搜索结果: 1-9 共查到“航空、航天科学技术 多目标跟踪”相关记录9条 . 查询时间(0.137 秒)
为了提高雷达的工作效率,在改进交互多模型-概率数据关联(IMMPDA)跟踪算法的基础上,提出了基于灰色关联度和粒子群优化理论的自适应多目标跟踪的时间资源调度(ATRS)算法。首先对每个跟踪目标设置不同的期望跟踪精度;然后以灰色关联度作为资源管理模型中的度量函数和粒子群算法中的适应度函数,来衡量各种情况下预测跟踪精度与期望跟踪精度的差异性,并利用粒子群算法优化设计采样间隔和驻留时间。最后选取跟踪紧迫...
粒子概率假设密度滤波(SMCPHDF)在进行粒子更新时需要知道测量噪声的概率分布以计算似然函数，这使得SMCPHDF依赖于测量噪声的概率模型。针对这一点不足，提出一种未知测量噪声分布下的多目标跟踪算法——基于风险评估的概率假设密度滤波(REPHDF)。该算法在SMCPHDF进行概率假设密度(PHD)粒子更新时采用风险函数计算每个PHD粒子的风险值，并通过一个风险评估函数评估每个PHD粒子，...
多目标跟踪的核粒子概率假设密度滤波算法
信号处理 粒子概率假设密度滤波算法 核密度估计 仿真 多目标跟踪
2008/4/29
提出一种新的多目标跟踪算法：核粒子概率假设密度滤波算法(KP-PHDF)。算法的创新点在概率假设密度滤波算法(PHDF)的目标状态提取步骤，以粒子概率假设密度滤波算法为框架，并运用结合了mean-shift算法的核密度估计(KDE)理论进行概率假设密度(PHD)分布的二次估计、提取PHD峰值位置作为目标状态估计值。分析与多目标跟踪(MTT)仿真的结果表明，与现有序列蒙特卡罗概率假设密度滤波算法（S...
机载多目标跟踪系统模型和运动补偿
雷达 多目标跟踪 数据处理
1994/4/12
研究多目标跟踪技术在机载雷达应用中的特殊问题——坐标系的选择、载机运动的稳定与补偿。建立了数学模型 ,进行了仿真研究。研究结果表明 :载机运动的稳定与补偿是机载多目标跟踪中必须重视的问题 ,并得出基于 NED和 RHV的组合坐标系下的模型 ,在机载应用中有很好的性能。优点是易于解耦、避免了非线性、降低了计算量、且有较高的精度
随机神经网络在机动多目标跟踪中的应用
多目标跟踪 数据相关 神经网
1993/2/11
研究密集多回波环境下的机动多目标跟踪问题。通过对多目标联合概率数据关联方法性能特征的分析,将其归结为一类约束组合优化问题。在此基础上,利用随机神经网络求解组合优化问题的策略,采用改进的增益退火算法,提出了一种新颖的机动多目标快速自适应神经网络跟踪方法。仿真结果表明,该方法不仅具有很高的收敛速度和跟踪精度,而且计算量小,关联效果好。
一种密集多回波环境下的机动多目标跟踪起始算法
多回波 目标跟踪 起始算法
1988/6/9
本文研究密集多回波环境下的机动多目标跟踪起始问题。文中首先提出主跟踪子空间和边缘跟踪子空间的定义与性质,接着修正Bayes轨迹确定方法BTC,并将其与具有残差滤波的修正概率数据关联滤波算法MPDAF-RF有机地结合起来,提出一种适合高密集多回波环境的机动多目环跟踪起始方法——“全邻”Bayes跟踪起始算法ABTI。Monte Carlo仿真表明,本文所给出的算法不仅克服了一类概率数据关联滤波方法没...
残差滤波及其在密集多回波环境下机动多目标跟踪中的应用
残差滤波 回波环境
1987/8/2
修正概率数据关联滤波（MPDAF）是目前解决密集多回波环境下机动多目标跟踪较为有效的方法,但当回波密度增高时,该方法容易失跟。本文针对此特点,在MPDAF基础上,提出了残差滤波（RF）方法,分别从理论和Monte carlo仿真两方面揭示了RF与数据关联的内在机理,结果表明该方法能大幅度提高跟踪滤波器捕捉目标和剔除关联域内多余回波的能力以及跟踪的性能,是一种解决高密集多回波环境下机动多目标跟踪的有...
本文讨论过去二十年来多目标跟踪问题所取得的进展。主要的注意力集中在数据相关这一重要而困难的方面。首先介绍了在密集多回波环境中跟踪单个目标的各种方法。其次讨论了在密集多回波环境中多目标的跟踪方法。随后简要地介绍了与此问题有关的一些进展并扼要地进行了小结。
机动多目标跟踪问题中关联区域的研究
中国航空研究院
1983/9/26
本文研究了跟踪多个机动目标时,由滤波算法所获得的新息向量范数的统计性质,关联区域的大小以及接收正确回波的概率。借助拉蒙特卡洛方法,考察了不同的目标状态模型、目标机动加速度及状态噪声方差等因素对所研究的问题的影响。研究表明,文献[1]所提出的机动目标状态模型及相应的自适应算法具有较好的适应目标机动的能力,关联区域的大小及接收正确回波的概率均较为稳定。