非T噪声条件下自适应目标跟踪方法研究

摘要

针对目标跟踪系统中量测噪声的重尾不对称问题,提出了一种基于变分贝叶斯理论的VBST算法。算法考虑重尾不对称量测噪声条件下的卡尔曼滤波,并使之与变分贝叶斯学习结合,将量测噪声与系统状态变量一起作为参数进行联合的递归估计,通过对近似后验分布不断更新迭代,使其逼近系统的真实后验分布。仿真结果表明,在目标跟踪系统中,当量测噪声出现重尾不对称时,基于偏斜T分布的变分贝叶斯滤波算法具有较高的滤波精度和较好的鲁棒性。