EKF算法在被动目标运动分析中的应用

【摘要】：针对纯方位被动目标运动分析中常采用的扩展卡尔曼滤波(EKF)和修正增益扩展卡尔曼滤波(MGEKF)算法在观测中完全依赖于方位角信息,在噪声较大的环境中滤波效果比较有限的缺陷,本文将声纳观测或声纳员估计的距离信息引入到量测方程中,以改善远距离情况下目标方位角变化较慢,导致纯方位法收敛时间较长,误差较大的问题。通过Monte Carlo仿真对比,结果表明在初始值偏离真值不大的情况下,MGEKF比EKF算法滤波效果稍好,但两者对初始值特别是速度估计值都很敏感,而引入距离信息的扩展卡尔曼滤波算法的滤波结果也较为准确,特别是降低了对初始值的敏感程度,提高了稳定性。