《多传感器粒子滤波融合跟踪算法》PDF+DOC

📙 相关资料

1. 《一类分布式传感器粒子滤波融合算法》PDF+DOC 针对非线性非高斯的分布式多传感器状态估计问题，提出了一种基于无迹卡尔曼滤波与粒子滤波相结合的融合跟踪算法。通过对量测方程的非线性分析，利用改进的粒子滤波算法(UPF)计算局部传感器的状态估计值，再应用分布式加权融合准则得到全局状态估值。...
2. 《多传感器顺序粒子滤波算法》PDF+DOC 粒子滤波是一种基于MonteCarlo仿真的最优回归贝叶斯滤波算法.这种方法不受线性化误差和高斯噪声假定的限制，适用于任何状态转换或测量模型，因此能够很好地解决非线性、非高斯环境下系统的状态估计问题.为了能够有效地解决非线性、非高斯环境中的集中式多传感器状态估计问题，本文研究了多传感器顺序粒子滤波算......
3. 《粒子滤波融合跟踪方法》PDF+DOC 针对Kalman滤波不能处理多传感器量测信息融合中的非线性问题，提出了一种基于粒子滤波方法的融合跟踪算法。通过对量测方程的非线性分析，利用粒子滤波器计算目标状态估计值，通过线性迭代的方式得到系统的最优估计。仿真结果表明，与采用Kalman滤波的方法相比，该算法具有更高的估计精度和更少的计算量。相比于......
4. 《多传感器数据加权融合方法》PDF+DOC 针对多传感器数据加权融合问题，提出了一种基于最优权值的数据加权融合方法。通过分析融合权重对融合精度的影响，确定了数据加权融合的最优权值分配原则；通过对能够反映传感器实际测量精度的实测数据进行统计分析，构建了传感器实际工作状态下的近似测量精度计算模型。基于典型算例，对所提算法进行验证，结果表明：所提算......
5. 《多传感器多尺度融合估计在组合导航系统中的应用》PDF+DOC 基于某一给定尺度上的动态系统和不同尺度上的观测系统建立了多传感器的多尺度融合估计模型及算法，并将此算法应用于GPS/INS 组合导航系统中，获得了比仅在单一尺度上进行估计更好的结果，有效地提高了组合导航系统的精度。...
6. 《数据时空融合算法在无线多传感器网络中的应用》PDF+DOC 无线传感器网络是一种新兴的、全新的技术，它常常应用于工业领域以及恶劣的环境中.在标准ZigBee协议中没有设计相关的数据融合规范，使其只能用在低数据冗余的应用场合.大规模网络中的数据冗余度大，并且网络中的数据冗余会引起节点频繁地争抢信道，网络时延增加甚至出现网络瘫痪；因此针对同类多传感器测量数据中含......
7. 《多传感器支持度和自适应加权时空融合算法》PDF+DOC 针对多传感器测量数据中含有的噪声，提出一种基于多传感器支持度和自适应加权时空融合算法。时空融合算法将数据融合分解为时间和空间两次融合估计，先采用支持度和基于时间的递推估计进行第一次融合，再通过自适应加权估计在空间上进行第二次融合。该算法不需要知道传感器测量数据的任何先验知识，只利用空间位置中多传感器......
8. 《传感器网络下机动目标动态协同跟踪算法》PDF+DOC 对传感器网络下的机动目标跟踪问题提出一种分布式传感器节点动态分簇、协同跟踪算法.通过在线优化目标跟踪的性能函数和通讯代价，自适应地选择节点并动态分簇，通过多传感器节点的协同感知以及信息融合提高了跟踪精度.由于问题的非线性和传感器节点的随机性，本文基于粒子滤波器在线预测和估计目标状态的概率分布，使用混......
9. 《基于多通道自适应加权融合算法的火灾特征识别》PDF+DOC 根据当今火灾探测的现状和实现火灾早期预报的需求，将多通道传感器数据融合技术应用于火灾特征识别中，选择多个传感器对火灾过程的特征参数进行监测识别，特别对火灾发生初期产生的异常信息进行全面监测，弥补了采用单一传感器的不足，扩展了时间上和空间上的监测范围。数据融合方法采用经典的自适应加权融合估计算法，配合......
10. 《基于AFKF的多传感器加权融合算法》PDF+DOC 为实现对被测物体在匀速、匀加速以及变加速运动状态下的动态位置进行精确测量，提出一种基于自适应渐消卡尔曼滤波的多传感器加权融合算法，将各子传感器测量数据进行自适应渐消卡尔曼滤波，并由获得的均方误差阵实时为位置测量的估计值自适应分配权重，最终进行加权融合。通过算法的实例应用验证，与传统的MSIF-SKF......