排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
传统的最大熵模糊概率数据关联滤波器(MEF-PDAF)算法用于水下杂波环境下单站纯方位目标跟踪存在对系统模型变化鲁棒性差、跟踪机动目标能力低的问题;为了解决这些问题,对MEF-PDAF算法进行了改进,提出了强跟踪MEF-PDAF(STMEF-PDAF)算法;与强跟踪滤波器(STF)算法类似,ST-MEF-PDAF算法通过引入渐消因子来实时调节增益矩阵,提高了算法的鲁棒性;进行了水下杂波环境下单观测站纯方位目标跟踪的仿真实验,ST-MEF-PDAF能够在500秒以内跟踪机动目标,而传统的MEF-PDAF算法不能,即ST-MEF-PDAF算法跟踪机动目标的能力高于传统的MEF-PDAF算法。 相似文献
2.
针对广义概率数据关联(GPDA)算法存在计算量大、对系统模型变化鲁棒性差等问题,首先提出了简化广义概率数据关联(SGPDA)算法,然后把SGPDA算法与强跟踪滤波器(STF)算法相结合得到基于简化广义概率数据关联的强跟踪滤波器(SGPDA-STF)。SGPDA在不降低精度的条件下,大大降低了计算量。STF通过实时调节增益矩阵,增强了算法的鲁棒性。SGPDA-STF兼具STF鲁棒性强,SGPDA计算量小的优点。进行了水下杂波环境下单站多目标纯方位跟踪的仿真实验,实验结果证明了SGPDA-STF算法在鲁棒性和计算量方面都优于传统的GPDA-EKF算法。 相似文献
1