首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 93 毫秒
1.
基于时变马尔科夫转移概率的机动目标多模型跟踪   总被引:7,自引:0,他引:7  
为了消除机动目标多模型跟踪中人为因素对跟踪精度的影响,提出了一种新的基于时变马尔科夫转移概率的机动目标多模型跟踪算法.该算法通过对Baum辅助函数的最大化实现隐马尔科夫模型状态转移概率的参数估计,并将估计结果用于交互式多模型算法的设计中,构造出时变马尔科夫状态转移概率的交互式多模型算法,有效地降低了人为因素对机动目标跟踪精度的影响.通过对一个机动目标的跟踪对比,说明了该算法比传统的交互式多模型算法具有更小的跟踪误差和良好的模型跟踪概率.  相似文献   

2.
一种改进的变结构交互多模型被动跟踪算法   总被引:1,自引:0,他引:1       下载免费PDF全文
针对干扰环境下跟踪机动目标时常常无法获得距离信息的问题,提出了一种新的被动跟踪算法对目标进行精确的跟踪定位。算法针对被动跟踪中状态与量测之间存在的非线性关系,首先采用最小二乘原理对角度量测进行预处理,然后以预处理结果作为输入,进行交互多模型滤波,从而减小非线性量测方程的线性化过程带来的误差。然而,交互多模型滤波中所采用的固定结构模型集并不能保证跟踪精度,为解决这一问题,算法引入序列似然比检测对模型集进行调整,使模型对不同的目标机动模式有更强的自适应能力,从而减小模型之间的竞争,确保跟踪效果。为了验证新算法的有效性,在相同实验条件下,用2种算法分别对同一设定轨迹进行仿真估计,结果表明,新算法可以进一步提高跟踪精度。  相似文献   

3.
考虑目标航向机动信息的机动目标跟踪算法   总被引:1,自引:0,他引:1  
传统的机动目标跟踪算法大多过于依赖所采用的目标运动模型,没有充分利用目标量测序列中携带的其它有用信息,当目标机动时跟踪性能下降较大。针对该问题,提出了利用目标航向机动序列修正传统跟踪算法滤波值的新算法。仿真结果表明,该算法比传统跟踪算法的跟踪精度高,是一种简单有效的自适应机动目标跟踪算法。  相似文献   

4.
讨论了机动目标跟踪问题,针对机动目标并行自适应滤波特点,结合粗神经网络特有的同一神经元可以双输入的特点,利用全状态反馈,提出了基于“当前”统计模型的粗神经网络并行自适应滤波算法,仿真表明该算法对机动目标具有较强的跟踪能力。  相似文献   

5.
基于粒子滤波的仅有角测量的被动跟踪   总被引:1,自引:0,他引:1  
基于粒子滤波,提出了仅有角测量无源被动跟踪的新解决方法.该方法采用“当前”统计模型,使用粒子滤波算法,融合了双站测量数据.在双站测量的被动跟踪试验中,仿真结果证实了该方法能有效跟踪高度机动的目标.  相似文献   

6.
针对机动目标跟踪问题,在截断正态概率密度模型的基础上,通过目标机动状况与相邻采样时刻间位置估计量变化之间的函数关系实现噪声方差自适应调整,提出了一种新的自适应滤波算法——基于截断正态概率密度模型修正的自适应滤波算法。计算机仿真结果表明,该算法在跟踪机动目标时,具有良好的跟踪性能,并极大地改善了跟踪非机动目标的能力。  相似文献   

7.
一种新的Jerk模型高机动目标跟踪自适应算法   总被引:2,自引:2,他引:0  
在Jerk模型的基础上,提出了一种新的高机动目标跟踪自适应算法STF-C-Jerk.该算法利用“当前”模型的思想,将Jerk项假设成为非零均值过程,更切合目标机动实际过程,同时通过引入强跟踪滤波器的渐消因子,实时调节滤波器增益,增强了系统对目标突发机动的自适应跟踪能力.仿真结果表明,提出的STF-C-Jerk自适应跟踪算法显著提高了Jerk模型自适应算法的跟踪性能.  相似文献   

8.
在空战中,需要基于空中移动平台对机动目标进行自适应跟踪.由于机动目标“当前”统计模型符合实际目标的动力特征,所以文中基于该模型,针对空基多平台多传感器环境,推导了机动目标跟踪的状态方程和测量方程,并给出了机动目标自适应跟踪算法.Monte—Carlo仿真表明,该方法能有效地估计出机动目标的运动状态.  相似文献   

9.
针对机动目标高机动和多阶段运动的特性,单模型跟踪算法难以实现精确跟踪的问题,提出一种基于模糊逻辑和机动检测的AGIMM跟踪算法。考虑现有的AGIMM算法网格模型收敛速度慢和机动检测方法过于依赖模型后验概率的问题,首先引入模糊逻辑算法计算机动检测的可信度,然后利用机动检测可信度信息、目标的机动信息和模型的后验概率调整跟踪模型集的结构,克服了AGIMM算法模型收敛速度慢的不足,实现了模型与目标运动模式的快速匹配。仿真结果表明:与AGIMM算法和固定结构交互式多模型算法相比,文中提出的算法使得不同条件下的位置跟踪误差分别至少降低5.6%和15.1%,说明该算法具有更快的模型收敛速度和更高的目标跟踪精度。  相似文献   

