共查询到17条相似文献,搜索用时 390 毫秒
1.
在雷达/红外复合制导机动目标跟踪背景下,针对非线性机动目标融合跟踪存在滤波器易发散问题,提出一种基于交互式多模型无迹卡尔曼滤波(IMM-UKF)的分布式加权融合算法。IMM具有对不同目标机动模式自适应跟踪的能力;UKF对观测数据进行滤波估计,避免了计算雅克比矩阵,克服EKF滤波方法受滤波初值影响大、易发散的缺点;分布式融合算法提高了系统抗干扰能力及对目标跟踪的有效性和跟踪精度。仿真结果表明:该算法在处理非线性系统机动目标跟踪融合结果误差均得到减少,更能提高目标跟踪滤波精度,增强了系统稳定性。 相似文献
2.
针对不完全量测条件下分布式火控系统中的非线性目标跟踪问题,为提高跟踪系统的估计精度并保证各探测单元估计结果的一致性,提出一种基于信息一致性的分布式容积卡尔曼滤波(ICDCKF)算法。针对非线性系统,给出不完全量测下的改进容积卡尔曼滤波。考虑到各探测单元间局部估计信息的相关性,该算法首次将协方差交叉方法应用于非线性一致性滤波算法,提高互协方差未知情形下分布式融合的估计精度。特别地,为确保算法的可行性,给出不完全量测情形下,ICDCKF算法估计结果收敛的条件,并从理论上严格证明在该条件下ICDCKF算法可以保证估计方差的有界性。ICDCKF算法应用于一类光电跟踪网络,与现有CKFI算法、CKF_CI算法、KCF_ Me算法对比分析表明:ICDCKF算法在保证各探测单元估计结果一致性的同时,大幅度提高了跟踪系统的估计精度。 相似文献
3.
基于粒子滤波的目标图像多特征融合跟踪方法 总被引:1,自引:0,他引:1
研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能. 相似文献
4.
针对非线性观测的目标跟踪问题,对滤波跟踪型数据融合进行了研究,提出了基于去偏转换测量值卡尔曼滤波算法的非线性系统中的数据融合算法.从仿真结果可以看出,集中式融合算法和分布式融合算法的差别并不大,结果基本相同.因此,在非线性系统中,基于去偏转换测量值卡尔曼滤波算法的分布式融合算法可以重构集中式融合算法. 相似文献
5.
针对杂波数量多、目标数量和状态不确实性及观测不确实性等问题,提出了一种基于序贯蒙特卡洛与概率假设密度(SMC-PHD)滤波的分布式声纳多目标自动跟踪方法。通过随机有限集模型对多目标状态和观察进行表征,结合序贯蒙特卡洛方法中的重要性采样和重采样策略递归地实现多目标后验近似下概率假设密度的传递和滤波。利用分布式声纳观测模拟数据,对不同节点数目下基于SMC-PHD滤波的多目标跟踪进行了仿真实验。仿真实验结果表明:该方法适用于主动分布式声纳系统,能在多杂波环境下对数目未知且时变的多目标进行实时自动跟踪;在4个平台节点的主动分布式声纳系统中,实现了平均相对误差小于5%的水下多目标高精度跟踪,且目标数目估计值与真实值一致。 相似文献
6.
基于Elman网络的传递对准容错联合滤波器设计与仿真 总被引:1,自引:1,他引:0
针对用于快速传递对准的Kalman滤波器阶数高,计算量大,滤波更新率低,鲁棒性差及对准精度不高等问题,采用联合强跟踪Kalman滤波器进行快速传递对准。提出一种基于模糊加权系数的误差方差阵估计方法,以提高传统强跟踪Kalman滤波算法的精度。在此基础上,设计了联合强跟踪Kalman滤波器的结构和算法。基于提高无故障子滤波器的鲁棒性来提高联合滤波器的快速重构能力考虑,同时兼顾子滤波器的精度和计算稳定性,提出利用改进的Elman网络进行信息分配系数的自适应调节,以实现融合信息在各子系统中的自适应分配。仿真结果表明,该滤波器不仅提高了解算速度,而且提高了系统对准精度、故障鲁棒性和快速重构能力。 相似文献
7.
