UKF在水中目標(biāo)跟蹤系統(tǒng)中的應(yīng)用.pdf_第1頁
已閱讀1頁，還剩69頁未讀， 繼續(xù)免費閱讀

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)行舉報或認(rèn)領(lǐng)

文檔簡介

1、本論文首先研究了針對線性系統(tǒng)的卡爾曼濾波(KF)，它的狀態(tài)模型和觀測模型都是線性的，而實際系統(tǒng)多為非線性。對非線性的狀態(tài)模型和觀測模型，常用的是擴(kuò)展卡爾曼濾波(EKF)。首先需要將這些模型進(jìn)行線性化處理而成為線性模型，在此基礎(chǔ)上再應(yīng)用卡爾曼濾波進(jìn)行估計。但是EKF算法在線性化過程中所產(chǎn)生的大量誤差，很容易導(dǎo)致濾波發(fā)散。針對這種現(xiàn)象，提出了不敏卡爾曼濾波(UKF)算法，該算法用典型的粒子點來近似非線性函數(shù)的概率分布，克服了EKF算法的線性

2、化誤差，具有更高的濾波精度。 對于基于UKF算法所建立的水下目標(biāo)跟蹤系統(tǒng)，論文針對在不同情況下完成對目標(biāo)各種運動狀態(tài)準(zhǔn)確估計的仿真。根據(jù)仿真結(jié)果，將UKF跟蹤濾波與EKF跟蹤濾波進(jìn)行對比分析，驗證UKF的跟蹤濾波性能要優(yōu)于EKF。對于機(jī)動性較強(qiáng)的目標(biāo)，利用交互式多模型(IMM)算法可以很好的解決跟蹤問題。通過高機(jī)動性目標(biāo)進(jìn)行IMM—UKF算法的跟蹤濾波仿真，驗證了IMM—UKF濾波算法具有較高的估計精度和收斂性。但是計算時間遠(yuǎn)大

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