作者:李骞,冯金富,彭志专,鲁卿,梁晓龙 单位:北京仿真中心;中国仿真学会 出版:《系统仿真学报》2009年第09期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFXTFZ2009090190 DOC编号:DOCXTFZ2009090199 下载格式:PDF + Word/doc 文字可复制、可编辑
《多运动平台多传感器机动目标自适应跟踪》PDF+DOC2007年第04期 盖旭刚,江晶 《Quaternion-EKF的多源传感器联合定向算法》PDF+DOC2016年第03期 赵文晔,高井祥,刘昶 《面向两轮平衡机器人姿态检测系统的研究与设计》PDF+DOC2019年第08期 王志伟,许江淳,李玉惠,张云,史鹏坤 《多传感器数据融合控制》PDF+DOC1995年第02期 王立亚,马锐,郭建 《基于IEPF序贯融合的多传感器管理方法》PDF+DOC2010年第08期 黄俊,于雷,李骞,张斌 《毫米波/红外多传感器融合跟踪算法研究》PDF+DOC2010年第03期 潘勃,冯金富,李骞,李斌 《基于协方差控制的相控阵雷达资源管理算法》PDF+DOC2007年第03期 卢建斌,胡卫东,郁文贤 《基于坐标转换的卡尔曼交互式多模型滤波算法》PDF+DOC2007年第05期 张保山,徐国亮,吴一全 《卡尔曼预测滤波对跟踪传感器延迟补偿的算法研究》PDF+DOC2006年第06期 黄永梅,张桐,唐涛,马佳光 《基于ARM7飞控系统多传感器数据融合方法及实现》PDF+DOC2013年第01期 孙豫川,裴海龙,吴毅彬
  • 针对粒子滤波中得到优化的重要性密度函数比较困难的问题,将迭代扩展卡尔曼滤波和序贯融合与粒子滤波相结合,应于雷达和红外多传感器目标融合跟踪。利用基于迭代扩展卡尔曼滤波的序贯融合算法得到的系统状态更新矩阵和误差协方差矩阵来构造粒子滤波的重要性密度函数,使重要性密度函数能够融入最新观测信息的同时,更加符合真实状态的后验概率分布。仿真结果表明基于序贯融合的迭代扩展卡尔曼粒子滤波(IEK-PF)能提高状态估计的精度。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。