共查询到16条相似文献,搜索用时 212 毫秒
1.
2.
针对转弯机动目标,提出了一种两层模型嵌套的跟踪算法.算法的内层模型由基于函数的“当前”统计(Function based current statistic,FB-CS)模型构成,该模型在“当前”统计(Current statistic,CS)模型的基础上,通过加权一个以新息方差之迹为参数的活化函数,对加速度方差和机动频率进行自适应处理,再针对目标的速度方向角进行滤波,将获得的角速度估计值作为外层的输入;外层模型由曲线模型构成,其方向角度、角速度和角加速度由内层模型提供.由于既准确估计目标的角速度,又设计了合理的运动模型,算法显著提高了转弯机动目标的跟踪精度.仿真实验验证了算法的有效性. 相似文献
3.
4.
5.
将交互式多模型(IMM)算法应用于视觉伺服机器人对机动目标的跟踪。使用匀速运动(CV)和匀加速运动(CA)模型表示目标的两种运动状态,利用马尔可夫链进行模型切换,根据目标前一时刻的状态和当前的观测值,预测目标当前的状态。在Matlab上对IMM滤波算法和Kalman滤波算法进行了仿真实验研究,结果表明,不管目标处于何种运动状态,IMM算法估计量的误差均值都比Kalman滤波算法的误差均值小,尤以目标作机动运动时更为突出,证明了应用IMM算法可以提高跟踪机动目标的精度。 相似文献
6.
在现有的机动目标跟踪算法中,其中的概率数据关联(PDA)算法和交互式多模型(IMM)算法最具代表性。而在此基础上发展而来的IMMPDA算法是解决杂波环境下单机动目标跟踪问题比较有效的方法。通过对分别基于CA模型、Singer模型和“当前”统计模型的交互式多模型概率数据关联(IMMPDA)算法进行仿真,对其优缺点进行对比分析。仿真结果显示IMMPDA算法在高机动目标跟踪中具有巨大优势,不同的:运动模型基于IMMPDA都较好地实现了对高速高机动目标的滤波跟踪。 相似文献
7.
针对临近空间高超声速飞行器的运动状态多变,目前单一跟踪模型已经很难描述出目标的特性,根据多变的运动特点,将交互式多模型( IMM)算法应用于高超声速飞行器跟踪领域。该算法可以有效地根据各个模型的概率进行准确的调整,特别是对于机动目标的跟踪。文中根据IMM算法在临近空间环境下对高超声速飞行器进行了跟踪仿真。通过Monte-Carlo仿真,结果表明该算法在临近空间中具有较好的跟踪精度,同时可以提高高速飞行目标的跟踪精度。 相似文献
8.
9.
针对采用协同转弯模型作为模型之一的交互式多模型(IMM)目标跟踪算法中,转弯率难以实时估计且精度不高造成跟踪精度降低的问题,创新性地提出了一种新的自适应转弯模型的IMM算法。利用三种映射转弯率的方法构造轨迹特征向量,通过训练好的BP神经网络实时估计时间窗内轨迹段的平均转弯率,提高转弯率的估计精度,从而提高跟踪精度。仿真实验表明,提出的自适应转弯模型的IMM算法较之传统的自适应转弯模型的IMM算法在转弯率较大时具有更加高的跟踪精度,并且具有较高扩展性和发展前景。 相似文献
10.
11.
曲线模型的半自适应交互多模型跟踪方法 总被引:2,自引:0,他引:2
在机动目标跟踪的交互多模型(IMM)算法设计中,选择覆盖范围大的模型集和简化计算复杂度是一对矛盾且重要的问题.本文首先对曲线交互多模型算法进行了研究,建立了一种角速度估计模型,在此基础上给出了一种构造自适应曲线模型集方法.用该方法构造的曲线模型集只与切向加速度相关,法向加速度可自适应调整,这一方面简化了计算复杂度,另一方面扩大了算法的适用范围.进一步的仿真试验表明了该算法的有效性. 相似文献
12.
提出了一种对机动目标跟踪的交互多模型改进算法,将切向加速度均值自适应的当前统计模型与具有零均值一阶高斯-马尔可夫过程的非对称函数的法向加速度模型相结合的模型与常速模型进行交互。由于该算法对法向加速度精确建模,所以对机动目标的跟踪精度较高。仿真结果表明,该算法对机动目标的跟踪性能明显优于采用含有法向和切向加速度的加速度均值自适应的当前统计模型和常速模型进行交互的算法(IMM-CV/CS算法)。 相似文献
13.
空中低慢小目标存在机动和角速率运动较大的情况,对地面搜索跟踪系统的跟踪精度提出很高要求,为了提高跟踪系统的跟踪精度,需加入伺服前馈补偿技术,精确的目标速度和加速度估计成为前馈补偿控制的难点.鉴于此,提出采用IMM卡尔曼滤波技术估计目标运动速度和加速度信息,并作为伺服前馈补偿的输入量,以消除由于目标速度和加速度运动引起的脱靶量误差.实际系统测试实验表明,搜索跟踪系统采用IMM卡尔曼滤波前馈补偿技术使得系统跟踪精度较常规卡尔曼滤波补偿提高3倍以上,模型验证有效. 相似文献
14.
针对视觉伺服机器人对机动目标的跟踪问题,将当前统计模型(CS)引入IMM算法,与匀速模型(CV)组成模型集。在Matlab上对当前统计IMM算法和基本IMM算法进行仿真比较,结果表明当前统计IMMS算法跟踪机动目标的性能好于基本IMM算法,具有很好的收敛性和稳定性,提高了视觉伺服机器人对目标跟踪的准确性和快速性。 相似文献
15.
针对在非线性机动目标跟踪中存在的滤波器易发散、跟踪误差大等问题,本文在多站纯方位跟踪的基础上,把Unscented卡尔曼滤波(Unscented Kalman filter,UKF)引进到交互多模型算法(Interacting multiple model,IMM)中,设计了交互多模型UKF滤波算法,克服了EKF中引入的较大线性化误差对机动目标跟踪算法性能的影响.最后将该算法与扩展卡尔曼滤波(EKF)、IMM-EKF算法进行了比较,仿真结果表明:IMM-UKF 算法增强了EKF滤波器的稳定性,提高了滤波收敛速度和跟踪精度. 相似文献
16.
针对雷达导引头角闪烁噪声测量条件下的机动目标,研究剩余飞行时间计算方法;建立了闪烁噪声计算模型;在粒子滤波算法和扩展卡尔曼滤波算法的基础上,推导了扩展卡尔曼粒子滤波算法的实现过程;根据估计结果建立了剩余飞行时间计算模型,在剩余飞行时间表达式中考虑了目标机动加速度的影响;仿真结果表明,基于机动目标当前统计模型的扩展卡尔曼粒子滤波算法对闪烁噪声测量条件下的机动目标具有良好的跟踪性能,对剩余飞行时间具有较高的估计精度。 相似文献