基于一种改进粒子滤波算法的目标跟踪研究

为了解决非线性、非高斯系统目标跟踪问题,研究了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。并讨论了此算法在机动目标非线性转弯运动中的跟踪应用,与粒子滤波算法相比,其优点是不需要重采样步骤。在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和扩展卡尔曼滤波器在滤波精度、运算时间等方面的差异,仿真结果表明该算法性能优于其他算法。     

非高斯条件下基于无味粒子滤波器的目标跟踪

研究了无味粒子滤波器的基本思想和具体算法实现步骤,在给出的闪烁噪声统计模型基础上,将PF、UKF和UPF算法应用在雷达目标跟踪中,解决了闪烁噪声情况下的雷达目标跟踪问题,仿真结果表明,UPF的状态估计性能优越。     

基于PF-DC的多传感器目标跟踪算法

针对传统的粒子滤波(PF)的多传感器目标跟踪算法存在计算量过大的问题,研究了一种基于PF和数据压缩(PF-DC)的多传感器目标跟踪算法.仿真结果表明,与传统的串行多传感器PF算法相比较,该算法可以极大的降低算法的计算量,从而有效地提高算法的实时性.     

基于粒子滤波的多传感器交互式多模型多机动目标跟踪

针对单传感器交互式多模型联合概率数据关联滤波算法(Interacting Multiple Model Joint Probabilistic Data Association Filtering,IMMJPDAF)在非线性情况下跟踪精度低,且对于非高斯问题不适用的情况,文中提出一种基于粒子滤波的多传感器交互式多模型多...     

基于重要性重采样粒子滤波器的机动目标跟踪方法

采用重要性重采样技术改进了标准粒子滤波算法,通过设定有效采样尺度来减少权值较小的粒子数目,在一定程度上克服了退化现象。仿真结果表明,采用PF跟踪机动目标,其跟踪精度要高于IMM,说明PF具有较强的处理非线性系统的能力;对标准PF采用重要性重采样策略后,PF的跟踪精度和平稳性都得到了进一步改善。     

利用多传感器跟踪机动目标::数据越多总意味着估计越好吗?

在文献中考虑利用多传感器跟踪机动目标一类的问题时，支持特定目标跟踪的传感器数量及类型通常相对于目标假位置是固定的，然而，在许多多传感器系统中，支持某一特定目标跟踪的传感器数量及类型，可由于各个传感器的机动性、类型及资源的制约而随时变化。     

基于无味粒子滤波和交互多模型算法的多机动目标跟踪

闪烁噪声是一种非高斯噪声．为了提高闪烁噪声下多机动目标跟踪的精度,在交互多模型IMM（Interacting Multiple Models）算法的基础上将非线性非高斯系统滤波算法——粒子滤波与IMM算法相结合,采用无味粒子滤波UPF（Unscented Particle Filter）代替IMM算法中各模型的卡尔曼滤波,提出了一种UPF—IMM算法,并应用该算法代替传统IMM_JPDA数据关联方法中的IMM部分,解决了闪烁噪声环境下的多目标跟踪问题,实验结果表明该算法可以明显地提高跟踪精度．     

面向目标跟踪的传感器调度方法

针对传感器网络对目标的跟踪问题,提出一种传感器优化调度方法。该方法以传感器使用成本和允许激活的最大传感器数量为约束条件,把最小化目标位置误差作为优化目标,运用二进制凸规划技术对优化调度问题进行建模,采取逼近算法迭代求解规划模型。蒙特卡罗实验表明,对于节点数目小于70的传感器网络,优化调度方案可以获得高精度的目标跟踪结果。     

基于MATLAB遗传工具箱的多目标函数优化

本文对遗传算法的基本特点、步骤和流程和基于MATLAB的遗传算法优化工具箱进行了介绍,结合多目标函数问题的优化实例,说明了遗传算法是一种具有良好的全局寻优性能的优化方法.     

火炮射击初速灰色预测方法研究

射弹初速是影响火炮射击精度的重要因素,研究并掌握火炮射击过程中的初速变化规律对于一名指挥员来说具有重要的指导意义。分析研究表明,采用灰色预测的方法研究火炮射击初速变化规律,既可行,其结果又可信。     

基于UKF的Rao-Blackwellized粒子滤波器多传感器多目标跟踪算法研究

在纯方位多传感器多目标跟踪问题中,状态的测量通常是来源未确定的观测量,在杂波环境尤为如此,需要同时解决多个目标的测量和目标之间的关联问题。本文提出一种新的基于Rao-Blackwellized思想的RBPF-UKF算法。该算法利用Rao-Blackwellized将多目标跟踪问题转化为2个子问题:数据关联及单目标跟踪问题,利用粒子滤波中的序列重要性重采样原理解决多目标跟踪的数据关联问题,用UKF滤波器实现单目标跟踪。仿真结果表明,RBPF-UKF算法能很好地解决多目标数据关联问题,与RBPF-EKF算法相比具有更高的滤波精度及稳定性,体现了该算法的优越性。     

