一种基于当前统计模型的模糊交互多模型算法

研究了模糊交互多模型算法(FIMM)和基于当前统计模型(CS)的自适应滤波算法,提出了一种基于当前统计模型的模糊交互多模型算法(CSFIMM)。该算法克服了模糊交互多模型算法精度较低和当前统计模型自适应滤波器方差调整有限的缺点。通过仿真,对所提出的算法和交互多模型(IMM)算法以及FIMM算法在估计精度和计算量两个方面进行了比较。     

跟踪机动目标的一种新的多模型算法

在机动目标跟踪的多模型(MM)方法的研究中,提出了一种新的多模型方法,即最小子模型集切换(MSMSS)算法.这种MSMSS算法从总模型集中自适应确定最小模型集,用来完成多模型(MM)估计.仿真结果表明,和标准的交互式MM(IMM)相比,所提到的算法,在保持同等的跟踪性能的前提下需要很小的计算量,在计算量相等的情况下具有更好的跟踪性能.     

一种基于残差的自适应多模型算法

提出了一种基于残差的自适应多模型算法,其基本思想是通过残差的大小来分配多模型中单个模型在整体估计中的权重.本算法无须机动检测,从理论上避免了延迟.通过Monte Carlo仿真表明本算法的有效性.     

基于当前统计模型的有向图切换IMM算法

将当前统计模型和变结构多模型估计算法相结合,提出了一种新的用于跟踪机动目标的交互多模型算法,计算机仿真结果显示该算法能有效提高交互多模型估计器的费效比。     

也谈闭环火控原理中的若干问题

弹丸脱靶量定义、射击误差分类、系统状态方程和测量方程部问题提出一些看法,并与文献［３］的作者商榷。     

多种滤波器方案对机动目标跟踪自适应性比较

在过去几年对机动目标跟踪这个复杂问题取得了许多成果。目前已普遍认为混合状态估计交互式多模型算法(IMM)对机动目标就跟踪精度而言比其它类型的滤波器(如自适应单模型,输入估计,变维等等)实现效果更好。然而,IMM算法的复杂性阻碍了其应用,在这些应用中,简单算法不能提供必要的精度,又不能承受IMM算法的计算负荷。本文介绍评价一个应用并行运行的3个不同常速模型(3CV-PAR)和一个机动检测器的多模型航迹滤波器的跟踪精度。输出估计由选择其似然函数比目标机动门限值(TMTh)低的模型确定。3常速并行航迹滤波器的跟踪效果与如下滤波器比较:·自适应单运动模型卡尔曼滤波器(ASMMKF);·交互式多模型(IMM)滤波器中运用相同的3个常速运动(CV)模型作为3CV-PAR滤波器;·交互式多模型(IMM)滤波器中应用一个等速(CV)模型和一个等加速(CA)模型成为CVCA滤波器;·交互式多模型(IMM)滤波器中应用一个常速(CV)模型和两个仅过程噪声水平不同的常加速(CA)模型(CA1、CA2)成为CV2CA滤波器。通过在具挑战性的多传感器想定下100次蒙特卡洛(Monte-Carlo)试验平均均方根(RMS)误差的计算结果,比较3CV-PAR航迹滤波器与上述算法方案,评价跟踪精度。     

一种新的机动目标跟踪中的变结构多模型算法

实践证明变结构多模型(VSMM)算法在机动目标跟踪领域有着广阔的应用前景。动态地辨识机动目标的机动参数是提高目标状态估计精度的理想方法。因此,将二者结合,提出了一种新的VSMM算法,即带有修正装置的自适应网格法。算法核心所在是对系统输入量采用了协方差匹配技术来对系统不确定性进行修正,即对系统噪声协方差阵Q的实时辨识上,使滤波器具有高度自适应性。     

基于变结构多模型思想的航迹融合自适应切换算法

在航迹融合问题中,以往的次优航迹融合算法和互协方差融合算法存在融合时间和融合精度的矛盾问题.提出了一种基于变结构多模型思想的航迹融合自适应切换算法,用以解决航迹融合过程中存在的计算量和融合精度之间的矛盾.该算法根据切换规则自适应地选择具体的航迹融合算法以优化计算时间.仿真结果表明,该算法在保证融合精度的前提下节省了融合计算时间.     

目标跟踪中的多模型估计算法综述

对多模型算法的发展过程进行了回顾和评述,分析了固定结构多模型算法的局限性,介绍了变结构多模型算法的实现方法。     

一种新的IMM-PDA滤波器跟踪门

针对杂波环境下跟踪机动目标问题,研究了两种现行的跟踪门,模型跟踪门(MBG)和集中跟踪门(CG)。在此基础上提出了新的跟踪门,分别是模型概率加权跟踪门(MPWG)和两级模型概率加权跟踪门(TS-MPWG)。用RMS误差、跟踪丢失百分比和计算量比较了这几种跟踪门的性能。从仿真结果可以看出,在杂波环境下用IMM-PDAF进行机动目标跟踪,TS-MPWG跟踪门优于其它方法。