排序方式: 共有41条查询结果,搜索用时 125 毫秒
1.
2.
针对光学传感器像平面多目标跟踪应用,基于有限集统计学理论(Finite Set Statistics, FISST)提出一种利用信号幅度信息的高斯混合概率假设密度(Gaussian Mixture-Probability Hypothesis Density, GM-PHD)滤波算法。该算法通过建立信号幅度似然函数将幅度信息引入到PHD的递推公式中,首先根据光学传感器的特点对输出的信号幅度进行建模,然后分别计算来源于目标和杂波的信号幅度似然函数,在目标信噪比未知的情况下给出一种替代计算方法,最后采用高斯混合方式实现该算法。仿真结果表明,本文提出的算法相比仅利用量测位置信息的PHD滤波器能够显著提高多目标跟踪性能和计算效率,而且在目标信噪比未知时同样具有稳定的性能。 相似文献
3.
4.
5.
一种天基光学GEO目标定位方法及初轨算法观测几何评价 总被引:1,自引:0,他引:1
提出一种基于天基光学短弧观测数据对GEO区目标进行定位的方法,以GEO区目标半径、偏心率为几何约束,通过最小二乘法估计目标位置、速度,估计结果可作为初轨算法的输入,也可以为初值预测轨道,引导其它平台对目标观测。利用广义Laplace初轨算法对多平台多观测弧段处理,为表征观测几何对定轨性能的影响,将几何精度因子(GOP)扩展到多平台多观测弧段,并引入几何精度因子的误差灵敏度(ESGOP)表征测量误差对观测几何的影响,仿真结果表明:对GEO目标而言,当GOP不小于0.03、ESGOP不大于0.005时,对目标的初轨精度可控制在50km之内。 相似文献
6.
7.
8.
9.
基于序列蒙特卡罗方法的经典多模概率假设密度滤波方法及其各种衍生方法,在预测过程中依据多个并行的状态转移模型,通过将大量粒子散布到下一时刻目标所有可能出现的状态空间实现目标状态的捕获,造成计算量大、目标跟踪精度差。为此,提出一种改进的多模粒子概率假设密度机动目标跟踪方法。该方法利用最新量测信息估计目标运动模型概率及模型参数,并将估计得到的目标模型应用到粒子概率假设密度滤波方法的预测过程中生成预测粒子,从而将大部分粒子聚合在目标最可能出现的状态空间邻域中,实现粒子的有效利用。数值仿真表明,所提方法不仅显著地减少了目标丢失个数,而且提高了目标跟踪精度。 相似文献
10.