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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、目標(biāo)跟蹤是指計(jì)算機(jī)或其他儀器設(shè)備依據(jù)某種算法實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤與定位,并根據(jù)目標(biāo)的位置和動(dòng)向采取相應(yīng)措施。機(jī)動(dòng)是指目標(biāo)為執(zhí)行某種戰(zhàn)術(shù)意圖和(或)由于非預(yù)謀的原因作改變?cè)瓉硪?guī)律的運(yùn)動(dòng),如轉(zhuǎn)向、俯沖、下滑、爬升、蛇形、增速、降速等。機(jī)動(dòng)目標(biāo)跟蹤主要是解決目標(biāo)機(jī)動(dòng)的情況下穩(wěn)定、精確跟蹤的問題。 機(jī)動(dòng)目標(biāo)跟蹤關(guān)鍵在于如何從測量值中提取有關(guān)目標(biāo)狀態(tài)的有用信息。一個(gè)好的機(jī)動(dòng)目標(biāo)跟蹤算法將有利于這種信息的提取。大多數(shù)的跟蹤算法都是以模型為基礎(chǔ)的
2、?;谀P偷臋C(jī)動(dòng)目標(biāo)跟蹤算法可以分為單模型(Single Model-SM)算法和多模型(Multiple Model-MM)算法兩大類。 常見的單模型算法有白噪聲加速度模型(Constant Velocity Model-CV)、Wiener加速度模型(Constant Acceleration Model-CA)、Singer加速度模型、“當(dāng)前”統(tǒng)計(jì)模型(Current Statistic Model-CS)和勻速轉(zhuǎn)彎模型(
3、Constant TurmModel-CT)等。本文分析了這些模型的建模方法,并通過MATLAB仿真比較了各模型的跟蹤精度。 多模型算法由于其獨(dú)有的處理具有結(jié)構(gòu)和參數(shù)未知和/或變化以及將復(fù)雜問題簡化為簡單問題的能力,近年來受到了很大的重視。多模型(MultipleModel-MM)算法可以分為三代:靜態(tài)多模型算法(Static MultipieModel-SMM)、交互式多模型(Interacting Multiple Mode
4、l-IMM)和變結(jié)構(gòu)多模型(Variable Structure Multiple Model-VSMM)算法。 目前,在眾多的跟蹤濾波算法中,交互式多模型算法被認(rèn)為是最有效的次優(yōu)多模型方法,因而在機(jī)動(dòng)目標(biāo)跟蹤領(lǐng)域獲得了廣泛的應(yīng)用。但是,當(dāng)目標(biāo)的機(jī)動(dòng)情況發(fā)生變化時(shí),如果IMM算法的模型集中不包括當(dāng)前目標(biāo)的運(yùn)動(dòng)模式,跟蹤精度就會(huì)大大下降,甚至發(fā)散。因此提高IMM算法跟蹤機(jī)動(dòng)目標(biāo)能力的關(guān)鍵是如何根據(jù)目標(biāo)的機(jī)動(dòng)情況,實(shí)時(shí)地估計(jì)模型參數(shù)
5、。由于模糊神經(jīng)網(wǎng)絡(luò)融合了神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力、聯(lián)想能力、優(yōu)化結(jié)構(gòu)和模糊邏輯容易被人理解等優(yōu)點(diǎn),將其引入IMM算法中,對(duì)于提高目標(biāo)的跟蹤精度有著重要的意義。 本文對(duì)IMM算法做了如下兩點(diǎn)改進(jìn)。首先在IMM算法的模型集設(shè)計(jì)中,提出了使用加速度均值自適應(yīng)的“當(dāng)前”統(tǒng)計(jì)模型(CS模型)和擴(kuò)展后的常速運(yùn)動(dòng)模型(CV模型)進(jìn)行交互。其次設(shè)計(jì)了一個(gè)符合機(jī)動(dòng)目標(biāo)跟蹤中目標(biāo)機(jī)動(dòng)特點(diǎn)的模糊神經(jīng)網(wǎng)絡(luò),將運(yùn)動(dòng)模型的特征量作為模糊神經(jīng)網(wǎng)絡(luò)的輸入,模糊神經(jīng)網(wǎng)
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于交互式多模型的機(jī)動(dòng)目標(biāo)跟蹤算法研究.pdf
- 交互式多模型濾波算法研究及應(yīng)用
- 機(jī)動(dòng)目標(biāo)跟蹤交互式多模型算法研究.pdf
- 基于Choquet模糊積分的多神經(jīng)網(wǎng)絡(luò)融合模型.pdf
- 多感覺交互作用的神經(jīng)網(wǎng)絡(luò)模型研究.pdf
- 基于模糊連通度的交互式圖像分割算法研究.pdf
- 網(wǎng)絡(luò)交互式圖形模型.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的模糊推理模型和算法研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的AQM算法研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘模型研究.pdf
- 交互式Kohonen神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)圖像處理中的應(yīng)用.pdf
- 面向產(chǎn)品族設(shè)計(jì)的雙層規(guī)劃模型及其交互式模糊算法研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)pid算法doc
- 交互式圖像分割模型與算法研究.pdf
- 基于改進(jìn)PSO算法的模糊神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)盲均衡算法的研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的多源信息融合.pdf
- 基于改進(jìn)粒子群算法的模糊神經(jīng)網(wǎng)絡(luò)研究.pdf
- 多小波模糊神經(jīng)網(wǎng)絡(luò)盲均衡算法.pdf
- 模糊時(shí)變網(wǎng)絡(luò)最短路徑模型的神經(jīng)網(wǎng)絡(luò)算法研究.pdf
評(píng)論
0/150
提交評(píng)論