《基于IMMEPF的多普勒盲区目标异类多传感器联合跟踪》PDF+DOC
作者:付莹,汤子跃,孙永健
单位:中国航空工业洛阳电光设备研究所
出版:《电光与控制》2013年第05期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFDGKQ2013050220
DOC编号:DOCDGKQ2013050229
下载格式:PDF + Word/doc 文字可复制、可编辑
《分布式多传感器交互式多模型融合算法》PDF+DOC2011年第03期 王得利
《目标跟踪中的多模型算法发展综述》PDF+DOC2003年第02期 李鸿艳,冯新喜
《海量目标量测数据下的目标跟踪》PDF+DOC2012年第10期 阮铖巍,徐保伟,寇英信,李战武,谷长春
《基于IR方位信息的多普勒盲区跟踪方法研究》PDF+DOC2016年第02期 李成志,孟宏峰,王东江
《基于粒子滤波的多传感器交互式多模型多机动目标跟踪》PDF+DOC2011年第06期 章飞,孙睿
《WSNs下一种自适应多传感器协同目标跟踪策略》PDF+DOC2010年第11期 冯林方,胥布工,刘永桂
《基于IEK-PF的多传感器序贯融合跟踪》PDF+DOC2009年第09期 李骞,冯金富,彭志专,鲁卿,梁晓龙
《用于机动目标跟踪的分布式多传感器异步融合算法》PDF+DOC2009年第07期 陈黎,盛安冬
《集中交互式多传感器联合概率数据互联算法》PDF+DOC2006年第11期 张晶炜,熊伟,何友
《交互多模型算法在目标跟踪领域的应用》PDF+DOC2013年第11期 许天野,徐雪松
对于机载脉冲多普勒雷达,多普勒盲区是不可避免的。为解决多普勒盲区内机动目标跟踪问题,提出了基于扩展卡尔曼粒子滤波(IMMEPF)的雷达和ESM联合跟踪算法。该算法融合了交互式多模型(IMM)、粒子滤波(PF)和扩展卡尔曼滤波(EKF)的优势,采用多模型结构以匹配目标的运动模型。粒子滤波能处理非线性、非高斯问题,而采用EKF产生粒子,由于考虑了当前观测值,使得粒子的分布更接近后验概率密度分布,克服粒子的退化现象,从而提高估计精度。仿真结果表明,给出的算法能够显著提高对落入多普勒盲区内的目标点迹的跟踪精度。
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。