共查询到18条相似文献,搜索用时 160 毫秒
1.
2.
3.
4.
基于随机有限集的高斯混合概率假设密度(GM-PHD)滤波是处理多目标跟踪问题的一种有效方法。GM-PHD滤波器在密集杂波环境中会因估计误差过大而导致跟踪性能的下降,主要是因为没有充分考虑来自多目标量测的不确定性。为此,提出在考虑高斯分量权重的情况下,通过分量值改变协方差更新式,并通过引入标签,采用自适应阈值对高斯分量进行合并。理论分析和仿真结果表明:该方法在杂波环境下,目标最优次模式分配距离小,跟踪精度更高;目标数量的估计结果受杂波的影响更小,其估计值更接近真实的目标数量;通过具有不同杂波以及检测概率条件的跟踪场景,证明了该方法的目标数量估计精度和滤波性能明显好于传统算法。 相似文献
5.
非平稳非高斯测量噪声条件下改进差分粒子滤波算法研究 总被引:1,自引:0,他引:1
针对非平稳非高斯测量噪声(NSNGN)条件下差分粒子滤波(DDPF)算法状态估计精度低、易发散的问题,提出了一种改进DDPF(IDDPF)算法. IDDPF算法采用高斯混合密度函数近似估计测量噪声,替代传统算法中测量噪声的高斯密度函数近似估计,采用似然函数的对数最大化法求解高斯混合密度函数模型参数,并将该模型应用于粒子权值计算,避免了高斯密度函数近似估计噪声模型所易于导致的粒子退化问题;通过建立水下目标纯方位角跟踪系统模型,将IDDPF算法应用于闪烁测量噪声条件下水下目标纯方位角跟踪问题的求解。50次Monte Carlo对比仿真实验结果表明:在NSNGN条件下IDDPF算法具有跟踪响应快、估计精度高、鲁棒性较好等优点。 相似文献
6.
7.
纯方位目标跟踪是目标跟踪研究中的热点问题,针对目标跟踪方程中的非高斯重尾分布噪声问题,提出了一种针对非高斯重尾分布噪声的卡尔曼滤波算法。该方法通过建立基于存在异常值的高斯分布的层次高斯模型来近似未知的非高斯重尾分布系统过程噪声和测量噪声,并使用变分贝叶斯推断来学习混合概率,解决混合概率不确定带来的滤波性能下降的问题,从而提高滤波的鲁棒性。同时针对纯方位目标跟踪模型的非线性,结合修正增益卡尔曼滤波来降低量测方程非线性的影响。数值仿真结果表明,相对于EKF、UKF和变分贝叶斯卡尔曼滤波PEKF-VB、VBEKF,新算法VBMGEKF估计精度分别提高了69.31%、58.08%、127.84%和9.36%,具备更好的鲁棒性与精度。 相似文献
8.
针对助推-滑翔式再入导弹,提出了一种基于空气动力模型的扩展卡尔曼跟踪算法.首先推导了弹体坐标系和东北天坐标系之间的转换关系,接着描述了两种坐标系下再入目标的空气动力模型,然后建立了目标的运动状态方程和量测方程,给出了扩展卡尔曼滤波过程,最后仿真分析了一条助推-滑翔弹道,并结合该弹道进行了跟踪试验.蒙特卡洛仿真结果表明,所述方法比基于未知输入模型的方法跟踪效果更好,且能有效估计目标的空气动力学系数. 相似文献
9.
10.
雷达组网多目标跟踪系统采用加权最小二乘估计估计目标的初始状态,其数据关联采用最近邻算法,假设观测误差为高斯噪声且各个传感器之间相互独立,先计算量测点与系统航迹的标准化距离,再判断某个量测是否与某个航迹相关联,选择标准距离最小的系统航迹与量测点配对,用此量测点对系统航迹进行更新。系统跟踪滤波则采用加权最小二乘滤波算法,仿真试验表明,该系统可有效地对组网雷达条件下的多目标进行跟踪。 相似文献
11.
为完善军事靶场实验中精准获得动态目标参数,针对现有目标跟踪方法无法快速跟踪高速运动目标的问题,提出了一种基于反射镜光学成像的动态目标跟踪方法。利用光反射原理,采用高速相机与反射镜结合的方式采集动态目标的多图像信息,建立目标运动数学模型;依据反射镜角度偏移量,研究反射镜转动参数与目标运动参数的匹配关系;采用嵌入式控制器、反射镜、光学相机等搭建系统硬件平台,并结合目标运动数学模型和图像处理算法,实现目标跟踪系统多参量的调控与优化。系统测试结果表明,在变速运动状态下所建立的目标跟踪模型能够获得清晰的目标图像,达到了跟踪的目的。 相似文献
12.
针对临近空间高超声速再入滑翔飞行器(Hypersonic Reentry-Glide Vehicle,HRGV)滑翔段飞行状态识别问题,提出了一种基于随机森林的识别方法。首先将目标的飞行状态分为6类,通过运动方程生成具有代表性的飞行数据;其次分析了目标运动特性,利用运动参数构造特征属性并对其进行处理和筛选,得到最终样本数据。为实现雷达跟踪轨迹的飞行状态识别,将雷达跟踪数据进行平滑处理,经坐标变换后得到运动参数估计结果,并用训练好的分类器识别目标的飞行状态。试验结果表明,所设计的随机森林分类器识别精度较高,但当运动参数的估计存在误差时,识别精度会有一定程度的下降。 相似文献
13.
捷联成像导引头相关跟踪算法研究 总被引:1,自引:0,他引:1
捷联式成像导引头的光学探测基准随弹体姿态运动而动态变化,其目标图像的运动形式呈现复杂的非线性时变特性,传统扩展卡尔曼滤波(EKF)方法难以有效地针对目标运动模型进行波门设置及视线估计。为此,本文首先建立了以目标机动在惯性成像坐标系内的投影为输入,弹体姿态信息作为时变参数的目标帧间运动模型,并在此基础上提出了一种新的相关跟踪算法。该算法通过应用中心差分卡尔曼滤波( CDKF)理论有效解决了成像跟踪中的波门设置问题,提高了目标位置的估值精度,同时提出一种改进的变尺寸模板更新策略,抑制了目标图像的形变和模板漂移对匹配精度的影响,进一岁提高了系统的跟踪的精度,并通过仿真验证了算法的良好跟踪性能。 相似文献
14.
15.
16.
17.
We propose a target tracking method based on particle filtering(PF) to solve the nonlinear non-Gaussian targettracking problem in the bistatic radar systems using external radiation sources. Traditional nonlinear state estimation method is extended Kalman filtering (EKF), which is to do the first level Taylor series extension. It will cause an inaccuracy or even a scatter estimation result on condition that there is either a highly nonlinear target or a large noise square-error. Besides, Kalman filtering is the optimal resolution under a Gaussian noise assumption, and is not suitable to the nonGaussian condition. PF is a sort of statistic filtering based on Monte Carlo simulation that is using some random samples (particles) to simulate the posterior probability density of system random variables. This method can be used in any nonlinear random system. It can be concluded through simulation that PF can achieve higher accuracy than the traditional EKF. 相似文献