Singer模型算法在目標(biāo)跟蹤中的應(yīng)用研究
發(fā)布時(shí)間:2021-09-04 16:57
近些年來,導(dǎo)彈跟蹤制導(dǎo)對(duì)雷達(dá)機(jī)動(dòng)目標(biāo)的精確跟蹤提出了前所未有的挑戰(zhàn),如何實(shí)現(xiàn)雜波環(huán)境下機(jī)動(dòng)目標(biāo)的精確跟蹤一直是個(gè)難點(diǎn)。文章建立了雜波環(huán)境下機(jī)動(dòng)目標(biāo)Singer運(yùn)動(dòng)模型,給出了濾波方程,仿真分析了基于Singer模型的機(jī)動(dòng)目標(biāo)跟蹤效果和精度。仿真結(jié)果表明,Singer模型對(duì)機(jī)動(dòng)目標(biāo)跟蹤具有較好的跟蹤效果。
【文章來源】:電腦知識(shí)與技術(shù). 2020,16(27)
【文章頁數(shù)】:4 頁
【圖文】:
目標(biāo)真實(shí)軌跡
本欄目責(zé)任編輯:唐一東本期推薦第16卷第27期(2020年9月)ComputerKnowledgeandTechnology電腦知識(shí)與技術(shù)真程序,利用蒙特卡羅方法對(duì)跟蹤濾波器進(jìn)行仿真分析[9-10],假定測試次數(shù)為50次,值得注意的是這里的次數(shù)假定,因?yàn)榧俣═的值為10s,測試次數(shù)即踩點(diǎn)次數(shù)為總時(shí)間除以T,所以為了滿足條件我們選擇了始終的50次。為了清晰觀察目標(biāo)的真實(shí)軌跡、測量軌跡以及濾波軌跡分別見圖1至圖4所示。圖1目標(biāo)真實(shí)軌跡圖2測量軌跡圖3單次濾波數(shù)據(jù)曲線圖450次濾波數(shù)據(jù)曲線為了方便比較,把四條軌跡線繪制在一個(gè)圖5中?梢钥闯,單次濾波曲線效果不是很理想,軌跡仍然有很大的波動(dòng),但是采用蒙特卡羅方法后[11],通過多次觀測取均值,濾波效果較好。圖5真實(shí)軌跡、測量軌跡以及濾波軌跡比較同時(shí),不難發(fā)現(xiàn)在目標(biāo)勻加速過程中,Singer算法可以有效跟蹤目標(biāo)[12-13];在目標(biāo)加速過程中,Singer算法跟蹤效果并不是很好,特別是在加速度比較大時(shí),比如該例子中的第二個(gè)轉(zhuǎn)彎時(shí),跟蹤效果不理想。此外,X方向,Y方向?yàn)V波估計(jì)誤差均值及誤差標(biāo)準(zhǔn)差見實(shí)驗(yàn)圖6至圖9所示。由圖并不能看出目標(biāo)運(yùn)動(dòng)的特點(diǎn),這也說明Singer算法雖然在多次濾波取均值的情況下效果較好,但是仍然有一定的局限性[14],誤差比較大。圖6x濾波誤差均值曲線9
本欄目責(zé)任編輯:唐一東本期推薦第16卷第27期(2020年9月)ComputerKnowledgeandTechnology電腦知識(shí)與技術(shù)真程序,利用蒙特卡羅方法對(duì)跟蹤濾波器進(jìn)行仿真分析[9-10],假定測試次數(shù)為50次,值得注意的是這里的次數(shù)假定,因?yàn)榧俣═的值為10s,測試次數(shù)即踩點(diǎn)次數(shù)為總時(shí)間除以T,所以為了滿足條件我們選擇了始終的50次。為了清晰觀察目標(biāo)的真實(shí)軌跡、測量軌跡以及濾波軌跡分別見圖1至圖4所示。圖1目標(biāo)真實(shí)軌跡圖2測量軌跡圖3單次濾波數(shù)據(jù)曲線圖450次濾波數(shù)據(jù)曲線為了方便比較,把四條軌跡線繪制在一個(gè)圖5中?梢钥闯,單次濾波曲線效果不是很理想,軌跡仍然有很大的波動(dòng),但是采用蒙特卡羅方法后[11],通過多次觀測取均值,濾波效果較好。圖5真實(shí)軌跡、測量軌跡以及濾波軌跡比較同時(shí),不難發(fā)現(xiàn)在目標(biāo)勻加速過程中,Singer算法可以有效跟蹤目標(biāo)[12-13];在目標(biāo)加速過程中,Singer算法跟蹤效果并不是很好,特別是在加速度比較大時(shí),比如該例子中的第二個(gè)轉(zhuǎn)彎時(shí),跟蹤效果不理想。此外,X方向,Y方向?yàn)V波估計(jì)誤差均值及誤差標(biāo)準(zhǔn)差見實(shí)驗(yàn)圖6至圖9所示。由圖并不能看出目標(biāo)運(yùn)動(dòng)的特點(diǎn),這也說明Singer算法雖然在多次濾波取均值的情況下效果較好,但是仍然有一定的局限性[14],誤差比較大。圖6x濾波誤差均值曲線9