基于代价函数的红外多目标跟踪方法

针对复杂背景环境下的红外多目标跟踪问题,文章在已获得各多目标初始信息和观测信息的基础上,采用极坐标数据进行数据关联和滤波,提出了一种基于代价函数的红外多目标跟踪算法,通过确定红外多目标跟踪起始和终结以及后续帧处理技术,实现了不超过48批红外多目标的实时跟踪。仿真实验结果表明,该算法在运动的红外多目标检测效果、跟踪稳定性和实时性方面都有良好的性能。     

多目标干扰环境中威胁目标自动跟踪方法

针对多目标干扰环境中威胁目标发现与跟踪困难的问题,研究一种基于随机有限集(RFS)的高斯混合概率密度假设(GM-PHD)滤波的算法,建立目标的随机有限集形式的运动和观测模型,利用卡尔曼滤波的预测和更新过程,对被动声呐输出的多目标方位和窄带线谱同时进行跟踪,利用所提取窄带线谱能量作为不同方位目标的输出检测量,可实现对包含线谱的窄带威胁目标的自动跟踪。试验数据的处理结果表明,所提方法可以实现在多目标的复杂情况下对感兴趣的威胁目标的自动跟踪。     

基于动态规划的多目标的TBD算法

在弱目标检测领域中,动态规划法是一种有效的能量积累方法。文章针对低信噪比下的多目标检测问题,提出了一种基于动态规划的多目标检测前跟踪算法。该算法能够较有效地估计搜索空间中的目标个数,也能分离出每个目标的航迹。     

日产柴PF6发动机电控系统故障诊断

介绍日产柴PF6发动机的电控系统构成,读取电控系统故障码的步骤,实例说明集装箱牵引车发动机故障诊断方法,从而提高故障排除效率,保证车辆的安全运行.     

基于层次分析法的水下多目标威胁评估模型

由于海洋环境的复杂性和水声信道的特殊性,水下多目标威胁评估一直是水声信号处理领域的难题。目标威胁评估是目标分配的重要依据,是区分目标的轻重缓急,为多目标攻击决策提供依据的保证。本文基于某型鱼雷,对影响水下多目标威胁评估的各种因素进行了分析,提出了基于层次分析方法的水下多目标威胁评估模型,并通过实例演示了评估的过程。该方法有效地解决了水下多目标威胁评估和排序问题,并提高了鱼雷的作战效能。     

舰艇干扰因素对速度匹配传递对准性能的影响

结合工程应用中的实际问题,模拟实船干扰因素情况,采用理论和仿真分析相结合的方法,研究了船体变形、舰船运动、基准信息跳变等对舰载武器速度匹配传递对准性能的影响。结果表明:1)速度匹配传递对准不易受船体变形影响;2)舰船航向机动有助于提高速度匹配传递对准性能,舰船在匀速直航状态下,方位姿态角对准精度2′左右,等效北向陀螺漂移的估计精度能达到80%,无法估计等效东向陀螺漂移和加速度计零偏;舰船在转弯状态下武器惯导各误差量估计精度和估计速度都有所提高,能够估计等效东向陀螺漂移和加速度计零偏,估计精度达90%以上;3)基准信息跳变会干扰速度匹配传递对准性能,引起姿态角估计误差。     

基于Hopfield神经网络的雷达多目标跟踪

针对海上船舶雷达在多目标跟踪过程中实时性较差和不能快速响应的问题,提出目前密集杂波情况下多目标跟踪中最为有效的数据关联算法——联合概率数据关联(Joint Probabilistic Data Association,JPDA)算法。为解决JPDA随着目标增多的情况会出现的组合"爆炸"及计算量较大导致跟踪实时性较差的问题,从分析联合概率数据关联确认矩阵着手,依据Hopfield神经网络在解决旅行商问题(Travelling Salesman Problem,TSP)时的思路,提出基于Hopfield神经网络联合概率数据关联(Hopfield Neural Network Joint Probability Data Association,H-JPDA)来改进联合概率数据关联算法,通过简化矩阵拆分过程,显著减少计算量,提高跟踪的实时性。基于上述改进的神经网络联合概率数据关联算法,通过MATLAB对多目标跟踪进行仿真,仿真结果表明该算法能提高跟踪的实时性和快速响应能力。     

AHP法对多目标打击优选的应用

文章提出一种基于AHP法的多目标打击优选方法,对影响多目标威胁指标的各种因素进行了分析,建立评价指标的递阶层次结构模型,应用专家打分的方法对多个目标的战技术性能进行量化,自上而下计算并合成评价指标的相对权重,同时进行有效性评价。计算出评价指标对总目标的组合权重,进而得出各方案对总目标的权重。评价结果验证了方法的合理有效。