[论文解读] A nonlinear tracking algorithm with range-rate measurements based on unbiased measurement conversion

Lianmeng Jiao, Quan Pan+2 more|arXiv (Cornell University)|Dec 12, 2014

Target Tracking and Data Fusion in Sensor Networks参考文献 7被引用 12

一句话总结

该论文提出了一种利用距离率测量的非线性跟踪算法，通过构建距离与距离率乘积的伪测量，实现无偏测量转换并改进误差协方差估计。通过将顺序滤波器应用于处理后的位置和转换后的距离率数据，该方法减少了二阶扩展卡尔曼滤波中的近似误差，在蒙特卡洛仿真中表现出优于传统CMKF-D的性能。

ABSTRACT

The three-dimensional CMKF-U with only position measurements is extended to solve the nonlinear tracking problem with range-rate measurements in this paper. A pseudo measurement is constructed by the product of range and range-rate measurements to reduce the high nonlinearity of the range-rate measurements with respect to the target state; then the mean and covariance of the converted measurement errors are derived by the measurement conditioned method, showing better consistency than the transitional nested conditioning method; finally, the sequential filter was used to process the converted position and range-rate measurements sequentially to reduce the approximation error in the second-order EKF. Monte Carlo simulations show that the performance of the new tracking algorithm is better than the traditional one based on CMKF-D.

研究动机与目标

• 解决三维目标跟踪中距离率测量的高非线性问题。
• 通过推导转换测量误差的准确均值与协方差，提升估计的一致性。
• 通过顺序处理转换测量，减少二阶扩展卡尔曼滤波中的近似误差。
• 利用距离率数据提升非线性系统中的跟踪性能。

提出的方法

• 通过将距离与距离率测量相乘构建伪测量，以降低非线性。
• 使用测量条件法推导转换测量误差的均值与协方差，确保其一致性优于过渡嵌套条件法。
• 应用顺序滤波器按顺序处理转换后的位置与距离率测量，最小化线性化误差。
• 采用无偏测量转换，以在非线性跟踪场景中保持估计精度。
• 在扩展CMKF-U方法框架内实现该算法，以包含距离率测量。
• 在真实跟踪条件下通过蒙特卡洛仿真验证该方法。

实验结果

研究问题

• RQ1 在非线性跟踪中，如何有效缓解目标状态与距离率测量之间的高非线性？
• RQ2 在非线性系统中，估计转换测量误差均值与协方差的最准确方法是什么？
• RQ3 与标准扩展卡尔曼滤波相比，顺序滤波是否能减少非线性跟踪中距离率数据的近似误差？
• RQ4 在估计精度与一致性方面，所提出的算法与传统CMKF-D方法相比性能如何？

主要发现

• 所提出的算法在非线性跟踪场景中相比传统CMKF-D方法实现了更高的估计精度。
• 使用测量条件法估计误差协方差，其一致性优于过渡嵌套条件法。
• 顺序滤波显著减少了二阶扩展卡尔曼滤波中的线性化误差。
• 利用距离与距离率乘积生成的伪测量，有效降低了测量模型的非线性。
• 蒙特卡洛仿真结果证实，新算法在跟踪精度与稳定性方面优于CMKF-D。
• 该算法在保持无偏估计的同时，提升了在高维非线性跟踪问题中的鲁棒性。