共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
机动轨迹预测是自主空战中的一个重要组成部分。针对无人战斗机机动轨迹预测精度低且时耗过长的问题,提出一种基于机动单元库的自适应集成三角优化门控循环神经网络预测方法。建立无人战斗机3自由度模型,解决轨迹数据来源问题;通过4种轨迹特征,将轨迹分为平面机动、空间左转弯机动和空间右转弯机动三类,构建21种基本机动单元;介绍门控循环神经网络,为避免网络梯度优化陷入局部最优,引入三角搜索优化算法更新网络内部权值和偏置。为提高预测精度,采用自适应增强算法构建强预测器;通过实验选取预测器最优参数,在不同机动单元情况下进行预测,预测精度较高且均能满足时耗要求;为检验在机动轨迹上的预测性能,从空战训练测量仪中选取一段轨迹,与5种不同预测模型进行对比。研究结果表明,所提模型的预测精度最佳。 相似文献
3.
4.
提出了一种实时的机动目标多模型跟踪算法。该算法包含两个并行的Kalman滤波器,分别为匀速Kalman滤波器和匀加速Kalman滤波器。定义了“滤波运动模型偏离度”作为模型切换的判据,在线实现了两个Kalman滤波器的自动切换,使总输出结果最大程度的符合实际运动模型。通过可调过程噪声的自适应方法,抑制了滤波发散,避免了在模型切换时误差跳变过大。仿真测试结果表明,该算法跟踪精度高,计算量小,因此适合在自行高炮的目标跟踪中使用。 相似文献
5.
6.
7.
建立了战场等加速运动目标和机动目标运动状态Kalman滤波预测模型.仿真结果表明,跟踪和预测算法能对目标距离、速度、加速度等运动参数进行有效的跟踪和预测,且估计误差小,为远程寻的导弹射击准备与中制导提供了可靠依据. 相似文献
8.
9.
10.
为了提高传统 Mean Shift 算法在目标快速运动和被大面积遮挡两种情况下跟踪的效果,对 Mean Shift 跟踪算法进行了3点改进:采用 Kalman 滤波器预测运动目标轨迹,以提高算法对快速运动目标的鲁棒性;提出了一种融合Kalman 滤波器残差和 Bhattacharyya 系数的遮挡处理机制,以提高目标被大面积遮挡时的跟踪效果;提出了一种基于自适应更新因子的目标模型更新机制,以提高动态适应能力。对比实验结果表明,改进算法能有效提高在上述两种情况下的跟踪效果,并且在遮挡情况下具有较好的鲁棒性。 相似文献
11.
12.
13.
14.
15.
16.
17.
为了克服“当前”统计模型自适应跟踪算法(CAF)跟踪匀速运动目标误差较大和跟踪加速机动目标速度与加速度估计误差和动态时延较大的缺陷,通过分析研究CAF算法,采用截断正态分布表征目标的机动加速度特性,考虑风速和加速度估计均值的影响,对机动加速度与方差自适应关系修正,自适应补偿过程噪声协方差矩阵,提出了一种改进的机动目标自适应跟踪算法。理论分析与仿真结果表明,该算法能够准确描述目标的各种机动情况,具有良好的跟踪性能和实际应用价值。 相似文献
18.
针对“当前”统计模型算法中加速度极限值预先设定对算法造成的不利影响,提出了一种改进的机动目标跟踪算法,即位置偏差估计自适应算法.该算法利用位置预测估计与位置估计之间的偏差对噪声方差进行自适应调整,从而避免了加速度极限值的预先设定问题,提高了机动目标的跟踪性能.仿真结果也表明了该算法的良好跟踪性能. 相似文献
19.
为使无人机能够自主、准确地预测目标状态,进而对敌方机动目标进行跟踪,基于卡尔曼滤波和深度强化学习DDQN算法提出了一种在线决策算法。通过构建无人机机动目标跟踪模型和马尔科夫决策过程框架,结合卡尔曼滤波对目标状态进行了准确预测和更新;然后整合无人机自身状态作为神经网络输入,利用DDQN算法进行针对性训练,实现了无人机对机动目标的自主跟踪控制。仿真实验证明,相较于经典DQN算法,基于DDQN算法训练后的无人机,在跟踪任务中能够对目标保持更长的有效跟踪时间、跟踪距离更近,并保持更稳定的飞行状态,最终实现对机动目标的高效跟踪。 相似文献