期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于Cauchy-Schwarz散度的多传感器控制 被引量:4
1
作者 吴莎 杨小军 《计算机技术与发展》 2020年第6期160-166,共7页
对传感器网络下的多目标跟踪问题,基于Cauchy-Schwarz准则提出一种多传感器多目标跟踪的传感器控制方法,主要包括多目标跟踪、信息融合和传感器决策三大部分。将信息理论的柯西-施瓦兹(CS)散度作为多传感器控制的目标函数,利用目标函数... 对传感器网络下的多目标跟踪问题,基于Cauchy-Schwarz准则提出一种多传感器多目标跟踪的传感器控制方法,主要包括多目标跟踪、信息融合和传感器决策三大部分。将信息理论的柯西-施瓦兹(CS)散度作为多传感器控制的目标函数,利用目标函数对传感器所采取的决策的优劣进行评价。采用带标签多伯努利滤波器(LMB),基于鲁棒广义协方差交叉(R-GCI)准则对多目标概率密度进行分布式融合,获得多目标运动的航迹估计。基于序贯蒙特卡洛(SMC)方法得到CS散度和LMB滤波器的逼近执行,对传感器决策的选择问题,由于最优算法在实际应用中存在计算难且代价高的问题,故而采用局部搜索算法得到多传感器控制问题的次优解。仿真结果表明了基于CS散度的多目标跟踪多传感器控制算法的可行性和优越性。 展开更多
关键词 多目标跟踪 传感器控制 lmb滤波器 柯西-施瓦兹准则 鲁棒广义协方差交叉准则
下载PDF
低空监视雷达“走-停-走”目标跟踪技术 被引量:1
2
作者 徐开明 王佰录 +2 位作者 李溯琪 邓云凯 王经鹤 《雷达学报(中英文)》 EI CSCD 北大核心 2022年第3期443-458,共16页
以旋翼无人机为代表的低空小目标常采用低速“走-停”策略或利用障碍物遮挡,躲避雷达追踪,对重要信息装备和战略要地进行点穴式打击或干扰。这类目标可多次消失-重返于雷达视域,称之“走-停-走”目标。若采用传统目标跟踪模型和算法处... 以旋翼无人机为代表的低空小目标常采用低速“走-停”策略或利用障碍物遮挡,躲避雷达追踪,对重要信息装备和战略要地进行点穴式打击或干扰。这类目标可多次消失-重返于雷达视域,称之“走-停-走”目标。若采用传统目标跟踪模型和算法处理这类目标,易导致目标身份不连续、航迹碎片化。该文在随机集理论框架下,基于标签多伯努利(LMB)滤波器,研究低空监视雷达“走-停-走”目标连续跟踪问题。为描述“走-停-走”目标多次往返于雷达视域的演化特性,首次引入第3类出生目标模型,即重生(RB)过程模型。首先,利用目标重返雷达视域前-后目标状态的空间位置和动力学参数关系,提出一种基于空域相关(SC)的RB过程;然后,基于SC-RB过程,在贝叶斯滤波框架下,设计了SC-RB-LMB滤波器算法,可实现多“走-停-走”目标连续稳健跟踪,维持航迹标签的连续性;最后,在典型低空监视场景下,通过仿真和实测数据验证了提出模型和算法的有效性和性能优势。 展开更多
关键词 低空监视雷达 “走-停-走”目标跟踪 随机集理论 重生过程模型 标签多伯努利滤波器
下载PDF
鲁棒自适应的机载外辐射源雷达多目标跟踪算法
3
作者 单靖原 卢雨 凌寒羽 《系统工程与电子技术》 EI CSCD 北大核心 2024年第9期2902-2915,共14页
针对未知杂波环境下机载外辐射源雷达的多目标跟踪问题,提出一种鲁棒自适应的标签多伯努利滤波器。首先基于标签多伯努利滤波器算法框架对多目标跟踪问题进行建模,然后针对目标新生参数、杂波参数以及目标检测概率未知的问题,提出采用... 针对未知杂波环境下机载外辐射源雷达的多目标跟踪问题,提出一种鲁棒自适应的标签多伯努利滤波器。首先基于标签多伯努利滤波器算法框架对多目标跟踪问题进行建模,然后针对目标新生参数、杂波参数以及目标检测概率未知的问题,提出采用量测驱动的目标新生模型和基于势均衡多目标多伯努利估计器的在线参数估计方法,最后考虑到机载外辐射源雷达量测的非线性,采用序贯蒙特卡罗方法对所提算法进行实现。实验结果表明,所提滤波器能够利用外辐射源量测准确估计多目标航迹,且在未知杂波环境下的性能可以逼近杂波参数已知的广义标签多伯努利滤波器,鲁棒性更好。 展开更多
关键词 外辐射源雷达 多目标跟踪 鲁棒跟踪 标签多伯努利滤波器 随机有限集
下载PDF
基于贪婪量测划分的隐身目标跟踪MS-LMB滤波器
4
作者 孙进平 代贝宁 张玉涛 《北京理工大学学报》 EI CAS CSCD 北大核心 2022年第12期1290-1298,共9页
针对隐身目标的跟踪,本文将贪婪量测划分的方法应用于多传感器标签多伯努利(MS-LMB)滤波器中,较好地解决了低检测概率下的多雷达跟踪问题.传统的MS-LMB滤波器一般采用吉布斯采样来解决量测划分问题.当雷达网中多数雷达对隐身目标的检测... 针对隐身目标的跟踪,本文将贪婪量测划分的方法应用于多传感器标签多伯努利(MS-LMB)滤波器中,较好地解决了低检测概率下的多雷达跟踪问题.传统的MS-LMB滤波器一般采用吉布斯采样来解决量测划分问题.当雷达网中多数雷达对隐身目标的检测概率较低而处于漏检状态时,目标的似然权值将偏小而很难被吉布斯采样获取,从而难以准确估计隐身目标的状态.贪婪量测划分机制由于单独考虑了包含漏检项的量测集,可有效解决此问题.仿真实验结果表明,在隐身目标的跟踪中,采用贪婪量测划分的MS-LMB滤波器的滤波性能明显优于采用吉布斯采样的MS-LMB滤波器的性能. 展开更多
关键词 隐身目标跟踪 多传感器多目标跟踪 MS-lmb滤波器 量测划分假设
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部