作者:程佳林,张贞凯 单位:中国航天科工集团公司第十七研究所 出版:《计算机仿真》2018年第07期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFJSJZ2018070050 DOC编号:DOCJSJZ2018070059 下载格式:PDF + Word/doc 文字可复制、可编辑
《非高斯条件下基于粒子滤波的目标跟踪》PDF+DOC2004年第12期 胡洪涛,敬忠良,李安平,胡士强 《WSN中基于自适应预测聚类的多组群目标的跟踪方法》PDF+DOC2016年第07期 刘述木,杨建,黎远松 《基于观测数据删减及量化新息的无线传感器网络目标跟踪》PDF+DOC2015年第05期 杨小军,张亚粉 《非线性系统中多传感器目标跟踪性能分析》PDF+DOC2000年第03期 杨春玲,刘国岁,余英林 《基于扩展信息滤波的跟踪传感器选择算法》PDF+DOC2018年第08期 程佳林,张贞凯 《多传感器远距离空中目标跟踪精度分析》PDF+DOC2000年第01期 杨春玲,刘国岁,倪晋麟,郑全战,顾红,苏卫民 《无线传感器网络动态最近邻协作目标跟踪算法》PDF+DOC2012年第07期 龙慧,樊晓平,刘少强,唐文妍 《无线传感器网络中多传感器动态自适应调度算法》PDF+DOC2012年第01期 肖胜,邢昌风,石章松 《空中多运动平台多传感器目标跟踪》PDF+DOC2009年第10期 赵岐诚,江晶,盖旭刚 《目标跟踪中的观测时间控制算法》PDF+DOC2007年第02期 管幼东,田康生,桑成伟,张培珍
  • 机载雷达目标跟踪时,目标存在强非线性运动状态,导致扩展卡尔曼滤波算法性能较差。为解上述问题,将扩展卡尔曼滤波的扩维融合方法与信息滤波相结合,建立扩展信息滤波模型。首先,通过逆协方差形式得到信息状态向量和信息矩阵,将多个低维传感器的观测向量扩展为单个高维观测向量,线性化扩维后的观测矩阵得到雅克比矩阵。然后,求得信息状态向量和信息矩阵的预测值结合融合中心状态信息贡献以及相关的信息矩阵。最后,解出多传感器融合后的状态估计以及状态协方差矩阵。仿真结果表明,与扩展卡尔曼滤加权融合波算法相比,扩展信息滤波(EIF)算法有更低的均方根误差(RMSE)。因此,扩展信息滤波具有很好的跟踪精度,可以为机载雷达目标跟踪优化提供科学依据。

    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。