期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ST-SRCKF的超高速强机动目标跟踪算法
被引量:
7
1
作者
方君
戴邵武
+2 位作者
许文明
邹杰
王永庭
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2016年第8期1698-1708,共11页
针对超高速强机动目标运动模型难以准确建立且观测数据易出现不良量测而导致滤波发散的问题,提出一种适用于超高速强机动目标的跟踪算法。该算法根据正交性原理推导了一种新的强跟踪平方根容积卡尔曼滤波(ST-SRCKF)结构,并引入多重渐消...
针对超高速强机动目标运动模型难以准确建立且观测数据易出现不良量测而导致滤波发散的问题,提出一种适用于超高速强机动目标的跟踪算法。该算法根据正交性原理推导了一种新的强跟踪平方根容积卡尔曼滤波(ST-SRCKF)结构,并引入多重渐消因子,渐消因子求解方法和作用位置均不同于已有的ST-SRCKF。根据新息的统计学特性,即新息协方差矩阵的迹服从卡方分布,建立了一种改进的CS-Jerk模型,该模型对目标机动的描述更准确,它与改进ST-SRCKF算法的结合实现了对超高速强机动目标的高精度跟踪。仿真结果表明,改进算法对超高速强机动目标的跟踪性能更佳。
展开更多
关键词
强机动目标跟踪
平方根
容积
卡尔曼滤波
(
srckf
)
强跟踪
滤波
(STF)
多重渐消因子
CS-Jerk模型
下载PDF
职称材料
基于矩阵加权方法的非线性异步融合估计器设计
被引量:
1
2
作者
王波
周康
朱加民
《高技术通讯》
EI
CAS
北大核心
2020年第4期358-362,共5页
研究了局部估计值时序不同步情况下的非线性融合估计问题。基于平方根容积卡尔曼滤波(SRCKF)方法和矩阵加权融合方法,设计了一种适用于非线性系统的异步融合估计器。该估计器先使用滤波算法求出融合周期内不同采样时刻的状态估计值,再...
研究了局部估计值时序不同步情况下的非线性融合估计问题。基于平方根容积卡尔曼滤波(SRCKF)方法和矩阵加权融合方法,设计了一种适用于非线性系统的异步融合估计器。该估计器先使用滤波算法求出融合周期内不同采样时刻的状态估计值,再从融合周期内第2个传感器采样时刻开始,使用所提出的异步矩阵加权融合方法融合当前采样时刻的状态估计值。同时,根据融合周期内最后一个传感器的采样时刻和融合时刻是否相同,选用不同的方式得到融合时刻的最终估计值。仿真结果验证了所提出的估计器在处理异步局部估计值问题时的有效性。
展开更多
关键词
矩阵加权
平方根
容积
卡尔曼滤波
(
srckf
)
传感器网络
下载PDF
职称材料
基于AR模型的非线性目标跟踪自适应算法
被引量:
2
3
作者
钱华明
陈亮
杨峻巍
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2012年第9期52-56,共5页
针对Jerk模型中各参数设置不合理对跟踪系统所造成的影响,提出一种基于自回归(AR)模型的Jerk参数自适应改进算法,实时估计并调整系统的参数,提高系统的跟踪精度及稳定性;同时,针对非线性目标跟踪系统扩展卡尔曼滤波算法(EKF)计算复杂跟...
针对Jerk模型中各参数设置不合理对跟踪系统所造成的影响,提出一种基于自回归(AR)模型的Jerk参数自适应改进算法,实时估计并调整系统的参数,提高系统的跟踪精度及稳定性;同时,针对非线性目标跟踪系统扩展卡尔曼滤波算法(EKF)计算复杂跟踪精度低,提出采用平方根容积卡尔曼滤波器(SRCKF)进行状态估计,保证跟踪系统的精度和鲁棒性,为Jerk模型参数自适应提供良好条件.仿真结果验证了算法的有效性.
