基于模糊C-回归聚类的T-S模糊粒子滤波算法

摘要

针对非高斯目标动态模型不确定性粒子滤波问题,提出改进的基于模糊C-回归聚类的T-S模糊模型粒子滤波算法。采用T-S模糊模型语义模糊集表示空间特征信息从而高精度近似动态模型,提出基于熵的模糊C-回归聚类方法从而自适应地识别T-S模糊模型的前提参数,调整模型的权重,并使用卡尔曼滤波识别结论参数。通过T-S模糊模型构造重要性密度函数提高采样粒子的鲁棒性和多样性,进一步改进了算法的计算复杂度。仿真验证结果表明,在运动方向突然改变或目标动态模型的先验信息不准确时,该方法可以准确快速地跟踪机动目标。