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(jiǎn)介
1、隨著現(xiàn)代信息戰(zhàn)爭(zhēng)以及空中、海上交通管制的快速發(fā)展,多目標(biāo)跟蹤受到越來越多的重視。大多數(shù)多目標(biāo)跟蹤算法的一個(gè)標(biāo)準(zhǔn)假設(shè)是運(yùn)動(dòng)目標(biāo)間相互獨(dú)立且模型參數(shù)已知,對(duì)此可建立狀態(tài)空間模型進(jìn)行討論。然而在實(shí)際應(yīng)用中,經(jīng)常遇到多個(gè)目標(biāo)作為一個(gè)群體運(yùn)動(dòng),目標(biāo)間相互影響且個(gè)體參數(shù)未知的情況?;谏鲜銮樾危疚膶顟B(tài)空間模型推廣至混合效應(yīng)狀態(tài)空間模型,探討混合效應(yīng)狀態(tài)空間模型與多目標(biāo)跟蹤相結(jié)合的建模與狀態(tài)估計(jì)算法。
首先,本文基于復(fù)雜的數(shù)據(jù)關(guān)聯(lián)問題,
2、改進(jìn)了多假設(shè)跟蹤(MHT)算法,探討參數(shù)已知的線性高斯模型的建立方法,并將該方法擴(kuò)展到參數(shù)未知的非線性模型上,建立混合效應(yīng)狀態(tài)空間多目標(biāo)跟蹤模型;其次,討論了參數(shù)已知情形下的多目標(biāo)跟蹤模型的狀態(tài)估計(jì)方法,利用混合高斯模型記錄多個(gè)假設(shè),再利用量測(cè)信息解決數(shù)據(jù)關(guān)聯(lián)的不確定性,從而得到狀態(tài)估計(jì)結(jié)果;最后探討了混合效應(yīng)狀態(tài)空間多目標(biāo)跟蹤模型的狀態(tài)估計(jì)方法,提出基于抽樣思想的粒子濾波算法與卡爾曼濾波相結(jié)合的方法,并針對(duì)其產(chǎn)生的粒子退化現(xiàn)象進(jìn)行改進(jìn)
3、,得到基于核光滑的輔助粒子濾波與卡爾曼濾波相結(jié)合的狀態(tài)估計(jì)算法。
針對(duì)所提出的算法,本文采用一個(gè)帶有兩個(gè)隨機(jī)擾動(dòng)的地面多目標(biāo)跟蹤模型進(jìn)行數(shù)值仿真,對(duì)此模型分別運(yùn)用基于粒子濾波的算法及其改進(jìn)的輔助粒子濾波算法進(jìn)行狀態(tài)估計(jì),根據(jù)數(shù)值仿真結(jié)果建議優(yōu)先選擇基于核光滑的輔助粒子濾波算法,最后對(duì)該優(yōu)先算法的一致性檢驗(yàn)也得到了滿意的效果。
因此,本文所提出的針對(duì)混合效應(yīng)狀態(tài)空間模型與多目標(biāo)跟蹤問題相結(jié)合的建模與狀態(tài)估計(jì)方法具有重要
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
- 概率假設(shè)密度濾波算法及其在多目標(biāo)跟蹤中的應(yīng)用.pdf
- 支持向量機(jī)在多目標(biāo)跟蹤中的研究應(yīng)用.pdf
- 主動(dòng)輪廓模型研究及其在目標(biāo)跟蹤中的應(yīng)用.pdf
- 支持向量機(jī)在多目標(biāo)跟蹤中的應(yīng)用研究.pdf
- 基于ANP的QFD模型及其在多目標(biāo)優(yōu)化設(shè)計(jì)中的應(yīng)用.pdf
- 基于運(yùn)動(dòng)模型的紅外多目標(biāo)跟蹤.pdf
- 多目標(biāo)差分進(jìn)化混合算法研究及其在磨礦分級(jí)中的應(yīng)用.pdf
- 基于混合策略的多目標(biāo)跟蹤方法研究.pdf
- 灰色多目標(biāo)優(yōu)化模型在證券投資組合中的應(yīng)用.pdf
- 非線性混合效應(yīng)模型及其在金融風(fēng)險(xiǎn)中的應(yīng)用.pdf
- RFS的多目標(biāo)跟蹤算法及其在外輻射源雷達(dá)中的應(yīng)用.pdf
- 多目標(biāo)跟蹤算法研究及應(yīng)用.pdf
- 粒子濾波算法及其在目標(biāo)跟蹤中的應(yīng)用.pdf
- 非線性混合效應(yīng)模型及其在林業(yè)上應(yīng)用.pdf
- 紅外搜索跟蹤系統(tǒng)中多目標(biāo)跟蹤算法的研究.pdf
- 智能視頻監(jiān)控中的多目標(biāo)跟蹤算法研究及應(yīng)用.pdf
- 多目標(biāo)進(jìn)化算法的研究及其在負(fù)荷分配中的應(yīng)用.pdf
- 多目標(biāo)智能優(yōu)化算法及其在制造系統(tǒng)中的應(yīng)用.pdf
- 多目標(biāo)協(xié)同遺傳規(guī)劃及其在模糊建模中的應(yīng)用.pdf
- 混合效應(yīng)模型在森林生長(zhǎng)模擬研究中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論