改进粒子滤波的无人机航迹预测方法

摘要

在复杂飞行环境中,对航迹的准确预测是保障无人机(UAV)安全、有效执行任务的前提。提出一种数据融合的改进粒子滤波航迹预测算法。首先,用扩展卡尔曼滤波结合观测值计算粒子的均值与方差来指导重要性采样;然后,引入权重漂移参数优化重采样;最后,由标准线性最小方差加权规则融合多观测站滤波结果。仿真实验表明:该改进算法比传统非线性滤波算法的预测精度更高,并且比基本粒子滤波算法更稳定,可为三维航迹预测研究提供参考。