模糊化模型概率的imm-supf机动面目标跟踪

模糊化模型概率的imm-supf机动面目标跟踪

ID:11255207

大小:883.00 KB

页数:8页

时间:2018-07-11

模糊化模型概率的imm-supf机动面目标跟踪_第1页
模糊化模型概率的imm-supf机动面目标跟踪_第2页
模糊化模型概率的imm-supf机动面目标跟踪_第3页
模糊化模型概率的imm-supf机动面目标跟踪_第4页
模糊化模型概率的imm-supf机动面目标跟踪_第5页
资源描述:

《模糊化模型概率的imm-supf机动面目标跟踪》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、工程科学与技术(原四川大学学报(工程科学版))模糊化模型概率的IMM-SUPF机动面目标跟踪石杰,李银伢,戚国庆,盛安冬(南京理工大学自动化学院,江苏南京210094)工程科学与技术(原四川大学学报(工程科学版))摘要:为了提高跟踪系统对水面机动目标的跟踪能力,本文将水面目标建模为椭圆形面目标,提出一种基于交互多模型(interactingmultiplemodel,IMM)算法的机动面目标跟踪方法。首先,利用现代高分辨率雷达获得的面目标扩展测量,给出了基于面目标的跟踪测量方程。其次,将强无迹粒子滤波(strongunscen

2、tedparticlefilter,SUPF)算法引入到IMM中得到IMM-SUPF。该SUPF利用强跟踪无迹卡尔曼滤波(strongtrackingunscentedKalmanfilter,STUKF)产生粒子建议分布。由于STUKF采用渐消因子调整UKF的状态模型协方差和观测模型协方差的比例,使得建议分布更符合真实状态的后验概率分布,从而提高了IMM算法中子模型滤波器的估计精度。最后,基于模糊隶属度函数对粒子的模型概率进行模糊化,从而在提高真实模型滤波器中粒子模型概率的同时减小非匹配模型滤波器中粒子模型概率,进而提高了I

3、MM算法的估计融合精度。Monte-Carlo仿真实验表明,相比于传统的基于质点目标的IMM-UPF算法,文中所提的基于面目标的IMM算法跟踪精度更高,且所提算法的误差超调量更小,收敛更快。此外,所提面目标IMM算法的跟踪精度也要高于面目标IMM-UPF算法。针对水面机动目标跟踪问题,不同于传统的质点目标IMM算法,文中将水面目标建模为椭圆形面目标,并利用面目标扩展测量信息设计了模糊化模型概率的IMM-SUPF算法。该算法进一步提高了跟踪系统对水面机动目标的跟踪能力。工程科学与技术(原四川大学学报(工程科学版))关键词:交互多

4、模型;机动面目标;强无迹粒子滤波;模型概率中图分类号:TP202文献标识码:AFuzzedModelProbabilitybasedIMM-SUPFforManeuveringAreaTargetTrackingSHIJie,LIYinya,QIGuoqing,SHENGAndong(SchoolofAutomation,NanjingUniv.ofSci.andTechnol.,Nanjing,210094,China)工程科学与技术(原四川大学学报(工程科学版))Abstract:Inordertoimprovethetr

5、ackingabilityofthesurfacemaneuveringtarget,thesurfacetargetwasmodeledasanellipticalareatarget,andaninteractingmultiplemodel(IMM)algorithmwasproposedforthemaneuveringareatargettracking.Firstly,themeasurementequationoftheellipticalareatargettrackingwasderivedbyusingth

6、eextendedareatargetmeasurementsofthemodernradar.Then,theIMM-SUPFwasobtainedbyintroducingthestrongunscentedparticlefilter(SUPF)intoIMM.ThestrongtrackingunscentedKalmanfilter(STUKF)wasutilizedtogeneratetheproposaldistributioninSUPF,andafadingfactorwasprovidedinSTUKFfo

7、radjustingtheproportionofstate-modelcovarianceandmeasurement-modelcovariance.Hence,theproposaldistributionwasmoreconsistentwiththeposteriorprobabilitydistributionoftruestate,andtheestimationprecisionofthesub-filtersforIMMalgorithmwouldbehigher.Atlast,themodelprobabi

8、litiesofparticleswerefuzzedbytheproposedfuzzymembershipfunction.Themodelprobabilitiesofparticlesforfilterwithtruetargetmodelwouldbehigherw

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。