共查询到10条相似文献,搜索用时 656 毫秒
1.
在实际水下目标跟踪系统中,由声纳获得的速度量测是一个相对径向速度,并且量测噪声是非白的,为此提出了基于扩展量测和扩展状态的混合坐标系下水下目标跟踪算法。该方法把径向速度量测引入观测模型,提高了目标的状态估计精度和收敛时间;引入了扩充向量,克服了实际水下目标观测噪声非白的影响。提出了水下多目标跟踪水池试验方法。该方法应用静态长线阵和多目标信号源在水池实现了多目标和跟踪体之间的相对运动的模拟。水池试验结果表明所提出的方法性能明显优于基于量测转换跟踪方法(如MC方法),具有重大工程应用价值。 相似文献
2.
3.
基于无味有向图切换的机动目标跟踪VSMM算法 总被引:3,自引:1,他引:2
在机动目标跟踪领域,传统的基于固定模型集合的交互式多模型算法需要大量的模型来保证模型不失配,但是会带来巨大的计算量,并且来自过多模型的不必要的模型间竞争反而会使算法性能下降.为解决此矛盾,该文提出了一种基于有向图切换和无味卡尔曼滤波算法的变结构多模型算法.该算法根据目标不同时刻的运动状态依据有向图匹配不同的子模型集合进行滤波.仿真结果显示该算法在有效降低计算量的同时使模型集合和目标的运动状态更好的匹配,从而提高了算法跟踪精度. 相似文献
4.
集中交互式多传感器联合概率数据互联算法 总被引:3,自引:1,他引:2
为了解决杂波环境下多传感器多机动目标跟踪问题,本文提出了一种集中交互式多传感器联合概率数据互联算法。本文提出的算法首先应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合,并对所有的测量组合进行有效性判断,然后应用数据压缩的方法将每个有效量测组合压缩成一个等效量测点并根据每个等效量测点的联合似然函数计算其联合互联概率,最后在此基础上应用交互式多模型算法的思想以处理目标出现机动的问题。本文最后给出了该算法的分析,仿真结果表明,本文算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题。 相似文献
5.
基于卡尔曼滤波的多运动目标跟踪算法研究 总被引:2,自引:0,他引:2
针对多运动目标跟踪的实时性和鲁棒性问题,本文提出了一种基于卡尔曼滤波的多运动目标跟踪算法,该算法运用卡尔曼滤波预测目标的位置,并以目标的中心点坐标、面积和长宽比特征、一维HSV颜色直方图作为目标的特征对当前帧检测到的目标模板和预测区域内的目标进行匹配。实验证明,该算法可实时、稳定地跟踪复杂场景内的多运动目标,并能够解决目标遮挡问题。 相似文献
6.
大多数传统的跟踪门技术仅使用目标的运动学量测信息,在多目标、多杂波跟踪场景中会导致较大的关联不确定性。考虑到属性传感器可以获取目标的类型信息,提出了基于目标联合状态类型概率密度的跟踪门方法。首先给出目标状态与类型的联合概率密度表示,从而导出以类为条件的跟踪门构建方法。为了适用于实时的非线性跟踪系统,门限的计算采用了基于仿真的算法。场景 1显示如果目标的量测预测密度为偏斜函数时,基于仿真的门限算法可以获得最优的跟踪门;场景 2为地面编队目标的跟踪过程。与使用传统的跟踪门相比,以类为条件的跟踪门技术在很大程度上提高了目标量测到航迹的关联率。 相似文献
7.
针对目标跟踪中的突变问题,本文提出一种基于改进卡尔曼预测的camshift(continuously adaptivemean shift)跟踪算法.本算法首先使用一种新的目标颜色模型,对传统目标模型进行改进,提高了目标跟踪的准确性和稳定性;同时为了更有效的预测目标位置,对卡尔曼滤波的一步预测值进行改进,并将修改后的卡尔曼预测算法融入camshift算法中,跟踪中增加采样率.实验表明,与传统camshift算法相比,该算法能够处理目标运动中发生突变的情况,实现对运动目标高精度的跟踪. 相似文献
8.
无人机地面目标跟踪系统的建模与控制 总被引:2,自引:0,他引:2
对无人机地面目标跟踪系统进行了分析,并建立了各个子系统的数学模型,针对跟踪过程中可能导致目标丢失的两个关键问题--无人机的飞行轨迹和云台摄像机的控制,给出了一种轨迹规划与跟踪算法,该算法既可以使无人机与目标保持一定距离,又保证了无人机在飞行过程中机头始终朝向目标.此外,设计了一种云台摄像机控制方法,该方法利用无人机与目标的相对位姿和目标偏离图像中心的偏差作为反馈信息对云台摄像机进行控制.仿真结果表明本文所设计的无人机地面目标跟踪系统具有良好的性能. 相似文献
9.
10.