變結構多模型機動目標跟蹤算法研究.pdf_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、機動目標跟蹤技術一直以來都是信息融合系統中的一個重要研究課題,其在民用和軍事領域中均有著廣泛的應用。隨著目標機動性越來越強,以及對于機動目標跟蹤精度要求越來越高,如何實現對機動目標的穩(wěn)定、精確、可靠的跟蹤,顯得尤為重要,完善和改進現有目標跟蹤技術有其理論意義和現實意義。多模型算法的出現為機動目標跟蹤問題提供了很好的解決方法,隨著多模型算法不斷的發(fā)展和進步,變結構多模型算法逐漸成為了研究的主流,不斷有學者提出不同的變結構多模型算法,使得目

2、標跟蹤精度、實時性得到了很大的提升。本文是在現有的變結構多模型算法的基礎上,提出了三種新的變結構多模型算法,具體內容如下:
  1.基于可能模型集的最好模型集擴展的變結構多模型算法,該算法的主要思想是,首先利用可能模型集算法中的模型集合自適應策略刪除基本模型集中的不可能模型,得到當前時刻的有效模型集合,然后利用最好模型集合擴展算法BMA的KL準則,從預先設計好的候選模型集中選擇一個當前時刻的最好模型,最后基于有效模型集和最好模型進

3、行模型集合序列條件估計,獲得機動目標的總體估計。對該算法與現有算法進行仿真對比,驗證了提出的算法具有較高的費效比。
  2.基于期望模式的最好模型集擴展的變結構多模型算法(EBMA),該算法的主要思想是,基本模型模型集先經過期望模式擴展算法(EMA)得到當前時刻的期望模型,然后利用期望模型與候選模型集合的歐式距離,將當前時刻距離期望模型最近的候選模型作為當前時刻的期望最好模型,最后基于基本模型集和期望最好模型進行模型集合序列條件估

4、計,獲得機動目標的總體估計。對該算法與現有算法進行仿真對比,驗證了提出的算法具有較高的費效比。
  3.基于期望模式的折衷模型擴展的變結構多模型算法,該算法的主要思想是,基本模型集先經過期望模式擴展算法(EMA)得到當前時刻的期望模型,然后取期望模型與最近的基本模型所在的直線與兩個最近基本模型所組成直線的中垂線的所在的交點為折衷模型。最后基于基本模型集和折衷模型進行模型集合序列條件估計,獲得機動目標的總體估計。對該算法與現有算法進

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論