共查询到20条相似文献,搜索用时 187 毫秒
1.
闪烁噪声下目标跟踪的改进粒子滤波算法 总被引:2,自引:0,他引:2
针对目标跟踪系统具有强非线性非高斯的特点,提出了一种强跟踪粒子滤波(STUPF)算法.该算法将无迹卡尔曼滤波器(UKF)与强跟踪滤波器(STF)相结合作为粒子滤波提议分布,具有在线调节滤波增益阵,提高滤波器跟踪突变状态的能力.在给出闪烁噪声统计模型的基础上,将STUPF应用在几种典型目标运动模型跟踪系统中,并同UKF和... 相似文献
2.
3.
应用随机过程及成型滤波器的理论知识,构建了目标随机机动及过程噪声模型,建立了基于过程噪声与测量噪声的增强型比例导引工程应用模型,设计了卡尔曼滤波器来估计系统状态,引入蒙特卡洛法计算脱靶量均方差.通过仿真,分析了采用过载驾驶仪的增强型比例导引系统不同的制导性能指标,并与比例导引制导律进行对比分析,结果表明,测量噪声较大时APN对噪声的抑制效果好于PN,这为增强型比例导引的工程应用提供了依据. 相似文献
4.
5.
6.
7.
战术弹道导弹SINS/GPS组合制导研究 总被引:1,自引:0,他引:1
研究了如何在战术弹道导弹 SINS上添加 GPS实现组合制导 .系统分析了战术弹道导弹 SINS/ GPS的不同组合模式及相应的数学模型 .分析了传统的卡尔曼滤波器算法的自身缺陷 ,设计了具有自动跟踪噪声统计性能的自适应卡尔曼滤波器 ,这种算法可以部分消除由于噪声统计性能的不确定性而对卡尔曼滤波器产生的不良影响 ,提高卡尔曼滤波器的滤波性能 .针对传统的卡尔曼滤波算法计算量大的缺点 ,将大系统分为若干个子系统 ,推导出了逐次正交化分布式卡尔曼滤波器算法 ,既保证了精度 ,又大大减少了计算量 .还分析了战术弹道导弹 SINS/ GPS组合制导的引入时机、制导方案的选择、对 SINS的校正方法 ,最后确定出了最可行的制导和校正方案 相似文献
8.
介绍了高斯粒子滤波器(GPF)的基本思想和具体算法的实现步骤,并讨论了此算法在机动目标转弯模型跟踪中的应用,在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器(PF)和扩展卡尔曼滤波器(EKF)的跟踪性能差异。仿真结果表明,GPF有效地改善了目标跟踪的效果,相比PF在精度和计算复杂度方面均有了明显改善。 相似文献
9.
10.
文中设计了一种新的基于ARMA模型自校正卡尔曼滤波器,从而避免了经典卡尔曼滤波器需要精确知道系统的模型参数和噪声统计特性的缺点。仿真结果表明,在未知部分模型参数和噪声统计特性的情况下,自校正卡尔曼滤波器的滤波性能.非常接近稳态最优卡尔曼滤波器。且计算过程简单.并可以在线建模.适用于部分慢时变系统。 相似文献
11.
Pulse Doppler radar measurements consist of range, azimuth, elevation and radial velocity. Most of the radar tracking algorithms in engineering only utilize position measurement. The extended Kalman filter with radial velocity measureneut is presented, then a new filtering algorithm utilizing radial velocity measurement is proposed to improve tracking results and the theoretical analysis is also given. Simulation results of the new algorithm, converted measurement Kalman filter, extended Kalman filter are compared. The effectiveness of the new algorithm is verified by simulation results. 相似文献
12.
13.
为了满足水下对抗对机动目标实时跟踪和目标航速、航向准确估计的要求,针对观测量为距离和方位的机动目标跟踪,对传统无迹卡尔曼滤波(UKF)跟踪算法进行了改善。提出根据UKF算法预测值和观测值残差的概率分布自适应调整目标状态噪声方法,使得UKF跟踪算法能够根据目标运动状态及时调整状态方程,在目标机动时减小对预测值的依赖,在目标非机动时增大对预测值的依赖。这种在线实时估计系统噪声状态的跟踪方法更加适用于机动目标的跟踪。数值仿真结果表明:该算法不仅在目标机动时具有良好的跟踪效果,而且在目标非机动时具有准确的估计性能。通过声纳信息综合处理系统验证了状态自适应UKF跟踪算法的性能。 相似文献
14.
15.
为提高越野环境中目标检测和跟踪的准确率和效率,提出一种基于人机交互的免锚检测和跟踪系统。该系统由检测系统、指挥系统和目标跟踪系统组成。检测系统,在基于点的点云特征提取框架的基础上,设计一种免锚的目标检测网络结构;指挥系统通过相机实时获取环境态势信息,人机交互地在检测网络输出的目标序列中选择跟踪目标;跟踪系统利用检测网络输出的目标序列的外观模型和指挥系统下发的跟踪目标外观模型进行匹配来确定跟踪目标,再基于卡尔曼滤波算法进行目标运动估计。基于越野场景的实车数据进行了验证。验证结果表明:基于人机交互的免锚检测和跟踪算法在不增加算法时间的同时实现了超91%的准确率,能够满足无人驾驶车辆在越野场景的使用要求。 相似文献
16.
17.
中段弹头IMM-EKF跟踪方法及性能分析 总被引:1,自引:0,他引:1
为了提高中段弹头跟踪收敛速度以及跟踪精度,提出了一种基于交互多模型(IMM)的扩展卡尔曼滤波(Extended Kalman Filter,EKF)的跟踪算法。基于中段弹头加速度变化特点,建立了目标的中段系统动力学模型及量测模型,通过引入速度测量值,使用IMM-EKF算法对中段目标进行跟踪。仿真结果表明,通过交互多模的非线性滤波算法,可以使中段跟踪收敛速度大为加快,速度测量值的引入也使得跟踪精度有所提高,并在弹头中段与再入段衔接处有较好的跟踪性能; 验证了IMM-EKF跟踪中段弹头的有效性。 相似文献
18.
为提高导引头末制导阶段抗干扰能力,针对典型的欺骗式距离-速度联合拖引干扰模型,研究了基于概率假设密度(PHD)滤波的多目标跟踪与基于无迹Kalman滤波(UKF)的多目标识别技术。为说明导引头目标识别原理,给出了距离-速度联合拖引干扰模型;根据导引头测量原理,通过导引头框架角、导弹-目标相对距离、径向速度建立系统跟踪模型,给出了基于PHD滤波的多目标跟踪与基于UKF的多目标识别的基本原理;基于典型的目标运动模型(匀速直线与匀速转弯模型),针对目标施加的4次距离-速度联合拖引干扰,采用目标跟踪结果以及估计的目标速度和加速度信息进行多目标跟踪与识别分析,能够很快实现真假目标识别。仿真实验结果表明,利用PHD滤波与UKF信息能够有效实现对距离-速度拖引干扰下的多目标跟踪与识别。 相似文献
19.
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