排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
针对平方根容积卡尔曼滤波(SRCKF)在机动目标跟踪中面临测量异常和模型失准时估计精度下降的问题,提出了一种基于反馈判决的鲁棒自适应算法.利用Huber函数对观测残差序列处理获得权重向量以修正测量协方差,增强算法的抗差能力以克服测量异常问题;同时,引入多重渐消因子调整预测误差协方差,从而改变滤波增益,增强算法的自适应性以解决模型失准问题.最后,根据马氏距离构建异常误差判别因子,采用反馈判决实现2种处理方式的合理切换.仿真实验表明:与现有算法相比,该算法能够有效处理测量异常和模型失准带来的误差,具备良好的抗差能力和自适应性. 相似文献
2.
在分析任务驱动教学法对电视节目编制课程实验教学作用的基础上,论述了电视节目编制任务驱动教学设计与实践过程,探讨了电视节目编制实验任务驱动教学效果及实施过程应注意的问题. 相似文献
3.
为进一步提高目标跟踪精度,提出了一种新的平方根高斯核积分滤波算法(SGKQF)。选取比例因子重构高斯-厄米特积分点,利用高斯核构造的线性方程组计算相应权重,从而建立单变量高斯核积分规则;采用张量积方法将其扩展到多变量积分规则,以实现对多维积分的数值近似;将其引入非线性高斯递推滤波框架中,为增强算法的稳定性,在滤波过程中使用协方差的平方根形式,得到SGKQF算法。将所提算法应用于纯方位目标跟踪系统中,仿真结果表明,在选取合适高斯核带宽的条件下,相对于传统GHQF算法,SGKQF对目标位置和速度估计的精度分别提高了8.7%和11.8%,可获得更高的滤波估计精度。 相似文献
4.
针对测量中出现的异常情况,提出了一种基于M估计的自适应鲁棒平方根连续 离散容积卡尔曼滤波算法。该算法将目标跟踪问题建模为连续 离散时间模型,将改进的M估计的思想融入连续 离散容积卡尔曼滤波算法当中,通过Mahalanobis距离对异常测量进行门限判别,引入校正因子,根据观测残差自适应地调整观测噪声协方差矩阵的大小,进一步提高滤波算法的鲁棒性;通过将连续 离散模型与校正因子结合,实现了滤波精度和抗异常测量值的统一。仿真结果表明,与传统鲁棒算法相比,该算法在单点测量异常和多点测量异常的条件下都能够更加准确地对目标进行跟踪,且鲁棒性更强。 相似文献
5.
1