空中单机动目标跟踪算法的研究

发布时间：2017-11-15 19:26

  本文关键词：空中单机动目标跟踪算法的研究

  更多相关文章： 机动目标跟踪 无迹卡尔曼滤波 交互式多模型 变结构多模型 自适应网格

【摘要】：针对空中单机动目标跟踪问题,本文从机动目标模型研究入手,在贝叶斯估计框架下按照从线性滤波方法到非线性滤波方法、从单模型跟踪算法到多模型跟踪算法的顺序,层层深入,逐步研究,完成了以下研究工作： 1借鉴对机动频率建模的思想,提出了1种改进的截断正态概率密度模型(ICN模型),并通过Monte Carlo仿真将该模型与常用的“当前”统计模型进行了比较研究。研究结果表明,基于改进截断正态概率密度模型的跟踪算法(ICN-KF算法)具有更好的跟踪精度。 2基于ICN模型,在线性滤波条件下提出了2种跟踪算法。第1种,基于模糊神经网络信息融合的卡尔曼滤波(FAnn-KF)算法；第2种,S(k)多尺度卡尔曼滤波(S(k)-MKF)算法。通过Monte Carlo仿真验证了相对于基本卡尔曼滤波算法,以上2种算法具有有效性和优越性。 3在非线性滤波条件下,在基本无迹卡尔曼滤波的基础上,借鉴线性滤波中卡尔曼滤波器的S修正思想,提出S修正无迹卡尔曼滤波(SUKF)算法,并通过Monte Carlo仿真将其与其它2种非线性滤波算法——基本UKF、Sigma点粒子滤波(SPPF),进行了对比研究,验证了该算法的有效性和优越性。 4采用自适应网格模型集自适应策略,按照直角坐标观测和极坐标观测2种情况,以前面的滤波算法为基础,提出了2种变结构多模型算法。第1种,在线性观测条件下,设计了基于S修正卡尔曼滤波的自适应网格模糊交互多模型(AG-FIMM-SKF)算法；第2种,在非线性观测条件下,设计了基于S修正无迹卡尔曼滤波的自适应网格交互多模型(SUKF-AGIMM)算法。通过Monte Carlo仿真验证了2种算法的有效性和优越性。
【学位授予单位】：大连海事大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：U674.703.4

【参考文献】

中国期刊全文数据库 前10条

1 陈晓山;翁辉;苏平;;一种遗传模糊神经网络算法及其在舰船声纳目标识别中的应用[J];兵工自动化;2009年08期

2 赵志成;;基于自适应卡尔曼滤波的环境函数模型修正[J];兵工自动化;2010年05期

3 潘平俊;冯新喜;刘佳;李锋;刘英坤;;高度机动目标的改进CS-Jerk模型[J];电光与控制;2008年06期

4 郝利超;雷虎民;王飞;曾昭博;;基于“当前”统计模型的模糊自适应跟踪算法[J];电光与控制;2009年10期

5 陈欢欢;陶建锋;周峰;郑甲子;;基于EPF-IMM算法的高机动目标跟踪研究[J];电光与控制;2010年10期

6 陈佳俊;刘高峰;辛晋生;顾雪峰;;机动频率模糊自适应目标跟踪算法研究[J];弹箭与制导学报;2010年02期

7 申宇;仇原鹰;马伯渊;;一种提高雷达导引头对机动目标跟踪性能的自适应滤波算法[J];弹箭与制导学报;2010年05期

8 王成儒;成润;;基于UPF-BP神经网络的视频跟踪研究[J];电子技术;2009年03期

9 文成林,金锋,周东华;单传感器单模型动态系统多尺度分解与估计新算法[J];电子学报;2002年06期

10 黄翔宇;彭冬亮;;基于无味有向图切换的机动目标跟踪VSMM算法[J];光电工程;2010年12期

中国博士学位论文全文数据库 前1条

1 罗笑冰;强机动目标跟踪技术研究[D];国防科学技术大学;2007年

，

本文编号：1190943