共查询到17条相似文献,搜索用时 421 毫秒
1.
针对无人机(UAV)编队的协同多任务分配问题(CMTAP),考虑双机协同探测、双机协同攻击的情况,结合时间约束、时序约束、时间间隔约束、载机弹药约束、任务能力约束等约束条件,扩展了协同多任务分配模型;将差分进化(DE)算法、郭涛(GT)算法、离散粒子群优化(DPSO)算法、模拟退火(SA)算法进行融合,提出了DE-DPSO-GT-SA算法,用以求解协同多任务分配问题。通过与多种算法进行比较,仿真试验结果表明,所提算法具有较好的收敛性能。 相似文献
2.
针对多个机动群目标跟踪问题,提出了一种多模型伽马高斯逆威夏特-广义标签多贝努利(MM-GGIW-GLMB)算法。采用多模型算法对群目标进行运动建模,利用最适高斯(BFG)近似在预测阶段对多模型进行融合,减小了多模型算法的运算量,为进一步提高算法在目标机动阶段的跟踪性能,引入强跟踪滤波器(STF)对BFG算法得到的预测状态协方差进行修正。利用最优次模式分配(OSPA)距离及其一倍标准差和航迹标签正确率衡量算法对机动群目标的跟踪性能。仿真结果表明,本文算法能够提升对机动群目标的跟踪精度和稳定性。 相似文献
3.
为提高防空导弹无线电引信在低信噪比(SNR)背景下的测向精度,提出了基于传播算子算法(PM)的涡旋电磁波引信超分辨测向方法。通过相控均匀圆阵依次发射不同轨道角动量模态涡旋电磁波照射目标,基于多发单收(MISO)模型推导目标探测回波模型;通过对回波方程的近似变形构造接收信号矩阵;采用PM算法构造空间谱函数,进行谱峰搜索,实现对目标水平方位角的估计。对所提方法的有效性进行仿真验证,结果表明,所提方法可在低信噪比、少阵元情况下实现对目标的精确测向。 相似文献
4.
为解决中心群跟踪(CGT)算法中由于群机动造成的量测丢失、估计误差增大的问题,提出了一种基于自适应关联波门的机动群目标跟踪算法。首先,将CGT算法与交互式多模型(IMM)算法结合,并利用最新量测信息对IMM算法中的转移概率矩阵进行实时修正。其次,设计了一种用于整体机动和分离机动的自适应关联波门,根据机动时刻模型的新息协方差对其进行自适应调整,确保量测点迹进入波门。仿真结果表明,所提算法一方面减小了传统固定转移概率矩阵带来的估计误差,将优势模型的平均概率由0.58增加到了0.7;另一方面,设计的自适应关联波门有效解决了目标机动带来的有效量测减少的问题,相比于传统波门,目标失跟率减少了30%,具备工程实用性。 相似文献
5.
针对无人机地面动态目标跟踪问题,建立了远距离自主引导与近距离伴飞避障2个阶段的马尔可夫决策过程模型。在此基础上,提出了一种改进的近端策略优化(PPO)算法。考虑到无人机接收到的数据具有时序性且环境状态存在上下文关联,所提算法采用长短期记忆(LSTM)网络,通过无人机与目标的实时位置关系等状态信息来计算奖励值,更新网络参数,并进行自适应优化迭代。通过基于ROS系统的仿真测试平台进行试验,结果表明:所提算法安全有效地实现了侦察任务全过程的自主机动,与传统的PPO算法相比,LSTM的引入缩短了模型训练时间,跟踪与避障的效率明显提高,进一步加强了算法的鲁棒性、准确性和实时性。 相似文献
6.
