2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩81頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、目標與量測的關聯(lián)是多目標跟蹤的一個比較核心的問題。在傳統(tǒng)的數(shù)據(jù)關聯(lián)算法中,大多數(shù)要窮舉所有可能的關聯(lián)事件,從而導致計算量隨著目標和量測數(shù)目成指數(shù)增長,不利于實際應用,本文研究基于概率多假設(PMHT)的算法在目標跟蹤中的應用,主要工作如下: 1、對PMHT算法的國內外研究現(xiàn)狀進行了綜述,分析了該算法在理論及應用方面存在的問題。 2、深入分析了PMHT算法、以及各個改進的PMHT算法的優(yōu)缺點,并對PMHT算法,各改進算法進

2、行仿真比較分析,給出了一些可供應用參考的結論。 3、針對PMHT算法的迭代、批處理特性,將統(tǒng)計距離、統(tǒng)計距離增量作為系統(tǒng)方差的調整參量,采用模糊專家規(guī)則系統(tǒng),提出了一種適用于機動目標的模糊自適應概率多假設跟蹤(FA-PMHT)算法。該算法將數(shù)據(jù)關聯(lián)尋優(yōu)與運動模型尋優(yōu)聯(lián)合處理,從而實現(xiàn)了數(shù)據(jù)關聯(lián)尋優(yōu)、目標模型尋優(yōu)一體化。仿真結果表明,所提算法在跟蹤精度上有明顯提高,并且滿足實時性要求,證明該算法是有效的。 4、PMHT是一

3、種基于貝葉斯的算法,在框架結構上具有易擴展特性,本文基于此提出了一種基于圖像信息的融合自適應Homethetic-PMHT算法。該算法綜合利用屬性信息以及傳統(tǒng)的位置量測信息,將從圖像信息中獲取的量測通過模糊處理得到目標屬性(幅值、RCS)概率信息,并將目標屬性概率信息、目標量測信息統(tǒng)一到概率多假設框架下形成一種廣義數(shù)據(jù)關聯(lián)跟蹤算法。仿真結果表明該算法的有效性。 5、針對天波雷達多路徑會產生多個量測,而PMHT的假設條件:一個目標

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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