-
题名角速度估计自适应的IMM三维目标跟踪算法
被引量：2
- 1
-
-
作者
田雨芬
蒋宏
丁全心
梁国威
-
机构
北京航空航天大学控制一体化技术国家级科技重点实验室
光电控制技术重点实验室
-
出处
《电光与控制》
北大核心
2012年第10期17-19,29,共4页
-
基金
航空基金(20095151022)
-
文摘
为了解决三维空间内的机动目标跟踪问题,提出一种基于常速模型和带约束常速率协同转弯模型(CSCT模型)的交互式多模型算法;同时为了解决目标的机动不确定性问题,针对CSCT模型提出一种类似卡尔曼滤波的方法实时精确地估计目标转弯角速度。综合考虑目标角速度的估计值和估计方差,提高目标跟踪的收敛速度,尽可能地减小滤波角速度与机动目标真实角速度之间的误差,最终明显提高了目标跟踪精度。Monte-Carlo 200次仿真结果表明了该算法在性能上有明显提升,对三维机动目标跟踪效果显著,并证实了该方法的实用性。
-
关键词
机动目标跟踪
3D常速率协同转弯模型
角速度估计
交互式多模型
-
Keywords
maneuvering target tracking
3D constant speed coordination turn model
turn rate estimation
Interacting Multiple Model （IMM）
-
分类号
V271.4
[航空宇航科学与技术—飞行器设计]
TN957
[电子电信—信号与信息处理]
-
-
题名高斯混合概率假设密度算法对多目标的跟踪研究
- 2
-
-
作者
蒋宏
田雨芬
丁全心
梁国威
-
机构
北京航空航天大学控制一体化技术国家级科技重点实验室
火力控制技术国防科技重点实验室
-
出处
《航空科学技术》
2011年第5期67-70,共4页
-
基金
火力控制技术国防科技重点实验室航空基金资助(20095151022)
-
文摘
为了规避数据关联的困难,本文深入研究了适宜多目标跟踪工程应用,线性高斯多目标模型假设下的高斯混合概率假设密度算法(GM-PHD),详细给出了后验PHD高斯元素的均值、方差和权值的解析递推式,使用了修剪和合并方法控制高斯元素数目的指数增长。最后,给出了一系列仿真实验,验证了在检测不确定和高杂波环境下,即使对目标数量未知和时变的场景,GM-PHD都能有效地完成跟踪,将其扩展应用于非线性多目标模型,同样得到了令人满意的跟踪效果。
-
关键词
概率假设密度
线性高斯多目标模型
高斯混合概率假设密度
解析解
-
Keywords
probability hypothesis density
linear gaussian multi-target model, gaussian mixture PHDclosed-form solution
-
分类号
TN953
[电子电信—信号与信息处理]
-
