排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
研究了非线性环境中的集中式多传感器多目标跟踪问题,提出了一种基于S-D分配的集中式多传感器不敏滤波算法。算法通过广义S-D分配技术实现每个传感器中的量测与目标的数据关联,求得所有可能互联中的最佳划分,然后按照顺序多传感器联合概率数据互联算法,依次处理最佳划分中各传感器源于同一目标的量测,在此基础上通过不敏卡尔曼滤波(UKF)解决非线性系统中的目标跟踪问题。最后给出了该算法与MSJPDA/EKF算法的仿真比较,结果表明该算法具有更高的稳定性和跟踪精度。 相似文献
2.
3.
基于UKF的单站无源定位算法 总被引:10,自引:6,他引:10
将一种适用于非线性系统的UKF应用于单站无源定位,并结合具体应用背景,对通常的UKF作了适当的改进。与推广卡尔曼滤波器(EKF)相比,UKF能更好解决量测模型非线性问题,滤波性能更好,而且UKF的计算量与EKF是同阶的。 相似文献
4.
5.
多传感器顺序统计量不敏概率数据互联算法 总被引:1,自引:1,他引:0
针对非线性系统中杂波环境下的多传感器多目标跟踪问题,提出了一种多传感器顺序统计量不敏概率数据互联算法(MSOSUPDA).算法首先根据顺序结构多传感器系统实现方法将研究问题转化为顺序处理多个非线性单传感器多目标跟踪问题,然后结合顺序统计量概率数据互联(OSPDA)的思想将单个传感器的量测点迹与多个舷迹互联,在此基础上采用不敏卡尔曼滤波(UKF)实现非线性条件下目标状态估计与协方差的递推.与MSJPDA/EKF算法相比,算法具有更高的跟踪精度和稳定性,计算量明显减小.仿真结果表明,该算该发散率与耗时分别为MsJPDA/EKF算法的19%与70%,算法综合性能明显好于MSJPDA/EKF算法. 相似文献
1