共查询到10条相似文献，搜索用时 328 毫秒
1.
2.
3.
将卡尔曼(Kalman)滤波器的变维滤波算法应用于雷达数据处理中,对机动目标进行跟踪,得出机动目标的滤波数据曲线,并对目标进行了拦截仿真。仿真结果表明该方法能估计出目标的运动特征并对运动目标拦截成功。 相似文献
4.
5.
非线性系统的状态估计问题是现代控制理论研究中不可或缺的一部分.提出一种基于扩展Kalman滤波的鲁棒融合状态估计算法,它是在已有的扩展Kalman滤波算法的基础上,通过引入CI状态融合来实现的.融合算法的引入能有效填补扩展Kalman滤波器在模型线性化时所带有的精度损失;CI融合算法因为避免了局部估计误差互协方差的计算而变得简单易行,尤其便于实际工程应用.仿真实验结果表明了所提出的多传感器非线性离散系统的CI融合状态估计算法可有效减少估计误差,具有一定的有效性和可行性. 相似文献
6.
鉴于传统的跟踪算法鲁棒性和实时性不足,构建了一种基于Kalman滤波的运动目标跟踪系统。对于运动目标的跟踪,此系统先采用背景差分法检测目标位置,再使用Kalman滤波算法估计目标位置。通过建模仿真,结果表明,该算法能较好预测运动目标的位置,实现了对运动目标的实时跟踪。 相似文献
7.
目标跟踪是物联网数据融合技术的一个关键技术,相互作用多模型——概率数据关联算法(IMMPDAF)适用于电磁波较为复杂的环境中目标的跟踪问题,是一种良好的算法,但对于多传感器多目标跟踪的情况,特别是目标较为密集时,计算量剧增,会出现计算组合爆炸现象。因此,有必要对算法进行改进和完善,即基于混合状态估计预测状态估计和量测,以量测的预测值为中心建立跟踪门,在每一个滤波器中用量测值进行估计,更新模型概率,最后以模型为条件进行组合优化。经算例验证表明,该方法克服了IMMPDAF算法在跟踪问题中的缺陷,提高了关联概率和跟踪精度,能有效解决杂波干扰和目标高度机动情况下的物联网中的目标跟踪问题。 相似文献
8.
本文以粒子滤波(PF,Particle Filter)为基础,针对PF中存在的粒子集退化问题提出了一种改进的粒子滤波算法,并进行Matlab仿真,分析了粒子滤波算法以及改进的粒子滤波算法的优劣性. 相似文献
9.
10.
为了减轻传感器网络融合中心的计算负担和实现传感器信息的充分利用,提出了一种带反馈结构的序贯协方差交叉融合Kalman滤波器。该反馈结构将传感器网络融合中心的状态融合预报值及其融合误差方差信息反馈给局部传感器作为先验信息,进行局部滤波,将得到的新局部状态滤波值和局部滤波误差方差阵信息传递到融合中心,根据到达次序进行序贯协方差交叉融合。搭建了带反馈结构的序贯融合算法框架。仿真实验表明,该算法具有良好的估计性能,且明显减少了融合中心的计算负担,与集中式融合滤波器相比,减小了融合中心的计算压力与负担,提高网络的容错性,与不带反馈的序贯协方差交叉融合滤波器相比,具有更高的估计精度。 相似文献