共查询到20条相似文献,搜索用时 110 毫秒
1.
2.
3.
基于“当前”统计模型的基础上 ,利用位移预测估计与实时位移估计间的偏差进行自适应方差调整 ,提出了一种新的自适应滤波算法———位移估计自适应跟踪算法 (AdaptiveFilteringAlgorithmofDistanceEstimation简记为ADE)。大量仿真结果表明 ,采用ADE算法既保持了对机动目标的跟踪性能 ,又显著提高了对弱机动目标及非机动目标的跟踪精度 相似文献
4.
位移估计自适应滤波算法 总被引:1,自引:0,他引:1
基于“当前”统计模型的基础上,利用位移预测估计与实时位移估计间的偏差进行自适应方差调整,提出了一种新的自适应滤波算法——位移估计自适应跟踪算法(Adaptive Filtering Algorithm of distance Estimation简记为ADE)。大量仿真结果表明,采用ADE算法既保持了对机动目标的跟踪性能,又显著提高了对弱机动目标及非机动目标的跟踪精度。 相似文献
5.
6.
代价参考粒子滤波算法通过动态优化自定义代价函数和风险函数来衡量状态滤波估计的质量,选取最优的状态估计.与粒子滤波算法相比其优点是不需要任何先验概率知识的假定和重采样过程可实现并行处理.将代价参考粒子滤波与当前统计模型的优点相结合,提出一种新的当前统计模型自适应跟踪算法,用于非线性非高斯系统的机动目标跟踪.Monte Carlo仿真表明,该算法跟踪精度优于标准的交互多模型算法和当前统计模型自适应跟踪算法,实时性好于当前统计模型高斯粒子滤波算法. 相似文献
7.
一种基于"当前"统计模型的自适应滤波算法 总被引:4,自引:1,他引:3
针对机动目标跟踪问题 ,在“当前”统计模型的基础上 ,利用机动加速度与方差的自适应关系 ,提出了一种新的自适应滤波算法。大量仿真结果表明 ,该算法在跟踪机动目标时 ,具有良好的跟踪性能。 相似文献
8.
机动目标跟踪广泛应用于军事和民用领域。机动目标跟踪的主要问题之一是建立未知的目标加速度模型。本文阐述了一种跟踪机动目标的机动加速度统计模型--“当前”统计模型,并推导了基于此模型的自适应Kalman跟踪算法。这种模型和算法适用于每一种具体的战术场合和目标机动的当前状况。能够正确直接地估计出机动目标的当前状态,不存在任何估计滞后与修正问题。 相似文献
9.
10.
11.
12.
在机动目标跟踪中,传统当前统计模型卡尔曼滤波算法对弱/无机动目标跟踪精度不高,对突发机动跟踪精度显著下降,且跟踪性能受限于先验参数。针对上述问题,本文提出一种基于机动检测的参数自适应机动目标跟踪算法,算法利用新息的概率分布特性构建双阈值检测门限,依据检测结果进行参数自适应调整。首先,利用加速度预测误差方差信息,自适应调整机动频率、加速度方差,克服模型参数需先验设置的问题,同时提高算法对弱机动目标跟踪精度;其次,在检测到机动后引入渐消因子,使渐消因子的引入时机更合理,增强算法对机动的响应能力。两种典型机动场景下的仿真结果表明,与基于固定参数的当前统计模型的卡尔曼滤波算法相比,本文所提方法能够较好地适应加速度阶跃机动和转弯机动。 相似文献
13.
对机动目标进行跟踪一直是甚具挑战性的问题,特别是跟踪高速高机动目标在理论上和实践上都有较高的技术难度。现有各种算法在这个问题上均有各自的缺点和不足。该文在现有的运动机动模型和IMM算法的基础上,提出了使用多种机动模型交互的IMM算法进行高速高机动目标跟踪。不同机动模型之间的互补使这种算法克服了使用单一模型的一些问题。使用“当前”统计模型、二级滤波模型和CV模型进行交互是一种可行的高速高机动目标跟踪方案。为验证算法的有效性,进行了Monte Carlo仿真。仿真结果表明,该算法在性能和计算复杂度之间取得了较好的平衡,有很好的可实现性。 相似文献
14.
针对复合K噪声下机动目标跟踪系统具有强非线性非高斯的特点,提出了一种自适应无迹粒子滤波(Adaptive Unscented Particle Filter,AUPF)算法.该算法建立在常加速模型及其改进滤波算法基础上,并将无迹卡尔曼滤波(Unscented Kalman Filter,UKF)与强跟踪滤波(Strong Tracking Filter,STF)算法相结合作为提议分布,提高了系统跟踪一般机动和阶跃机动的能力.在给出复合K噪声模型的基础上,利用AUPF算法对几种典型机动目标进行了计算机仿真,并同无迹粒子滤波(Unscented Particle Filter,UPF)算法进行了比较.仿真结果表明,复合K噪声下AUPF算法能更有效地对各种机动目标进行跟踪,具有较高的跟踪精度. 相似文献
15.
16.
17.
18.
19.
红外与激光主/被动联合跟踪算法 总被引:7,自引:0,他引:7
文中针对单站红外被动式跟踪存在可观测性问题,提出红外与激光主/被动单目标联合跟踪方法。该方法首先针对三维空间任意机动目标的跟踪问题,将参考文献[1]给出的一维机动目标“当前”统计模型推广到三维情况,得到三维情况下跟踪任意机动目标的状态方程和跟踪系统的非线性测量方程,然后对红外探测器测量的角度信息和激光测得的距离信息进行融合对准,得到正确的测量值。最后,提出扩展的自适应卡曼滤波算法并进行了仿真研究。仿真研究表明方案可行,可同时对三维空间目标的位置、速度、加速度进行估计。 相似文献
20.
为了满足工程需要,结合变维卡尔曼滤波器和α-β算法的优点,提出了一种卡
尔曼和α-β变维交互替代目标跟踪算法。通过加入机动检测器监视机动,在目标发生
机动时,采用高阶维数模型和卡尔曼滤波器;机动消失后,退回到低阶维数模型和α-β
滤波器,从而实现了对机动和非机动目标的自适应跟踪,克服了因转弯机动引起的误差突
跳,并显著地减少了计算量。通过Monte Carlo 仿真进一步验证了改进算法的合理性和实
用性。 相似文献