公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

SGPDA-STF及其在水下多目标纯方位跟踪中的应用: 2014年; 针对广义概率数据关联(GPDA)算法存在计算量大、对系统模型变化鲁棒性差等问题,首先提出了简化广义概率数据关联(SGPDA)算法,然后把SGPDA算法与强跟踪滤波器(STF)算法相结合得到基于简化广义概率数据关联的强跟踪滤波器(SGPDA-STF)。SGPDA在不降低精度的条件下,大大降低了计算量。STF通过实时调节增益矩阵,增强了算法的鲁棒性。SGPDA-STF兼具STF鲁棒性强,SGPDA计算量小的优点。进行了水下杂波环境下单站多目标纯方位跟踪的仿真实验,实验结果证明了SGPDA-STF算法在鲁棒性和计算量方面都优于传统的GPDA-EKF算法。; 刘开周梅登峰王艳艳; 关键词：纯方位跟踪多目标跟踪杂波

仅方位角系统UUV轨迹优化方法研究: 2014年; 在主从式UUVs(Unmanned Underwater Vehicles)系统中,从UUV仅携带被动传感器测得杂波环境下的主UUV方位角信息,通过自主优化其运动轨迹以达到尽快实现与主UUV汇合的目的。分析对比不同的观测载体机动轨迹对仅方位角系统TMA(Target Motion Analysis)精度的影响后,充分考虑到本课题从UUV速度小于主UUV速度这一特殊情况,提出了一种适用于工程应用的基于动态距离最短的轨迹优化方法并且借鉴其它载体航路跟踪模式设计从UUV跟踪轨迹的整体过程,使用扩展卡尔曼滤波算法进行主UUV运动要素估计,采取边估计边优化的方法实时更新从UUV运动状态。仿真实验中与基于方位角变化率最大轨迹优化方法及基于最小化均方误差阵的迹的轨迹优化方法进行对比,结果表明该方法能够实现主从UUVs的汇合,验证了该方法的合理性。; 王艳艳刘开周陈华雷; 关键词：TMA

纯方位目标跟踪的ST-MEF-PDAF方法研究被引量：1: 2014年; 传统的最大熵模糊概率数据关联滤波器(MEF-PDAF)算法用于水下杂波环境下单站纯方位目标跟踪存在对系统模型变化鲁棒性差、跟踪机动目标能力低的问题;为了解决这些问题,对MEF-PDAF算法进行了改进,提出了强跟踪MEF-PDAF(STMEF-PDAF)算法;与强跟踪滤波器(STF)算法类似,ST-MEF-PDAF算法通过引入渐消因子来实时调节增益矩阵,提高了算法的鲁棒性;进行了水下杂波环境下单观测站纯方位目标跟踪的仿真实验,ST-MEF-PDAF能够在500秒以内跟踪机动目标,而传统的MEF-PDAF算法不能,即ST-MEF-PDAF算法跟踪机动目标的能力高于传统的MEF-PDAF算法。; 刘开周梅登峰王艳艳林燕平; 关键词：纯方位跟踪杂波

基于强跟踪平方根容积卡尔曼滤波的纯方位目标运动分析方法被引量：8: 2016年; 针对纯方位目标跟踪系统中模型状态简化、系统噪声统计特性未知、目标初始距离信息不准确导致的滤波收敛时间长和滤波精度不高的问题,以自主水下机器人(autonomous underwater vehicle,AUV)跟踪水下动态目标为例,提出了一种基于强跟踪平方根容积卡尔曼滤波器(strong tracking square root cubature kalman filter,STFSRCKF)的纯方位目标运动分析算法;该算法在滤波过程中,利用平方根容积卡尔曼滤波器(square root cubature kalman filter,SRCKF)完成预测更新,对于SRCKF中的每个容积点采用强跟踪滤波器(strong tracking filter,STF)进行更新,设计滤波增益以抑制噪声对系统状态估计的影响,有效提高了滤波的数值稳定性,减小了状态估计误差;通过仿真分析,比较了扩展卡尔曼滤波器(extended kalman filter,EKF)、无迹卡尔曼滤波器(unscented kalman filter,UKF)、平方根容积卡尔曼滤波器(square-root cubature kalman filter,SRCKF)、STFSRCKF的算法性能,实验表明所提算法具有跟踪速度快,精度高等优点。; 王艳艳刘开周封锡盛; 关键词：AUV 非线性系统

AUV纯方位目标跟踪轨迹优化方法被引量：12: 2014年; 为了进一步提高自主水下机器人(AUV)纯方位目标跟踪能力,从AUV轨迹优化方面进行了研究.采用基于距离的分段轨迹优化方法:在跟踪目标的初始阶段以定位的位置误差GDOP(geometrical dilution of precision)作为优化对象,以期在定位跟踪的各个时刻能得到最优的定位精度;针对目标运动要素(位置、速度、航向等)估计趋于收敛的情况,提出了一种基于短期预测的轨迹优化方法,AUV根据物理条件限制预测双方短期状态,计算能够反映跟踪态势特征的收益函数,根据收益函数对自身某状态进行评估,估算出自身各个预测状态的综合收益后,选出综合收益最大的那个状态作为短期目标,执行能到达该状态的行为.目标运动要素估计中使用扩展卡尔曼滤波(EKF).最后,将该轨迹优化方法与基于GDOP的轨迹优化进行仿真对比,结果表明该方法能够实现AUV与目标较快汇合.; 王艳艳刘开周封锡盛; 关键词：自主水下机器人纯方位跟踪收益函数扩展卡尔曼滤波

全选清除导出

共1页<1>

王艳艳