基于自适应变分贝叶斯UKF的高动态三维目标跟踪方法

摘要

在高动态条件下，目标高速移动或状态快速变化导致系统模型的不确定性与量测噪声的复杂性显著增加，传统基于线性或固定噪声假设的滤波方法难以保持稳定的估计精度。针对高动态炮弹三维跟踪任务中系统模型强非线性、噪声统计特性未知及时变等问题，提出一种基于自适应变分贝叶斯的无迹卡尔曼滤波算法(unscented Kalman filter,UKF)。该方法在UKF的框架中引入逆Wishart先验分布，结合变分贝叶斯推理(variational Bayesian,VB)，实现对系统噪声与量测噪声协方差的在线估计，从而自适应地调整滤波增益。为进一步改善传统VB方法收敛性差、计算复杂度高的问题，设计了基于滤波收敛准则的自适应迭代策略，并通过对VB估计项的非线性修正，确保状态协方差与噪声统计特性的一致性。分别在高斯噪声、时变噪声及野值污染3种典型环境下开展仿真实验，并与UKF、Sage-Husa UKF及VB-UKF等算法进行对比。结果表明，所提方法在多种噪声环境下均能实现稳定收敛，在野值污染条件下位置估计精度相比最优对比算法提升约15.3%，并在时变噪声与突发干扰下仍保持较高的鲁棒性与适应性。

关键词

高动态炮弹 / 目标跟踪 / 自适应滤波 / 变分贝叶斯

基金资助

国家自然科学基金青年基金(62403243);国家自然科学基金基础科学中心项目(62388101); 中国科协青年人才托举(2023QNRC001); 中央高校基本科研业务费专项资金资助(30924010931)