基于AVSIMM算法的高超声速再入滑翔目标跟踪 总被引:1,自引:0,他引:1
针对跟踪高超声速目标的交互式多模型(IMM)算法中存在模型数量过多,模型之间竞争导致滤波精度降低的问题,在自适应网格交互式多模型(AGIMM)算法的基础上,提出了一种自适应变结构交互式多模型(AVSIMM)算法跟踪高超声速再入滑翔目标。根据高超声速无动力再入滑翔目标当前机动状态的角速度参数,在自适应调整当前时刻模型集中参数的同时,针对AGIMM算法运动学模型的单一性,设计了具有多种跟踪滤波运动学模型的AVSIMM算法,通过模型集参数与算法结构的双重自适应调整实现了对目标高精度的跟踪。仿真结果表明,与AGIMM算法相比,所设计的AVSIMM算法不仅对结构和参数都具有更强的自适应性,同时提高了高超目标的跟踪精度和跟踪效率。 相似文献
7.
确定采样型滤波算法中的容积卡尔曼滤波(CKF)算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。 相似文献
8.
目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导(AG)模块,通过对候选区域网络(RPN)的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制(NMS)算法存在的误检和漏检的问题,提出了一种置信度因子的NMS(Cf-NMS)算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。 相似文献
9.
为提高选星算法的性能,提出一种基于人工鱼群算法的粒子群优化(PSO)选星算法。该算法利用人工鱼群算法良好的全局收敛特性,克服了粒子群优化算法易陷入局部最优的缺点。将每种卫星组合看作空间中的一个粒子,选取几何精度因子(GDOP)作为适应度函数。利用所提算法更新粒子自身位置,优化卫星组合与几何精度因子。利用实际数据对所提算法进行验证和对比,结果表明:改进的选星算法在保障选星效率的同时,选星结果的准确性优于标准的粒子群优化选星算法。 相似文献
10.
基于信息素启发狼群算法的UAV集群火力分配 总被引:1,自引:0,他引:1
无人机(UAV)集群作战是未来智能化战争的重要作战样式。为充分发挥UAV集群整体作战优势,得到最优武器-目标分配(WTA)方案,使得UAV集群在火力分配中既能够满足任务要求,又能够较少作战单元消耗,建立了包含任务完成、有效杀伤、攻击消耗约束的UAV集群火力分配数学模型,采用带有游走、召唤算子的改进狼群算法(WPA)对模型进行求解。为提高算法全局寻优效率,避免陷入局部最优,引入蚁群优化(ACO)算法中信息素启发规则,对游走行为及狼群更新机制进一步改进,提出了基于信息素启发狼群算法(PHWPA)的UAV集群进攻的火力分配方法。仿真结果表明:所提方法是有效的,相比较于其他算法,PHWPA具有更高效的寻优能力,能够为UAV集群作战火力规划提供支持。 相似文献
11.
针对雷达探鸟中的飞鸟目标数量统计问题,提出了一种多目标航迹自动起始跟踪算法,实现了对机场周边鸟类活动热点区域内鸟类目标数量的统计分析。通过数据关联估计量测与所有可能事件的关联概率,包括目标的新生、延续和消亡,以及杂波的剔除,并通过卡尔曼滤波与平滑方法给出每个目标的平滑轨迹,实现了对目标的全生命周期管理。仿真结果表明:所提算法能很好地实现杂波环境中的多目标航迹自动起始跟踪,正确估计每个目标的起始和消亡时间,统计目标数量的变化情况,且在目标起始的及时性方面明显优于传统的逻辑法。将所提算法应用于机场探鸟雷达实测数据,估计机场周边鸟类数量,可指导机场开展有针对性的鸟击防范工作。 相似文献
目前用于多级弹道目标主动段跟踪的“当前”统计模型无迹卡尔曼滤波算法在级间分离等强机动段会出现滤波误差大幅突跳的问题.通过理论分析和仿真指出滤波器参数不能随目标机动强弱自适应调整是根本原因.提出了一种基于滤波残差均值延迟相关的机动检测统计量,给出了其概率分布.仿真结果表明它比传统检测方法有效提高了检测性能.在此基础上给出了一种实时调整“当前”统计模型中机动频率的自适应跟踪算法.仿真结果表明,新算法能有效抑制误差突跳,加快滤波收敛速度,将主动段滤波精度提高一倍以上. 相似文献