多傳感器機(jī)動目標(biāo)跟蹤數(shù)據(jù)融合算法研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、傳感器信息融合技術(shù)是一門新興的交叉性學(xué)科,該技術(shù)在多個(gè)領(lǐng)域中,都有著廣泛的應(yīng)用。作為信息融合技術(shù)在目標(biāo)跟蹤領(lǐng)域中的應(yīng)用,多傳感器目標(biāo)跟蹤將多個(gè)傳感器信息進(jìn)行有機(jī)地合成,提高目標(biāo)運(yùn)動狀態(tài)估計(jì)的精度,較之任何單一傳感器的目標(biāo)跟蹤,其跟蹤精度及性能均較優(yōu)。信息融合算法也已成為研究解決目標(biāo)跟蹤問題的熱點(diǎn)之一。
   本論文研究了目標(biāo)跟蹤的兩個(gè)關(guān)鍵問題——狀態(tài)估計(jì)與數(shù)據(jù)關(guān)聯(lián)。在研究基于最優(yōu)及次優(yōu)卡爾曼濾波算法并對運(yùn)動目標(biāo)狀態(tài)進(jìn)行估計(jì)的基礎(chǔ)

2、上,采用交互式多模型算法和多傳感器聯(lián)合概率數(shù)據(jù)互聯(lián)方法對多機(jī)動目標(biāo)進(jìn)行跟蹤。并對所研究的機(jī)動目標(biāo)跟蹤方法進(jìn)行了實(shí)驗(yàn)仿真。論文的工作主要有以下幾點(diǎn):
   ①研究了用于處理線性及非線性模型的最優(yōu)及各次優(yōu)濾波算法。以火箭飛行目標(biāo)為例,針對火箭實(shí)際飛行過程中測量數(shù)據(jù)存在野值,及利用雷達(dá)及光學(xué)傳感器對其進(jìn)行跟蹤的測量方程為非線性的情況,提出了抗野值的無跡卡爾曼濾波。
   仿真實(shí)驗(yàn)結(jié)果表明了該算法對火箭目標(biāo)狀態(tài)估計(jì)的有效性,并與

3、擴(kuò)展卡爾曼濾波算法相比,該算法具有較高的濾波估計(jì)精度。
   ②針對雜波環(huán)境下多目標(biāo)跟蹤問題,在研究了跟蹤門的形成及單傳感器聯(lián)合概率數(shù)據(jù)互聯(lián)算法的基礎(chǔ)上,給出了多傳感器聯(lián)合概率數(shù)據(jù)互聯(lián)并行及順序處理結(jié)構(gòu)。并通過仿真實(shí)驗(yàn),驗(yàn)證了多傳感器聯(lián)合概率數(shù)據(jù)互聯(lián)算法在雜波環(huán)境下對多目標(biāo)跟蹤的有效性。
   ③針對機(jī)動目標(biāo)運(yùn)動模型的不確定性及雜波的存在,在研究了交互式多模型算法的基礎(chǔ)上,引入多傳感器聯(lián)合概率數(shù)據(jù)互聯(lián)方法完成多傳感器量測

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(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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