排序方式: 共有59条查询结果,搜索用时 15 毫秒
41.
针对多个机型能够同时使用而且空战性能差别很大的特点,研究运用多机协同作战的理论来探讨适合多机型协同空战的目标分配战术决策方法。提出仿真算法并给出不同机型搭配的目标分配结果。计算结果表明,文中介绍的方法可以满足我军高低机型搭配作战的要求,并能更有针对性地完成战术决策任务。 相似文献
42.
概率假设密度(PHD)滤波算法已被证明是实时多目标跟踪的有效方法,但现有这些基于PHD滤波的方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对这一问题,提出了一种适用于非线性量测模型的自适应噪声协方差多目标跟踪算法。该算法以PHD滤波为基础,采用容积卡尔曼(CK)技术近似非线性量测模型,利用逆威沙特(IW)分布描述量测噪声协方差分布,通过变分贝叶斯(VB)近似技术迭代估计量测噪声协方差和多目标状态联合后验密度。仿真结果表明,本文所提算法可有效估计量测噪声协方差,同时实现准确的目标数和目标状态估计。 相似文献
43.
44.
在多目标跟踪中,当目标数很大时,目标状态的联合分布的计算量会非常大。如果目标独立运动,可用各目标分别滤波来代替,但这要求考虑数据互联问题。文章介绍一种可以解决计算量问题的方法,只需计算联合分布的一阶矩——概率假设密度(PHD),PHD在任意区域S上的积分是S内目标数的期望值。因未记录目标身份,避免了数据互联问题。仿真中,传感器为被动雷达,目标观测值为距离、角度及速度时,对上述的PHD滤波进行了粒子实现,并对观测值是否相关的不同情况进行比较。PHD粒子滤波应用在非线性模型的多目标跟踪,实验结果表明,滤波可以稳健跟踪目标数为变数的情况,得到了接近真实情况的结果。 相似文献
45.
Rao-Blackwellized粒子概率假设密度滤波算法 总被引:6,自引:1,他引:5
针对多目标跟踪(MTT),提出一种新的基于随机集的滤波算法,称为Rao-Blackwellized粒子概率假设密度滤波算法(RBP-PHDF)。算法运用Rao-Blackwellized思想,通过挖掘分析“混合线性/非线性模型”的结构,采用序列蒙特卡罗(SMC)方法预测与估计概率假设密度(PHD)迭代式中各个目标的非线性状态,并利用非线性状态粒子中包含的信息,使用卡尔曼滤波器(KF)对线性状态进行预测与估计。以更好地估计PHD进而提高各目标状态估计精度。分析与MTT仿真的结果表明,在相同的仿真条件下,与现有序列蒙特卡罗概率假设密度滤波算法(SMC-PHDF)相比,RBP-PHDF在降低粒子维数、减少计算量的同时,有效提升了估计精度。 相似文献
46.
47.
在机动多目标跟踪问题中,目标数未知或随时间而变化,概率假设密度(PHD)滤波可以在每一时间步估计多目标状态和目标数,但单模型方法不能给出精确的估计。提出了一种交互多模型PHD滤波方法,建立多模型描述多目标运动方式,利用PHD滤波结合多模型跟踪目标运动轨迹。同时,给出了多传感器交互多模型PHD滤波方法,以提高目标跟踪精度。 相似文献
48.
49.
为提高复杂数据融合系统中的航迹关联正确率,在ZHOU B的DC和AC算法基础上提出一种新的近似多传感器多目标联合概率数据关联算法,它以一个目标为中心的近似聚为构造关联事件的起点,并在计算中将DC和AC结合得到的一种全部的点迹-航迹关联算法,在杂波下目标密集,航迹复杂的数据融合系统中进行实验,对关联正确率,并联时耗等与最近邻法进行了比较,效果较好,它能为有效提高目标点迹-航迹的关联正确率,在计算时耗上较完全联合概率法少得多,能满足工程中实时性的要求。 相似文献
50.
针对无线传感器网络跟踪多目标过程中传感器能搭载的计算负荷有限,不宜采用复杂算法实现数据处理的问题,提出了一种基于量测一致性的分布式多传感器多目标跟踪算法。算法采用计算相对简易的最近邻域法处理多目标跟踪中的数据互联问题,针对最近邻域法容易受杂波干扰的情况,通过量测的平均一致性迭代来改进算法的性能。仿真结果证明,算法具备有效抑制因误判产生的错误量测对跟踪过程干扰的性能,实现了良好的传感器网络跟踪精度和估计信息一致性。 相似文献