机动目标_当前_统计模型与自适应跟踪算法_周宏仁

机动目标

当前

统计模型与

自适应跟踪算法 中国航空研究院 摘

周宏仁

本文提出机动目标

当前

统计模型的概念并建议用修正的瑞利一马尔科夫 。

过程描述目标随机加速机动的统计特性

文中指出了在机动目标运动模型中状态 。

(机动加速度 )估值与状态噪声之间的内在联系 速度均值及方差自适应的卡尔曼滤波算法 拟 。。

在此墓础上提出了具有机动加 ,

对一维和三维的情形进行了计算机模这类自适应估值算法无 。 、

计算结果表明

,

在仅对目标位置进行观测的情况下

论对高度机动或无机动的目标均可给出较好的位置

速度及加速度估值

一 在过去的十多年中 ,

言 ,

关于机动目标的状态估值问题进行了大量的研究工作

在建立机 。

动目标的统计模型和采用卡尔曼滤波器的自适应算法方面都取得了一些有益的结果的难点在于怎样用最少的状态观察量对高度机动的目标度 ,

问题

而且加速度本身也在不断变化的目标 1970

,

R A .

.

i S ,

n

e g

‘ r〔,

提出了零均值

—时间相关机动加速度模型 、

进行有效—确的估值而精

比如不仅存在着机动的加速 。

,

在采用维纳一郭尔 并由此建立起 。

莫哥洛夫白化步骤后 Mo e s “〔,

目标的随机机动加速度表现为状态噪声驱动的结果, ,

机动目标运动的统计模型 幻

这个模型以后一直作为机动目标状态估值的基础之一 ,,

R ,

.

L

等人意识到在目标进行加速度机动时 。

采用零均值的统计模型是不合理的因而在 S in e模型的基础 g r ,

提出了具有随机开关均值的相关高斯噪声半马尔科夫过程统计模型 上前进了一步

鉴于目标的机动运动千变万化 计参数基本上是不可能的 ,

,

建立绝对准确的目标运动统计模型

或给出准确的统 〔。 。

因此很自然地需要寻求一种自适应估值算法以对模型的不精确

性进行适时的修正

关于自适应卡尔曼滤波算法已经有了许多的研究结果 ,

然而这些结 。

果多半不适用于机动目标估值这种特殊的情况方式都是在不断变化的 R .

因为这种情况所跟踪的目标或目标机动的 :

,

在某一期间通过观察获得的统计数据

未必适用于另一期间 〔的

J McA u l .

y a等人

讨论了一种自适应算法

用统计决策理论判断目标是否存在机 。

,

然后用两种滤波器分别对有或无机动的状态进行估值 . i, 51年 1 0月收到

J 5

.

.

rho p r

〔幻

也研究了目标机

机动目标_当前_统计模型与自适应跟踪算法_周宏仁

Word文档免费下载Word文档免费下载:机动目标_当前_统计模型与自适应跟踪算法_周宏仁 (共14页,当前第1页)

你可能喜欢

  • 组合导航系统
  • 蒙特卡罗算法
  • 蒙特卡罗模拟
  • 经典雷达资料
  • 卡尔曼滤波应用
  • 目标跟踪算法的研究

机动目标_当前_统计模型与自适应跟踪算法_周宏仁相关文档

最新文档

返回顶部