共查询到20条相似文献,搜索用时 78 毫秒
1.
针对目标跟踪中非线性滤波精度下降甚至发散的问题,提出了一种时变噪声统计估计的自适应无迹卡尔曼滤波(Unscented Kalman Filtering,UKF)算法.首先将系统模型和滤波算法修正为适于噪声非零均值时的情况,然后根据极大后验估计原理,推导出一种次优的时变噪声统计估计器,其系数通过指数加权的衰减因子计算得到,最后与传统UKF算法结合形成自适应的滤波算法.仿真结果表明,该算法保证了滤波收敛性,能够对目标进行有效跟踪,而且滤波精度显著提高. 相似文献
2.
3.
在雷达/红外复合制导机动目标跟踪背景下,针对非线性机动目标融合跟踪存在滤波器易发散问题,提出一种基于交互式多模型无迹卡尔曼滤波(IMM-UKF)的分布式加权融合算法。IMM具有对不同目标机动模式自适应跟踪的能力;UKF对观测数据进行滤波估计,避免了计算雅克比矩阵,克服EKF滤波方法受滤波初值影响大、易发散的缺点;分布式融合算法提高了系统抗干扰能力及对目标跟踪的有效性和跟踪精度。仿真结果表明:该算法在处理非线性系统机动目标跟踪融合结果误差均得到减少,更能提高目标跟踪滤波精度,增强了系统稳定性。 相似文献
4.
C-RAM系统对RAM目标跟踪数据滤波算法有精度高、收敛快的要求。弹道系数未知造成模型不准确会导致传统滤波方法难以满足要求,针对不能准确辨识弹道系数的情况,提出了一种模型参数自适应的RAM目标跟踪数据滤波方法。该方法使用量测转换无迹卡尔曼滤波算法(CMUKF)对系统状态进行估计,在无迹卡尔曼滤波(UKF)的框架下使用最小二乘递推辨识算法(RLS)在线辨识弹道系数,形成了模型参数自适应,并对辨识出的弹道系数进行二次滤波,提高了弹道系数的辨识精度。将本文算法与传统C-RAM中的跟踪数据滤波算法比较,仿真结果表明该算法提高了估计精度,且具有良好的鲁棒性和较少的执行时间。 相似文献
5.
6.
7.
8.
9.
对于机动目标跟踪问题,由于目标机动能力的增强,需建立大量模型来逼近真实模式,使建立的目标模型与目标的实际运动适配,但这使计算量增大,而且性能不一定能提高.针对这个问题,将两阶段卡尔曼滤波器与一般的交互式多模型算法相结合,设计了一种自适应交互式多模型算法.该算法采用两阶段卡尔曼估计器估计目标的加速度,然后将其反馈到由多个不同参数构成子滤波器的交互式多模型滤波算法中进行交互式多模型滤波.与自适应半交互式多模型算法进行对比的仿真验证了该算法有效地减少了子滤波器的数量,同时在一定程度上也提高了跟踪的精度. 相似文献
10.
一种"全面"的自适应机动目标跟踪算法 总被引:2,自引:0,他引:2
基于截断正态概率密度模型建立修正的截断正态概率密度模型。利用该模型并结合速度估计自适应模型提出一种“全面”自适应机动目标跟踪算法(OAF).此算法能够避免机动加速度最大值的预先设定,自适应调节目标跟踪算法中的机动频率。进一步运用神经网络方法,将机动频率与过程噪声方差进行融合,通过在线调节神经网络权值获得融合后的系统方差输出,降低现有算法因系统参数调整不当带来的精度损失。理论分析及仿真结果表明,与单纯的速度自适应模型算法相比,该算法跟踪机动目标和非机动目标时精度分别提高49. 61%和48.34%. 相似文献
11.
惯性+多模卫星组合导航系统通常采用定常参数的加权最小二乘算法进行多传感器信息融合,若加权系数与实际噪声统计特性不吻合,将会对组合导航精度产生不利影响.为解决该问题,提出一种基于自适应滤波的改进信息融合算法,对惯性及卫星导航数据应用自适应Kalman滤波以估计惯性导航误差,对滤波输出进行基于加权最小二乘法的多模信息融合,并根据滤波误差方差阵的解算结果对加权系数进行实时调整以优化估计精度.仿真结果表明该算法能够在一定程度上提高组合导航系统的精度和对不同随机噪声的适应能力. 相似文献
12.
根据双机被动传感器接收到的空中目标俯仰角和方位角,利用非线性滤波算法即可估计出目标的位置和速度等运动参数。建立了双机协同对目标作纯方位跟踪的数学模型,在对EKF,UKF,PF几种代表性的非线性滤波算法进行理论分析、仿真比较的基础上,得出EKF更适合应用于双机协同纯方位目标跟踪的结论。采用EKF对四个场景进行Monte—Carlo仿真,结果表明:经过大约50S,距离误差曲线收敛于2.5km,速度误差曲线则逐渐收敛于零,该算法具有较好的稳定性和估计精度。对不同场景的仿真结果分析表明:双机分别作直线运动和蛇行机动的纯方位目标跟踪效果优于同时作直线运动,也优于同时作蛇行机动。 相似文献
13.
14.
15.
水下目标的被动跟踪由于隐蔽性好, 有着很强的需求背景。本文提出了基于收敛方差跟踪的水下目标运动分析算法, 由于采用方位频率Kalman滤波, 可以得到速度渐近无偏估计, 利用速度估计值对目标位置初值进行线性估计, 进而估计目标运动状态, 采用该方法可以有效消除直接应用伪线性Kalman滤波算法引起的初值偏差, 仿真结果表明, 该方法对目标运动要素具有良好的估计性能。 相似文献
16.
17.
雷达导引头全参数自适应滤波算法的研究 总被引:1,自引:0,他引:1
考虑目标机动量,目标机动时间常和目标测量噪声全参数变化,对雷达导引头跟踪和制导信息提取进行了自适应波算法的研究,提出了两种算法,即“修正的均值与方差自适应卡尔曼滤波算法”和“最优自校正滤波算法”将二者进行了比较并选用前者进行全导弹系统数字仿真,仿真结果表明,算法是具有良好的跟踪效果和制导精度。 相似文献
18.
19.
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