8.
9.
10.
强跟踪联邦的卡尔曼滤波器设计 总被引:1,自引:0,他引:1
将强跟踪滤波方法应用到联邦滤波器中,形成无反馈模式的联邦滤波器的强跟踪联邦滤波算法.该强跟踪联邦滤波器由2个子滤波器和1个主滤波器组成,主滤波器到子滤波器的信息反馈.子滤波器独立地进行时间更新和测量更新.主滤波器对时间进行更新,并将2个子滤波器的结果进行信息融合,得到全局最优估计. 相似文献
11.
基于信息融合的分布式多舰无源定位算法 总被引:1,自引:0,他引:1
提出一种基于信息融合的分布式多舰无源定位算法,该算法通过属性关联和空间关联相结合的方法实现了多舰无源传感器的定位关联,并采用时变采样间隔的修正增益推广卡尔曼滤波器,用多条舰艇的舰载电子侦察设备对海上多个运动辐射源目标进行分布式纯方位跟踪融合。仿真结果表明:进行跟踪融合后的定位精度比单个舰艇的定位精度有了较大幅度的提高,受目前雷达侦察设备的测向精度比较低的限制,使得跟踪融合后不能达到很高的精度,但该精度可以满足海上导弹攻击的需求,导弹可以通过对一定范围内的目标进行搜捕达到精确打击的目的。该算法对海上慢速运动的舰艇辐射源进行纯方位跟踪有较好的稳定性和可满足要求的定位精度,能够满足工程应用的要求。 相似文献
12.
13.
14.
基于主/被动雷达双传感器的自适应跟踪融合算法 总被引:1,自引:0,他引:1
在主、被动雷达双传感器目标跟踪背景下,提出一种自适应数据融合算法。跟踪同一个目标的主、被动雷达观测数据由线性卡尔曼滤波器来处理,与主/被动雷达对应的两个跟踪器的输出数据被发送到一个中央节点,在这个节点中,包含了两个由在线跟踪信息构成的指标变量.将这些指标与设定的阈值进行对比.即通过二者的逻辑判断结果来选择用于得到整体评估的方法,其中对周值的选择决定了融合算法融合精度与计算量的平衡点。仿真结果表明,这种融合算法有很好的融合效果。 相似文献
15.
为了满足水下对抗对机动目标实时跟踪和目标航速、航向准确估计的要求,针对观测量为距离和方位的机动目标跟踪,对传统无迹卡尔曼滤波(UKF)跟踪算法进行了改善。提出根据UKF算法预测值和观测值残差的概率分布自适应调整目标状态噪声方法,使得UKF跟踪算法能够根据目标运动状态及时调整状态方程,在目标机动时减小对预测值的依赖,在目标非机动时增大对预测值的依赖。这种在线实时估计系统噪声状态的跟踪方法更加适用于机动目标的跟踪。数值仿真结果表明:该算法不仅在目标机动时具有良好的跟踪效果,而且在目标非机动时具有准确的估计性能。通过声纳信息综合处理系统验证了状态自适应UKF跟踪算法的性能。 相似文献
16.
17.
为实现空间中无法直接获取位姿信息的非合作航天器的相对导航,在充分考虑目标星在空间中做自由翻滚的前提下,提出一种基于立体视觉的超近距离非合作航天器相对导航理论。根据相对位姿动力学模型推导其状态方程,利用立体视觉系统提供观测数据,在此基础上设计扩展卡尔曼滤波器,确定目标卫星相对于追踪星的相对位置,相对速度和角速度,从而优化和引导机械臂捕获目标航天器,并通过实例进行仿真验证。仿真结果表明:该方法对相对位置的估计精度优于0.01 m,相对姿态精度优于0.02?,能有效提高超近距离非合作航天器相对导航的精度。 相似文献