共查询到20条相似文献,搜索用时 0 毫秒
1.
目标跟踪理论在国防、商用等领域都具有重要价值,并且是实现智能交通系统的基础。针对智能交通系统中需要对特定的运动目标进行跟踪和监测的要求,利用卡尔曼滤波算法对目标进行跟踪并对其下一时间的运动位置、运动方向、速度等信息进行预先估算以达到及时监测的目的。通过分别对机动目标和非机动目标的仿真试验,得出了卡尔曼滤波算法可以对运动的目标实现实时跟踪,且非机动目标的跟踪效果要优于机动目标的结论。 相似文献
2.
3.
4.
5.
6.
7.
强跟踪自适应滤波器实现机动目标的精确跟踪 总被引:1,自引:1,他引:0
机动目标状态估计中的一个主要问题是:目标运动的突变性导致状态噪声无法进行统计预测.传统的EKF将噪声看成是高斯白噪声有着本质上的不足,因而无法实现稳定的跟踪.引入Sage-Husa滤波算法对有色噪声进行在线的估计,一定程度上弥补了目标运动模型不够合理的缺憾.在此基础上,从系统容错设计基本原理出发,用归一化残差功率法实时地检测可能出现的数值发散现象,一旦检测到发散,印通过一种改进的强跟踪自适应滤波器进行抑制,有效地提升了滤波的健硕性,实现了稳定跟踪.最后,针对高机动目标的运动特性,仿真验证采用变维滤波模型,用EKF对目标的简单机动进行跟踪,只有目标运动突变时才采用本文提出的算法,以提升计算的实时性.仿真结果表明此算法对高机动目标的跟踪是有效的. 相似文献
8.
分段轨迹识别方法是一种将目标轨迹分成若干段曲线,对每一段曲线进行参数估计进而估计目标状态的跟踪方法.基于分段轨迹识别方法提出了一种分段机动识别方法,使之能够适用于更多的目标机动类型.针对速度变化的目标,提出了新的曲线参数描述的模型以及新的优化跟踪性能的代价函数,改进了判断分段结束的条件以及起始新分段的方法.仿真结果表明:分段机动识别方法在稳态性能不变的情况下,能够更好地跟踪加减速目标;同时,分段机动识别方法对于高度机动目标的跟踪性能和准确构造的交互多模型算法相似,且远优于匀速直线运动模型下的卡尔曼滤波器. 相似文献
9.
在8维卡尔曼滤波GPS定位基础上,将机动量检测与引入滤波器,达到自适应调整状态模型的效果,结果说明,在8维卡尔曼滤波中加上机动辨识,使GPS定位在动态环境应用于精度更高,且比11维滤波器大大减小了运算量,提高了定位解算的实时率。 相似文献
10.
11.
12.
在卡尔曼滤波出现以前,已经建立了采用最小二乘法处理观测数据和采用维纳滤波方法处理平稳随机过程的滤波理论。卡尔曼滤波以其物理意义直观的时间域语言和有限时间内的数据观测及简单的递推方法对高速飞行体进行实时的预测和跟踪。本文提出了匀速和匀加速运动目标的运动模型,通过卡尔曼滤波算法进行预测跟踪并对其进行仿真。 相似文献
13.
在民用和军事领域中,机动目标跟踪都有着广泛的应用.在介绍机动目标跟踪方法与原理的基础上,主要对可调白噪声模型、Singer模型和当前统计模型三种机动目标跟踪算法进行了研究与仿真分析.最后通过对各模型的滤波性能进行比较,得出相应的结论. 相似文献
14.
15.
16.
17.
18.
19.
多传感器机动目标跟踪 总被引:9,自引:1,他引:8
本文提出了一种用于跟踪机动目标的被动多传感器航迹融合方法,它与点迹融合相比性能虽略有下降,但却大大降低了融合中心的计算负但及网间通信需求,在高密度杂波环境中尤其如此。这种航迹融合的方法考虑到不同传感器间共同的系统扰动所造成的估计误差的相关,从而得到最优的融合算法。 相似文献
20.
机动目标通常不是做恒定的运动,其运动状态会随时间的变化而变化.这就使描述系统运动的状态方程是非线性的,而且系统参数会不断变化.传统的推广卡尔曼滤波适用于定系统定参数的情况,如果运用到机动目标跟踪上会导致误差增大甚至滤波发散.基于此,将强跟踪滤波运用到机动目标跟踪上.强跟踪滤波在卡尔曼滤波的基础上引入了多重渐消因子,使强跟踪滤波具有极强的跟踪能力和较好地鲁棒性,因此可以很好地解决变系统变参数的问题.通过仿真,将强跟踪滤波与UT-BLUE滤波方法和EKF滤波方法进行比较,结果表明了该滤波方法的有效性和优越性. 相似文献