共查询到10条相似文献,搜索用时 93 毫秒
1.
为提高目标在强机动情况下的跟踪精度,更好地实现目标跟踪,在当前统计模型和卡尔曼滤波算法的基础上提出改进的目标跟踪方法。分析了当前统计模型,归纳出在目标弱机动和强机动情况下的优点及不足。进行强机动检测,以此判断目标的机动水平;将渐消因子引入卡尔曼滤波器,减少陈旧数据的影响,充分体现当前机动状态;在算法中在线辨识各项参数,并根据机动水平自适应地调整。仿真结果表明,改进的方法在弱机动时保持了当前统计模型的跟踪性能,而在强机动时拥有更高的跟踪精度。 相似文献
2.
3.
针对无源跟踪中,标准当前统计模型无法自适应调整加速度极限值的缺点,设计了一种修正系数来通过机动目标的当前加速度自适应调整模型的加速度极限值,同时利用模糊控制的方法对修正系数的取值进行实时调整,实现了对当前统计模型的改进。最后结合容积卡尔曼滤波算法构造基于改进当前统计模型的自适应无源跟踪算法。仿真结果表明,相比基于标准当前统计模型的自适应跟踪算法,新算法对非机动目标、弱机动目标以及强机动目标都有更好的跟踪效果。 相似文献
4.
基于改进“当前”统计模型的非线性机动目标跟踪算法 总被引:5,自引:0,他引:5
"当前"统计模型算法对目标加速度极限值及机动频率的依赖性这一缺点,导致该算法在跟踪弱机动目标及高机动目标时,跟踪性能会明显恶化.本文在当前统计(CS)模型的基础上,通过加权一个以残差方差的迹为参数的活化函数,对加速度方差和机动频率进行自适应处理,实现了对"当前"统计模型的改进;同时,采用UKF(unscented Kalman filter)对非线性目标进行跟踪滤波,构造出基于改进"当前"统计模型的非线性机动目标跟踪算法,仿真结果表明,改进的"当前"统计模型不仅保留了"当前"统计模型跟踪算法对一般机动目标跟踪精度高的特点,而且对弱机动目标跟踪也具有更优越的性能,大大扩大了机动跟踪范围. 相似文献
5.
6.
结合自适应常加速模型(ACA)、改进输入估计(MIE)和强跟踪滤波器,提出一种新的自适应目标跟踪模型和算法.该算法通过扩展 ACA 模型状态矢量和改进状态噪声协方差调整方法,利用 MIE 和强跟踪滤波器,实现了机动加速度方差和状态预测协方差依据残差信息的实时完全自适应调整,在缺乏目标加速度先验知识的情况下,能够实时高精度跟踪目标突变状态、弱机动和非机动状态.仿真实验表明,相比 ACA 模型和 MIE,该算法具有更好的机动状态和非机动状态跟踪性能. 相似文献
7.
基于当前统计模型,研究机动目标跟踪过程中机动频率的自适应调整方法,使其值更加符合目标的实际机动状况。根据机动频率在噪声方差及状态转移矩阵中对增益的影响不同,设计一种双机动频率自适应算法。仿真表明,该自适应算法能快速跟踪加速度跳跃的机动目标,跟踪机动目标位置精度上有较大的改进。 相似文献
8.
9.
针对高度机动目标跟踪问题,通过理论分析指出了Jerk模型及其一些改进模型的不足,并借
鉴“当前”统计的思想,提出了一种参数自适应的Jerk模型(Adaptive parameter current
statistic jerk model, APC-Jerk)。该模型通过新息向量的范数定义调整因子,以此
来对模型中的各参数进行自适应调整,增强了系统对突发机动的自适应跟踪能力,并对加速
度均值进行了修正,使之适合于一般运动形式。最后对本算法进行了仿真,结果表明,参数
自适应的“当前”统计Jerk模型较经典Jerk模型、“当前”统计Jerk模型及改进的“当前”
统计Jerk模型对强机动目标的跟踪精度有较大程度的提高。 相似文献