展开更多
关键词
机动目标跟踪
非线性
滤波
自回归(AR)模型
JERK模型
平方根
容积
卡尔曼滤波
器(
srckf
)
自适应算法
原文传递
题名
基于ST-SRCKF的超高速强机动目标跟踪算法
被引量:
7
1
作者
方君
戴邵武
许文明
邹杰
王永庭
机构
海军航空工程学院研究生管理大队
海军航空工程学院控制工程系
南华大学网络信息中心
中国航空工业集团光电控制技术重点实验室
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2016年第8期1698-1708,共11页
基金
国家自然科学基金(61203168)
航空科学基金(20135184007)~~
文摘
针对超高速强机动目标运动模型难以准确建立且观测数据易出现不良量测而导致滤波发散的问题,提出一种适用于超高速强机动目标的跟踪算法。该算法根据正交性原理推导了一种新的强跟踪平方根容积卡尔曼滤波(ST-SRCKF)结构,并引入多重渐消因子,渐消因子求解方法和作用位置均不同于已有的ST-SRCKF。根据新息的统计学特性,即新息协方差矩阵的迹服从卡方分布,建立了一种改进的CS-Jerk模型,该模型对目标机动的描述更准确,它与改进ST-SRCKF算法的结合实现了对超高速强机动目标的高精度跟踪。仿真结果表明,改进算法对超高速强机动目标的跟踪性能更佳。
关键词
强机动目标跟踪
平方根
容积
卡尔曼滤波
(
srckf
)
强跟踪
滤波
(STF)
多重渐消因子
CS-Jerk模型
Keywords
highly maneuvering target tracking
tracking filter(STF)
multiple fading factors
CS-Jerk square-root cubature Kalman filter (
srckf
)
strong model
分类号
TN953 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
基于矩阵加权方法的非线性异步融合估计器设计
被引量:
1
2
作者
王波
周康
朱加民
机构
义乌工商职业技术学院机电信息学院
浙江工业大学信息工程学院
出处
《高技术通讯》
EI
CAS
北大核心
2020年第4期358-362,共5页
基金
浙江省哲学社会科学规划课题(20NDJC230YB)
浙江省自然科学基金(LR16F030005)资助项目。
文摘
研究了局部估计值时序不同步情况下的非线性融合估计问题。基于平方根容积卡尔曼滤波(SRCKF)方法和矩阵加权融合方法,设计了一种适用于非线性系统的异步融合估计器。该估计器先使用滤波算法求出融合周期内不同采样时刻的状态估计值,再从融合周期内第2个传感器采样时刻开始,使用所提出的异步矩阵加权融合方法融合当前采样时刻的状态估计值。同时,根据融合周期内最后一个传感器的采样时刻和融合时刻是否相同,选用不同的方式得到融合时刻的最终估计值。仿真结果验证了所提出的估计器在处理异步局部估计值问题时的有效性。
关键词
矩阵加权
平方根
容积
卡尔曼滤波
(
srckf
)
传感器网络
Keywords
matrix weights
square root cabature Kalman filting(
srckf
)
sensor network
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
基于AR模型的非线性目标跟踪自适应算法
被引量:
2
3
作者
钱华明
陈亮
杨峻巍
机构
哈尔滨工程大学自动化学院
出处
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2012年第9期52-56,共5页
基金
国家自然科学基金资助项目(60904087)
文摘
针对Jerk模型中各参数设置不合理对跟踪系统所造成的影响,提出一种基于自回归(AR)模型的Jerk参数自适应改进算法,实时估计并调整系统的参数,提高系统的跟踪精度及稳定性;同时,针对非线性目标跟踪系统扩展卡尔曼滤波算法(EKF)计算复杂跟踪精度低,提出采用平方根容积卡尔曼滤波器(SRCKF)进行状态估计,保证跟踪系统的精度和鲁棒性,为Jerk模型参数自适应提供良好条件.仿真结果验证了算法的有效性.
关键词
机动目标跟踪
非线性
滤波
自回归(AR)模型
JERK模型
平方根
容积
卡尔曼滤波
器(
srckf
)
自适应算法
Keywords
maneuvering target tracking
nonlinear filter
auto regressive(AR) model
Jerk model
square-root cubature Kalman filter(
srckf
)
adaptive algorithm
分类号
TN953 [电子电信—信号与信息处理]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于ST-SRCKF的超高速强机动目标跟踪算法
方君
戴邵武
许文明
邹杰
王永庭
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2016
7
下载PDF
职称材料
2
基于矩阵加权方法的非线性异步融合估计器设计
王波
周康
朱加民
《高技术通讯》
EI
CAS
北大核心
2020
1
下载PDF
职称材料
3
基于AR模型的非线性目标跟踪自适应算法
钱华明
陈亮
杨峻巍
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2012
2
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部