神经网络辅助多目标跟踪数据融合

多目标跟踪(MTT)算法包括卡尔曼滤波和数据关联算法等,而数据关联算法又是最重要、最困难的方面.联合概率数据关联(JPDA)算法对单传感器多目标跟踪是一种良好的算法,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.提出了一种改进的方法,一方面将神经网络引入到卡尔曼滤波器中,提高滤波器的自适应能力,减小卡尔曼滤波器的估计误差从而改善多目标跟踪精度;另一方面用神经网络辅助JPDA提高正确关联概率,减小计算量.经仿真研究表明,该方法是行之有效的.     

神经网络在多目标跟踪中的应用

在典型的多目标跟踪中,随机干扰的出现给量测源带来了不确定性。因此需要用数据互连技术使每个量测与相应目标互连或当出现杂波或虚警时放弃该量测。本文介绍使用Hopfield网络的基于神经网络的多目标跟踪算法。通过把数据互连问题的约束和著名的“旅行推销员问题”(TSP)的约束相比校,导出Hopfield网络的能量函数。通过模拟退火过程使能量函数最小化,由此计算数据互连概率,并应用于每个目标的卡尔曼滤波器跟踪器。将所提出算法的性能与传统技术相比较。仿真结果表明:所提出的神经网络跟踪器与联合概率数据互连滤波器相比较有令人满意的性能。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

基于多传感器信息融合技术的联合卡尔曼波滤器的设计及应用

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的一般设计方法,并将此方法运用于舰船INS/GPS/Loran-c组合导航系统中。理论分析与仿真结果表明,该联合卡尔曼滤波器的设计合理,算法具有全局最优性,能够提高系统的导航精度和容错能力。     

基于多传感器信息融合技术的联合卡尔曼滤波器的设计及应用

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的一般设计方法,并将此方法运用于舰船INS/GPS/Loran-c组合导航系统中.理论分析与仿真结果表明,该联合卡尔曼滤波器的设计合理,算法具有全局最优性,能够提高系统的导航精度和容错能力.     

基于自校正卡尔曼滤波器的信息融合算法

设计了一种新的基于ARMA模型自校正卡尔曼滤波器及其信息融合的方法,从而避免了经典卡尔曼滤波器需要精确知道系统的模型参数和噪声统计特性的缺点.仿真结果表明,在未知部分模型参数和噪声统计特性的情况下,自校正卡尔曼滤波器的滤波性能非常接近稳态最优卡尔曼滤波器;基于自校正卡尔曼滤波器的信息融合滤波性能接近基于稳态最优卡尔曼滤波器的信息融合滤波性能.     

基于迭代积分卡尔曼PHD滤波多目标跟踪

在多目标跟踪环境下,通过对数值积分卡尔曼概率假设密度滤波器(QK-PHD)的误差分析,提出一种迭代QK-PHD算法。该算法基本思想是将一步预测作为第1次迭代的初始值,通过量测更新得到状态估计,然后将此状态估计作为下一步迭代的初始均值和方差。通过多次迭代后滤波输出精度更高方差更小。Matlab仿真结果表明,在不明显增加计算时间的基础上,迭代QK-PHD比QK-PHD的跟踪效果更加明显,滤波输出精度更高。     

对卡尔曼滤波器应用到雷达跟踪问题的评论

本文的主要目的是阐明标准卡尔曼滤波器和卡尔曼预测器之间的差别。为此,发表了标准卡尔曼滤波器和卡尔曼预测器在雷达跟踪问题中的应用。为了获得跟踪目标的较好的位置和速度精度,这两种标法已被广泛地用在边搜索边跟踪的雷达系统中。两种方法间的性能分析和比较与实际卫星跟踪数据一起已被发表。结果表明对于大机动目标,标准卡尔曼滤波器优于卡尔曼预测器。     

等残差卡尔曼滤波器组算法的无人机控制故障诊断

提出了一种等残差卡尔曼滤波器组算法,它只需要单个卡尔曼滤波器的残差和状态估计及其线性变换,就可得到与标准的多模自适应滤波算法等价的残差,因此可以有效地减少计算量和计算时间.将此算法应用于某无人机控制系统的故障诊断,仿真结果验证了该方法的有效性.     

再入目标质阻比估计算法研究

再入段目标识别的核心问题是快速高精度地估计出目标的质阻比。针对再入过程的非线性问题,重点研究了样条卡尔曼滤波器、扩展卡尔曼滤波器和一种基于"无损传输"的扩展卡尔曼滤波器,仿真实验从质阻比的估计精度和收敛速度以及计算量等方面比较了各滤波算法的性能。仿真结果表明基于无损传输的扩展卡尔曼滤波器的估计精度最高,收敛速度最快。     

纯方位目标跟踪的伪线性卡尔曼滤波器FPGA实现

伪线性卡尔曼滤波器广泛应用于纯方位目标跟踪中,其递归性非常适合于硬件实现。结合实际项目,在对数据流进行分析的基础上,使用xilinx公司virtex-4系列芯片提供的DSP48专用乘法单元,以及自行设计的高效除法单元,通过简化标量运算和充分利用并行流水机制,最终实现了伪线性卡尔曼滤波器。仿真验证了数据的精确性。综合报告显示此系统的最高频率为123.8 MHz,满足实时性要求。     

