共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
为了提高目标跟踪系统的性能,在吸收雷达和红外跟踪传感器各自优点的基础上,提出一种雷达/红外传感器信息融合方法,该方法综合了雷达测量信息全面以及红外测角精度高的特性,对雷达与红外量测进行融合形成融合量测,基于融合量测设计了状态估计滤波器。在不同假设条件下,分别对融合系统与单传感器跟踪精度进行了仿真比较。结果表明:融合系统的跟踪精度高于单个传感器的目标跟踪精度,可有效提高目标跟踪精度。 相似文献
3.
4.
基于多导弹协同目标探测的空间配准算法 总被引:1,自引:0,他引:1
在多导弹协同目标跟踪技术中,通过将多传感器的观测信息进行融合产生目标的全局航迹。理想情况下,各传感器的偏差认为是零,然而实际中由于偏差的存在导致融合效果变差,需要通过空间配准对误差进行估计和补偿。本文主要针对两类误差:传感器量测(系统)误差和姿态(定向)误差,提出一种改进的基于地心地固坐标系的卡尔曼滤波(ECEF-KF)方法。首先建立了系统误差和姿态误差模型;其次将弹上传感器的量测转换至公共坐标系(ECEF system),隔绝了导弹自身的运动;然后构造关于状态的线性伪量测并通过卡尔曼滤波(KF)对各偏差进行估计。仿真结果表明,该算法可准确估计各偏差量的大小,并通过误差补偿极大提高目标跟踪的精度。 相似文献
5.
6.
针对水下弱目标跟踪受干扰和噪声影响容易出现量测丢失或偏差,导致传统Kalman滤波方法跟踪误差显著增加甚至出现发散的问题,为此提出一种基于神经网络的目标跟踪方法,利用深度神经网络解决不同运动模式下目标方位跟踪的问题。水下目标跟踪的神经网路模型可通过运动模型生成大量量测数据进行充分训练,有效解决水声目标数据少、标记样本不足的问题;在量测不连续条件下,提出一种新的损失函数用于增强目标跟踪模型的稳健性;对未学习的仿真数据及实测海试数据进行测试。研究结果表明:构建的卷积神经网络(Convolutional Neural Network, CNN)模型适用于3种不同运动模式下的目标,能在平台静止和运动两种情况下稳定跟踪目标;CNN模型较传统Kalman滤波方法跟踪误差分别降低了7.75°和1.41°,验证了该模型的稳健性和可推广性。 相似文献
7.
针对由激光测距机与精密测角设备组成的光电跟踪系统,为了攫取跟踪系统的冗余测角信息以提升不完全量测下跟踪系统的估计性能,设计了基于验后置信度残差检测的联邦目标跟踪滤波器.依据物理结构将跟踪系统的位置探测通道分解为测距与测角2个探测通道,并对2个探测通道的量测数据分别进行基于验后置信度残差检测的目标状态估计.将估计结果送至... 相似文献
8.
9.