论文部分内容阅读
针对被动测角目标跟踪系统中存在的非线性问题，提出了一种基于拟蒙特卡罗．高斯粒子滤波（QMC-GPF）的跟踪算法。通过高斯粒子来近似目标与观测的边缘关联概率，利用高斯粒子滤波（GPF）对目标状态进行预测及更新，同时，将拟蒙特卡罗（QMC）积分方法引入计算目标状态的预测和更新分布，最后将所提算法应用到被动多传感器目标跟踪，仿真结果表明该算法比传统的扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）具有更高的跟踪精度。