基于S修正卡尔曼滤波的自适应网格模糊交互多模型算法研究

针对机动目标跟踪问题中,固定结构多模型(FSMM)算法费效比不高以及交互式多模型(IMM)算法马尔可夫转移概率难以准确确定的问题,研究一种基于S修正卡尔曼滤波的自适应网格模糊交互式多模型(AGFIMM-SKF)算法。该算法通过自适应网格调整实现了模型集自适应,通过模糊逻辑推理得到模型集中各个模型的匹配度,并且对标准卡尔曼滤波器进行S修正。仿真结果表明,AG-FIMM-SKF算法与标准的IMM算法相比,可以有效提高多模型算法的精度和费效比,且适合工程应用。     

被动多传感器改进交互多模型粒子滤波算法

将改进的粒子滤波算法即基于均匀重采样的粒子滤波(AUPF)与交互式多模型算法(IMM)相结合,提出交互式多模型均匀重采样粒子滤波算法(IMM-AUPF),并将其应用于被动多传感器的机动目标跟踪中。均匀重采样粒子滤波在标准粒子滤波的基础上通过改进重采样过程,在解决粒子退化问题的同时,增加了粒子的多样性,提高了滤波性能。在多模型中应用均匀重采样粒子滤波,提高被动多传感器系统的机动目标跟踪精度。将该方法与交互式多模型粒子滤波算法(IMM-PF)进行仿真对比,结果表明该方法具有更好的跟踪性能。     

交互多模粒子滤波多特征自适应融合的船舶视觉跟踪

近年来,水上交通运输的蓬勃发展对高性能的船舶视觉跟踪方法提出越来越高的要求。为实现不同环境下船舶的有效跟踪,采用颜色特征和纹理特征进行船舶特征提取。针对船舶运动的随机性,本文在布朗运动的基础上构建船舶运动模型,通过颜色特征和纹理特征构建船舶观测模型。最终,本文成功实现了一种交互多模粒子滤波多特征自适应融合的船舶视觉跟踪方法,满足水上交通管理的应用需求。     

集中式自适应网格IMMJPDA算法

现有的集中式交互多模型联合概率数据互联( IM MJPDA)算法在多模型这个意义上都是基于固定结构的,而固定结构多模型算法存在的缺陷这些算法都不可避免的存在.为此,将一种变结构多模型算法——自适应网格交互多模型( AGIMM)算法和联合概率数据互联(JPDA)算法相结合,提出了用于多传感器多目标跟踪的集中式自适应网格IMMJPDA( AGIMMJPDA)算法.该算法通过自适应网格实现模型集合自适应调整来克服固定结构IMMJPDA存在的缺陷.仿真结果显示,该算法可以有效克服固定结构IMMJPDA算法存在的缺陷,并提高IMMJPDA算法的费效比.     

基于UKF和线性优化的改进粒子滤波算法

针对标准粒子滤波算法存在的粒子退化问题,提出了一种改进的粒子滤波算法,该算法将不敏卡尔曼滤波算法（UKF）、线性优化的思想和基本粒子滤波算法相结合,运用不敏卡尔曼滤波算法获得重要性概率密度函数,提高了粒子的使用效率;运用线性优化的思想,保证了所有粒子都以一定的概率对状态估计作出贡献,提高了粒子的多样性。仿真结果表明,改进的算法很好的解决了基本粒子滤波存在的粒子退化问题,具有更高的状态估计精度。     

船舶动力定位系统多模型自适应融合滤波

为了减小波浪高频和环境噪声对船舶运动的影响,解决动力定位系统中的滤波问题,采用一种改进的多模型自适应融合(MMAF)估计算法。MMAF算法运用DGPS和平台罗经建立对地速度基准的研究方法,采用多模型描述系统结构,且每个模型对应不同滤波算法,利用不同滤波器所提供信息的融合,得到有效的船舶位置和首向估计信息。仿真实验表明,与其他方法相比,MMAF的应用使得滤波效果得到提升,性能得到改进。     

一种基于自适应进化策略采样的粒子滤波算法

提出了一种自适应进化策略算法(AES),该算法利用适应度值控制变异步长的自适应调整,从而提高了进化策略的搜索效率和精度。将AES算法和粒子滤波(PF)相结合,提出了基于自适应进化策略采样的粒子滤波算法(AESPF)。该算法将AES应用于粒子重采样,以保证粒子的有效性和多样性。通过仿真计算表明,提出的算法可以有效提高滤波性能。     

自适应交互式多模型算法改进探讨

交互式多模型算法是一种较为有效的机动目标跟踪算法.介绍交互式多模型算法的设计思想和算法结构,归纳几种自适应交互式多模型算法的特点及相互关系.通过分析自适应交互式多模型算法的不足,探讨自适应交互式多模型算法的改进问题.     

一种新的变步长LMS自适应滤波算法

提出了一种新的变步长算法.理论分析与仿真结果表明,该算法的性能要优于传统的LMS(Least Mean Square)算法和SVSLMS(Sigmoid Variable Step-size Least Mean Square)算法.     

一种新的变步长LMS自适应滤波算法

提出了一种新的变步长算法，理论分析与仿真结果表明，该算法的性能要优于传统的LMS（Least Mean Square)算法和SVSLMS（Sigmoid Variable Step-size Least Mean Square)算法。     

An algorithm of the adaptive grid and fuzzy interacting multiple model

This paper studies the algorithm of the adaptive grid and fuzzy interacting multiple model （AGFIMM） for maneuvering target tracking, while focusing on the problems of the fixed structure multiple model （FSMM） algorithm＇s cost-efficiency ratio being not high and the Markov transition probability of the interacting multiple model （IMM） algorithm being difficult to determine exactly. This algorithm realizes the adaptive model set by adaptive grid adjustment, and obtains each model matching degree in the model set by fuzzy logic inference. The simulation results show that the AGFIMM algorithm can effectively improve the accuracy and cost-efficiency ratio of the multiple model algorithm, and as a result is suitable for enineering apolications.     

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．     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法.该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态.Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定.     

基于UT变换改进多模型滤波的水下航行器导航方法

为了提高水下航行器组合导航系统的精度,针对滤波算法存在较大的截断误差和累积误差等问题,提出了一种基于无迹变换改进多模型滤波算法,并利用辅助信息对估计结果进行修正。首先通过无迹变换产生Sigma点对非线性测量方程进行近似,构造伪观测量进行偏差估计,然后利用基于加权因子的辅助信息融合算法,消除累积误差,进一步提高系统估计精度,最后给出算法的实现过程。仿真结果表明:与常规的多模型滤波算法相比,本文方法提高了估计精度。     

基于入侵野草优化算法的粒子滤波算法

入侵野草优化(IWO)算法是近年来提出的一种简单、有效的基于种群的新颖数值优化算法,在许多领域得到成功运用。将IWO算法与粒子滤波(PF)算法相结合,提出一种基于IWO算法的粒子滤波算法(IWOPF)。该算法将IWO算法运用于粒子滤波的重采样中,以保证粒子的有效性和多样性。最后通过计算仿真验证该算法的有效性和优越性。     

粒子滤波在机动目标自适应参数辨识算法中的应用

针对目前机动目标跟踪算法无法有效跟踪反舰导弹末段机动的问题,提出一种引入粒子滤波算法的参数辨识模型.通过仿真分析目标作匀速圆周运动情况下该算法的跟踪性能.结果表明,该算法可有效提高跟踪收敛速度和精度,具有一定工程实际意义.