《基于机器学习的雷达目标跟踪算法研究》PDF+DOC
作者:李增有
单位:山东电子学会
出版:《》
页数:3页 (PDF与DOC格式可能不同)
PDF编号:PDFSDDZ2020080790
DOC编号:DOCSDDZ2020080799
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于动态生成树和改进不敏卡尔曼滤波的传感器网络目标跟踪算法研究》PDF+DOC2015年第02期 蒋鹏,宋华华,王兴民
《基于多传感器融合的运动目标跟踪算法》PDF+DOC 张庆,夏天,范轶飞,刘涛
《改善边扫描边跟踪雷达检测和跟踪性能的新方法 第二部分 检测、跟踪开始和关联》PDF+DOC1988年第01期 王德纯
《机动目标跟踪算法研究》PDF+DOC2005年第S7期 万明杰,何健,符炎
《雷达多目标跟踪算法》PDF+DOC2011年第10期 戴欣,郝旭
《基于被动式传感器的目标跟踪算法研究》PDF+DOC2006年第09期 李晨,韩崇昭,朱洪艳,娄越
《基于自适应变结构信息滤波的目标跟踪算法》PDF+DOC2015年第17期 李莹,周德云,俞吉
《基于联邦扩展卡尔曼滤波的结构损伤识别方法》PDF+DOC2017年第21期 张纯,王路丹,宋固全,徐昌宏,廖群
《基于“当前”模型的IMM-UKF机动目标跟踪融合算法研究》PDF+DOC2011年第06期 崇阳,张科,吕梅柏
《基于UKF的雷达和机载ESM扩维跟踪》PDF+DOC2011年第09期 张翔宇,王国宏,王娜,张静
在利用雷达开展运动目标跟踪过程中,通常会选取传统卡尔曼滤波、维纳滤波、α-β滤波等算法,构建目标物体滤波的状态模型,对线性化、高斯化运动目标的状态滤波进行跟踪分析。但对于非线性、非高斯过程目标的跟踪,仍旧采取传统跟踪检测算法,容易造成目标物体运动状态模型,发生形变、遮挡或消失等问题。基于此,本文提出一种改进的机器学习机制,对目标物体运动模型、状态值参数的跟踪中,不断检测与更新跟踪滤波信号,并优化跟踪器,进入实现在长时间内目标稳定跟踪的效果。
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。