共查询到20条相似文献,搜索用时 93 毫秒
1.
2.
对于纯方位目标跟踪问题,传统的线性算法已经不能满足非线性非高斯和实时性目标跟踪的要求,由于在纯方位目标跟踪中传统的粒子滤波收敛速度慢并且容易发散,文中提出了一种基于改进的采样-重要性-重采样滤波(SIRF)算法的纯方位跟踪算法。具体的改进方法就是去掉归一化步骤直接使用非归一化权值,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。最后通过实验验证改进的SIRF算法跟踪效果明显优于高斯粒子滤波(GPF)算法。 相似文献
3.
针对利用传统算法难以跟踪低空目标的问题,提出了一种可行的跟踪低空目标的最大似然-概率数据关联(ML-PDA)算法。在分析各种低空目标特性的基础上,首先建立了基于ML-PDA滤波算法的低空目标跟踪模型,然后对该模型进行了深入分析,最后通过计算机仿真对该模型进行了验证。结果表明:ML-PDA滤波算法对低空目标跟踪十分有效,并且提高了滤波实时性,具有较好的工程应用前景。 相似文献
4.
5.
6.
7.
现代空战中目标高速机动性对红外成像制导空空导弹图像信息处理能力提出了很高要求.为了给边缘跟踪阶段提供实时有效的边缘信息,文中提出应用两种最简边缘检测算法提取红外目标边缘,分别基于梯度运算和灰色关联度分析.文中推导了最简算法,分析了算法的运算量并与经典算法做了对比.实验结果表明该算法运算简单,实时性高,能够满足红外制导空空导弹对目标信息的需求,利于工程应用. 相似文献
8.
隐身技术的发展对空空导弹的检测跟踪性能提出了较大的挑战。弱小目标检测跟踪算法作为弹载信号处理的核心,需要同时兼顾检测性能与执行效率。经典的跟踪前检测(Detect Before Track, DBT)方法属于一种级联结构,具有较高的实时性。本文在DBT架构下,提出聚焦(Focus)、检测(Detect)、跟踪(Track)、再聚焦(Re-Focus)弱小目标检测跟踪算法FDTR。基于实测数据的实验结果表明,该方法具备优异的检测和跟踪性能,代码执行效率高实时性强。FDTR完全基于Python和标准库实现,接口规范,架构清晰。基于FDTR,可方便的替换并评估算法中的聚焦模块,并可进一步升级为检测前跟踪(TBD)架构,提升信噪比利用率。 相似文献
9.
10.
针对移动台的单站跟踪问题,以"到达时间和与到达时间差(TSOA/TDOA)"新型混合定位技术作为基础,提出一种基于"到达时间和与到达时间差"混合被动单站定位模型的无迹卡尔曼滤波跟踪算法。该算法以观测到的有噪信息为基础,引入"到达时间和与到达时间差"观测模式,使用受随机加速影响的匀速运动状态作为跟踪算法的状态模型,将无迹卡尔曼滤波(UKF)算法应用在移动台的定位跟踪上,实现了对移动台的位移和速度的同步跟踪。仿真结果表明:无迹卡尔曼滤波算法应用移动台跟踪系统是有效的;与扩展卡尔曼滤波相比,其跟踪算法的滤波精度、稳定性更优。 相似文献
11.
针对导弹制导和防空快速跟踪问题,对RBPF算法进行了改进,并将该算法应用到导弹目标跟踪和防空技术中.跟踪仿真试验表明,该算法在精度和速度上明显高于粒子滤波,与RBPF算法相比,改进算法虽在精度上略有下降,但运算速度大大提高,改进算法能对运动目标进行有效、快速的跟踪. 相似文献
12.
为有效提高Mean Shift算法的模板匹配精确度,采用基于特征贡献度的Mean Shift目标跟踪方法,对不同贡献度的特征向量赋予不同的权重,以彰显目标特征、抑制背景因素.分别介绍传统Mean Shift目标跟踪算法和基于特征贡献度的Mean Shift算法,并针对多组视频进行实验验证与分析.结果表明:改进后的Mean Shift算法不仅能提高跟踪精度、提升系统的鲁棒性,而且对640 pixel×480 pixel大小的视频处理平均帧速度为22 frames/s,满足实时跟踪要求. 相似文献
13.
14.
15.
文中提出了一种模糊IMM(FIMM)算法,通过模糊逻辑推理得到IMM算法模型集中各滤波模型的匹配度,即模型的概率,代替IMM算法中通过交互组合计算模型概率的方法,该方法不需要IMM算法中的模型先验概率及马尔可夫转移概率,从而降低了算法的复杂程度。仿真结果表明,和标准IMM算法对机动目标的跟踪效果相比,文中提出的模糊IMM算法具有更高的跟踪精度,更快的收敛速度。 相似文献
16.
17.
为解决载体在高动态下大幅度运动出现的滤波发散问题,提出强跟踪无迹卡尔曼滤波(strong tracking
uncented Kalman filter,STUKF)算法。分析组合导航模型和研究经典的无迹卡尔曼滤波(uncented Kalman filter,UKF)
算法,将强跟踪UKF 算法应用于SINS/GNSS 组合导航系统,并与经典UKF 算法和衰减记忆UKF 算法进行比较。
分析结果表明:该强跟踪UKF 算法性能较好,能明显缩短滤波时间,减小速度误差和位置误差,从而提高组合导航
的准确性和稳定性。 相似文献
18.
19.