10.
被动式跟踪基本上都是假定目标作匀速或匀加速直线运动,跟踪问题较为简单,一旦目标发生机动,传统的跟踪方法就无法对机动目标进行稳定的跟踪。本文采用目标的位置、速度、加速度作为状态变量,基于“当前”统计模型对机动目标进行建模,并结合Kalman算法进行滤波,仿真表明了该算法在光电经纬仪中的适用性。  相似文献   

11.
为了削弱电离层分层结构引起的"多径"效应,减小电离层高度难以准确获取带来的跟踪误差,提出了基于无源信标的目标跟踪方法。通过雷达发射高频信号,建立等效电离层传播模型,并利用无源信标修正电离层高度,其中跟踪过程分为两个阶段:先进行初次跟踪,将跟踪结果与信标对比,反演出等效电离层虚高,再利用修正虚高跟踪未知目标。针对实测数据的分析结果表明,与多假设航迹融合算法相比,本方法具有更高的精确性和适应性。  相似文献   

12.
为解决基于“当前”统计模型的自适应滤波器对弱机动,特别是非机动目标跟踪精度下降问题,提出基于模糊神经网络的目标自适应跟踪算法,对并行工作的两滤波器进行数据融合.仿真结果表明:与一般自适应算法相比,该算法对各种机动程度的目标跟踪精度均有不同程度的提高,能更好地适应目标的各种运动形式,尤其适用于对目标的速度和加速度估计精度要求较高的场合,在指控、火控系统中具有实用价值.  相似文献   

13.
多目标跟踪领域中,在背景复杂、目标遮挡、目标尺度和姿态变换等情况下,容易出现目标丢失、身份交换和跳变等问题.针对这些问题,提出了一种基于检测的多目标跟踪算法,使用改进的YOLO人体人脸关联算法,对当前帧待检目标进行分类和位置检测,使用生成对抗网络构建特征提取模型,学习目标的主要特征以及细微特征,再运用生成对抗网络生成多目标的运动轨迹,最终融和目标的运动信息和外观信息,得到跟踪目标的最优匹配.在MOT16数据集下的实验结果表明,提出的多目标跟踪算法具有较高的精确度和鲁棒性,对比目前身份交换和跳变最少的算法,跳变的次数少了65%,准确度提高了0.25%.  相似文献   

14.
一种新的多机动目标跟踪的GMPHD滤波算法   总被引:1,自引:0,他引:1  
针对多机动目标跟踪的传统数据关联算法约束条件苛刻、估计精度低、计算量大等问题,提出了一种基于随机集理论的非数据关联的多机动目标跟踪算法.该算法将高斯混合概率假设密度(GMPHD)滤波与"当前"统计模型的优点相结合,绕过了棘手的数据关联问题,能高效处理目标数较大的机动跟踪问题.在漏检、虚警、多机动目标交叉杂波复杂环境下进行了仿真实验,结果表明,该算法具有较高的跟踪精度和稳健的跟踪性能.  相似文献   

15.
被动传感器只能获得目标的角度信息而无法获得位置信息,因此单被动传感器对目标进行跟踪时难以满足可观测性条件.对单被动传感器高斯-厄米特滤波的量测模型进行扩维,建立了多被动传感器高斯-厄米特滤波模型.由于Singer模型只适用于匀速和匀加速范围内的目标运动,对于强烈的机动将引起较大的模型误差.而正态截断模型本质上是非零均值时间相关模型,能够更加真实地反映目标机动泛围和强度的变化,是目前较好的实用模型.文中基于正态截断模型提出了只有角度量测的双被动传感器高斯-厄密特机动目标跟踪算法,仿真结果表明,该方法能够对机动目标进行稳定的跟踪.  相似文献   

16.
多基地雷达系统中基于距离差测量的目标跟踪分析   总被引:4,自引:1,他引:3  
分析了用多站雷达系统跟踪近程目标的方法。将速度矢量引入到目标运动模型,从而能更好地描述机动目标。系统量测方程建立在距离差测量的基础上,使跟踪过程与发射机位置无关,因而十分适用于发射机机动的系统布局。仿真结果表明该方法是有效的,具有跟踪速度快、稳态误差小的特点,适用于多瞳雷达系统跟踪近程目标。  相似文献   

17.
颉凯平 《科学技术与工程》2013,13(19):5504-5507
由于"当前"统计模型自适应滤波算法对于最大加速度的过分依赖,使其对于弱机动目标并不具有较高的跟踪精度,基于"当前"统计模型自适应滤波算法的研究及目标跟踪性能的分析,提出了将目标的机动状态划分为强机动和弱机动,当目标在作弱机动运动时,可通过修正最大加速度来提高跟踪精度,分别针对常速、常加速、弱变加速三种弱机动情况进行了数学仿真,仿真结果表明,通过修正最大加速度的方法,可使该算法对于弱机动目标的跟踪精度大大提高。  相似文献   

18.
Bearing-only passive tracking is regarded as a nonlinear hard tracking problem. There are still no completely good solutions to this problem until now. Based on current statistical model, the novel solution to this problem utilizing particle filter (PF) and the unscented Kalman filter (UKF) is proposed. The new solution adopts data fusion from two observers to increase the observability of passive tracking. It applies the residual resampling step to reduce the degeneracy of PF and it introduces the Markov Chain Monte Carlo methods (MCMC) to reduce the effect of the “sample impoverish”. Based on current statistical model, the EKF, the UKF and particle filter with various proposal distributions are compared in the passive tracking experiments with two observers. The simulation results demonstrate the good performance of the proposed new filtering methods with the novel techniques.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号