variable structure filter based on interactive multi-model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 30

参考文献 25

相关文章 15

编辑推荐

Metrics

本文评价

[1]	陈雪芹, 杨伯毓, 吴凡, 岳程斐, 曹喜滨. 基于l₁-TSXKF的航天器姿控系统状态偏差估计[J]. 航空学报, 2024, 45(16): 329678-329678.
[2]	马悦萌, 刘明, 杨丁, 杨明, 张敏刚, 葛亚杰. 热约束下近空间飞行器预设性能抗噪控制[J]. 航空学报, 2023, 44(S2): 729390-729390.
[3]	陈林秀, 杨翔宇, 张航, 赵佳佳, 郝明瑞. 基于主动雷达/红外信息融合的复合制导方法[J]. 航空学报, 2022, 43(S1): 727058-727058.
[4]	熊伟, 朱洪峰, 崔亚奇. 在线学习的循环自适应机动目标跟踪算法[J]. 航空学报, 2022, 43(5): 325250-325250.
[5]	李笑宇, 冯肖雪, 潘峰, 蒲宁. 网络攻击下无人机信息物理系统的自适应状态估计[J]. 航空学报, 2022, 43(3): 325193-325193.
[6]	王大轶, 侯博文, 王炯琦, 葛东明, 李茂登, 徐超, 周海银. 航天器自主导航状态估计方法研究综述[J]. 航空学报, 2021, 42(4): 524310-524310.
[7]	庞磊, 曹志强, 喻俊志. 基于A^*和TEB融合的行人感知无碰跟随方法[J]. 航空学报, 2021, 42(4): 524909-524909.
[8]	陈尔康, 荆武兴, 高长生. 弹性高超声速滑翔飞行器的状态/参数联合估计[J]. 航空学报, 2019, 40(8): 322992-322992.
[9]	冯肖雪, 李淑慧, 潘峰. 双重未知干扰解耦的多传感器系统偏差校正与状态估计[J]. 航空学报, 2019, 40(7): 322845-322845.
[10]	邢伯阳, 潘峰, 王位, 冯肖雪. 基于复合地标导航的动平台四旋翼飞行器自主优化降落技术[J]. 航空学报, 2019, 40(6): 322601-322601.
[11]	王树亮, 毕大平, 阮怀林, 周阳. 基于视觉注意机制的认知雷达数据关联算法[J]. 航空学报, 2018, 39(6): 321828-321828.
[12]	卢哲俊, 胡卫东. 基于随机有限集的空间碎片群运动状态估计[J]. 航空学报, 2017, 38(11): 321200-321200.
[13]	刘嘉, 向锦武, 张颖, 孙阳, 肖楚琬. 自适应飞机驾驶员最优控制模型研究及应用[J]. 航空学报, 2016, 37(4): 1127-1138.
[14]	翟岱亮, 雷虎民, 李炯, 刘滔. 基于自适应IMM的高超声速飞行器轨迹预测[J]. 航空学报, 2016, 37(11): 3466-3475.
[15]	冯肖雪, 梁彦, 焦连猛. 基于MCMC-Gibbs采样的天波超视距雷达联合状态估计与模式辨识[J]. 航空学报, 2014, 35(8): 2299-2306.