一种基于改进型KALMAN滤波器的导弹故障检测算法

常规卡尔曼滤波器有一大缺点，它要求精确的模型和噪声统计，但实际问题中，大多数情况上述要求不能满足。本文给出了考虑滤波器初始条件不精确性的Ｋａｌｍａｎ滤波器表达式。利用这种Ｋａｌｍａｎ滤波方法进行故障检测，降低了误报警率，提高了鲁棒性。由于导弹姿态控制系统模型的精确性有限，常规Ｋａｌｍａｎ滤波方法因其鲁棒性差很难检测故障，这种方法能有效检测故障。仿真算例表明此方法非常有效。     

潜艇适航性监测的卡尔曼滤波器异常数据修正方法

结合潜艇适航性变量监测问题,研究了卡尔曼滤波器的原理和异常行为检测,分析了异常数据对卡尔曼滤波器影响,并通过新息分析和过程信号引入不确定性,给出了一种对异常数据进行剔除并对滤波器进行修正的方法.对潜艇适航性中的横摇进行了数值仿真,给出了经典卡尔曼滤波与改进卡尔曼滤波的对比仿真结果.仿真结果表明:采用改进算法处理,可以有...     

最优滤波的综合方法

与用于现代最优滤波理论中的解析方法相反,本文介绍一种综合方法。由计算机模拟或者实际实验产生的信号的传感器数据,通过训练一个递推多层感知机(RMLP)而综合到一个滤波器中,其中多层感知机至少具有一个隐蔽层,其神经元完全或部分内连,有或者没有输出反馈。 经过适当训练后的递推多层感知机,对于给定的结构是一个递推的最优滤波器,在每一个时刻,包含最优条件统计量的延滞反馈。最重要地是,随着隐蔽层神经元数的增加,它收敛于最小方差滤波器。我们称这种RMLP为神经滤波器。 模拟结果表明:只有少数隐蔽神经元的神经滤波器,对于所研究的简单非线性信号/传感器系统,它始终胜过广义卡尔曼滤波器,甚至迭代的广义卡尔曼滤波器(IEKF)。     

基于系统辨识技术的地球辐射带高能电子通量预报模型研究综述

对地球辐射带中的高能电子通量变化情况进行准确及时的预报是安全遂行空间任务的重要保障条件。从系统辨识的角度,对基于数据驱动的辐射带电子通量预报模型相关研究进行了归纳总结,对线性预测滤波器、卡尔曼滤波器、神经网络等模型的数学机理、约束条件、数据处理过程进行了介绍,分析比较了模型的特点和不足,总结出了模型"线性-非线性"的发展脉络,最后指出了数据驱动辐射带电子通量预报模型的发展趋势。     

线性测量海上机动目标状态估值器

本文导出了在惯性坐标系内利用线性测量卡尔曼滤波器(LMKF)来估值海上机动目标的状态估值器。LMKF 可以用于非线性测量条件下的目标状态估值。同时,LMKF 的公式比延伸的卡尔曼滤波器(EKF)要容易推导得多。在飞机坐标系里用蒙特卡罗方法进行了大量的数学模拟。模拟结果表明,两种滤波器的估值误差相同,但是LMKF 只需要比较少的计算量。应用线性测量的方法,导出了在飞机地理水平面坐标系内的LMKF。该滤波器有较高的溶液精度和较少的计算量。     

卡尔曼滤波器在弹道重构中的应用与仿真

弹道重构是评价弹道精度、有效实施弹道控制技术的关键.为了有效地利用卡尔曼滤波器实施弹道重构技术,建立了适用于在线弹道重构的非线性弹道模型,引入了积分预测算法,能减少离散卡尔曼滤波器一步预测的误差.给出并分析了适用于弹道重构的EKF和UKF算法,UKF避免了处理非线性系统时的线性化同题.仿真试验对比了两种方法的重构精度,...     

基于随机有限集的多目标跟踪算法

对基于有限集统计的多目标跟踪算法进行研究。PHD滤波器针对传统多目标跟踪中计算量较大的问题,通过计算多目标分布后验密度的一阶矩模拟多目标贝叶斯迭代,取得了良好的效果。针对PHD滤波器对目标漏检较为敏感的缺陷,Cardinalized PHD(CPHD)滤波器同时估计得到后验密度分布和后验势分布,是对PHD滤波的泛化。通过实现PHD和CPHD滤波的混合高斯模型,分析比较两者的性能。实验表明,由于引入了势分布,CPHD滤波提高了对目标估计的准确率,总体性能优于PHD滤波算法。     

GPS动态定位中的自适应扩展卡尔曼滤波算法

针对全球定位系统 (GPS)提出一种扩展卡尔曼滤波器算法。这种滤波器算法直接从GPS接收机输出的定位结果入手 ,将各种误差因素的影响等效为一个总误差 ,对GPS接收机的机动载体的加速度采用当前统计模型 ,并利用线性卡尔曼滤波器进行动态定位数据的处理。本模型简单 ,实时性好 ,滤波后定位精度得到提高。     

分布式多传感器多目标跟踪融合算法

在多传感器多目标跟踪系统中,通常采用分布式融合方法和集中式融合方法。分布式融合方法具有结构简单、计算量小等优点,采用分布式融合方法更为广泛。对分布式多传感多目标跟踪融合方法、关联和估计算法进行了分析和综述,并重点讨论了传统的关联算法和神经网络、模糊技术关联算法,指出了有待进一步研究的方向。