排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
针对非均匀稀疏采样环境下的被动机动目标跟踪问题,基于模糊逻辑推理,提出了一种新的自适应α-β滤波算法。详细分析了非均匀稀疏采样被动传感器上报数据的特点,将标准化新息和新息的一阶微分作为模糊推理的两个输入变量,并同时引入时间间隔、目标速度等因素,设计输入变量的调整因子,自适应获取滤波器参数。实验结果表明,提出的算法能够准确对机动目标进行跟踪,性能优良,且易于工程实现。 相似文献
2.
被动传感器阵列中基于视线距离的数据关联 总被引:2,自引:0,他引:2
针对低检测概率环境下被动传感器阵列中的数据关联问题,提出了一种基于视线距离的数据关联新算法。首先详细分析了传统基于视线距离数据关联方法的不足,提出各个观测站对于同一个目标的平均视线距离应最小。同时,认为同一个目标只要被超过2/3的传感器所观测,此关联组合就有效。最后,利用关联组合的平均视线距离和有效传感器个数来设计模糊隶属度函数,以模糊关联隶属度最大为关联准则构建数据关联算法,给出了算法流程。实验结果表明,在检测概率不为1、误差较大的多目标环境下,提出的算法要明显优于传统方法。 相似文献
3.
针对机动目标的运动特点,提出了一种基于模糊自适应的α-β滤波新算法.算法首先详细分析了目标航向角和观测残差与目标机动的关系,提出综合利用航向角变化量和残差作为模糊逻辑输入变量来调整滤波器参数,且根据实际的机动目标跟踪情况,给出一种有效的模糊逻辑规则设计方法.实验结果表明,提出的算法能够准确对机动目标进行跟踪,性能要好于工程中常用的α-β滤波器,且算法设计简单,可工程实现. 相似文献
4.
被动传感器系统模糊-概率双加权数据关联新算法 总被引:5,自引:2,他引:3
针对被动传感器系统中的数据关联问题,提出了一种新的被动传感器系统模糊-概率双加权数据关联算法。该算法首先利用候选关联的方位角建立检验统计量,进行方位的粗关联,排除一部分虚假候选关联,减少计算量;再对保留的候选关联进行交叉定位,计算每个交叉定位点与各个目标的关联概率;同时对相应的候选关联建立模糊关联度,来修正目标的关联概率,最后采用最大值搜索方法得到各个目标的正确关联。仿真结果表明,该方法可以快速、准确的排除虚假定位点,能够有效的对多个目标进行跟踪。 相似文献
5.
6.
针对非均匀稀疏采样环境下的被动机动目标跟踪问题,提出了一种新的自适应α-β滤波算法.算法首先在最小均方误差准则下,推导了α-β滤波器的最优参数选择方法;然后详细分析了非均匀稀疏采样被动传感器上报数据的特点,提出利用上报时间间隔和目标速度来设计跟踪指数,且根据被动传感器系统的实际观测情况,推导了观测误差标准差的表达式;最后,在保证算法稳定性的前提下,给出了自适应滤波器参数设计方法.实验结果表明,提出算法能够准确对机动目标进行跟踪,性能要好于工程中常用的α-β滤波器,且算法设计简单,能够工程实现. 相似文献
1