【參考文獻(xiàn)】:
期刊論文
[1]Highly maneuvering target tracking using multi-parameter fusion Singer model[J]. Shuyi Jia,Yun Zhang,Guohong Wang. Journal of Systems Engineering and Electronics. 2017(05)
[2]基于Singer模型的高超聲速飛行器軌跡跟蹤與預(yù)測[J]. 魏喜慶,顧龍飛,李瑞康,王社陽. 航天控制. 2017(04)
[3]基于改進(jìn)Singer模型的機(jī)動(dòng)目標(biāo)跟蹤方法[J]. 張燕,柳超,李云鵬. 火控雷達(dá)技術(shù). 2015(03)
[4]一類基于改進(jìn)的當(dāng)前統(tǒng)計(jì)模型的目標(biāo)跟蹤算法研究[J]. 戚靖,劉成成,郭偉龍,蔡云澤. 上海航天. 2014(02)
[5]IMM-Singer模型的機(jī)動(dòng)目標(biāo)跟蹤算法[J]. 譚順成,王國宏,王娜. 火力與指揮控制. 2012(02)
[6]Singer模型下α-β-γ濾波的新息序列特性分析[J]. 韓偉,黃曉斌,張燕. 計(jì)算機(jī)工程與應(yīng)用. 2013(03)
[7]密集雜波環(huán)境下多目標(biāo)跟蹤算法[J]. 吳偉,王東進(jìn),陳衛(wèi)東. 現(xiàn)代雷達(dá). 2007(02)
本文編號(hào):3383649
【文章來源】:電腦知識(shí)與技術(shù). 2020,16(27)
【文章頁數(shù)】:4 頁
【圖文】:
目標(biāo)真實(shí)軌跡
本欄目責(zé)任編輯:唐一東本期推薦第16卷第27期(2020年9月)ComputerKnowledgeandTechnology電腦知識(shí)與技術(shù)真程序,利用蒙特卡羅方法對(duì)跟蹤濾波器進(jìn)行仿真分析[9-10],假定測試次數(shù)為50次,值得注意的是這里的次數(shù)假定,因?yàn)榧俣═的值為10s,測試次數(shù)即踩點(diǎn)次數(shù)為總時(shí)間除以T,所以為了滿足條件我們選擇了始終的50次。為了清晰觀察目標(biāo)的真實(shí)軌跡、測量軌跡以及濾波軌跡分別見圖1至圖4所示。圖1目標(biāo)真實(shí)軌跡圖2測量軌跡圖3單次濾波數(shù)據(jù)曲線圖450次濾波數(shù)據(jù)曲線為了方便比較,把四條軌跡線繪制在一個(gè)圖5中?梢钥闯,單次濾波曲線效果不是很理想,軌跡仍然有很大的波動(dòng),但是采用蒙特卡羅方法后[11],通過多次觀測取均值,濾波效果較好。圖5真實(shí)軌跡、測量軌跡以及濾波軌跡比較同時(shí),不難發(fā)現(xiàn)在目標(biāo)勻加速過程中,Singer算法可以有效跟蹤目標(biāo)[12-13];在目標(biāo)加速過程中,Singer算法跟蹤效果并不是很好,特別是在加速度比較大時(shí),比如該例子中的第二個(gè)轉(zhuǎn)彎時(shí),跟蹤效果不理想。此外,X方向,Y方向?yàn)V波估計(jì)誤差均值及誤差標(biāo)準(zhǔn)差見實(shí)驗(yàn)圖6至圖9所示。由圖并不能看出目標(biāo)運(yùn)動(dòng)的特點(diǎn),這也說明Singer算法雖然在多次濾波取均值的情況下效果較好,但是仍然有一定的局限性[14],誤差比較大。圖6x濾波誤差均值曲線9
本欄目責(zé)任編輯:唐一東本期推薦第16卷第27期(2020年9月)ComputerKnowledgeandTechnology電腦知識(shí)與技術(shù)真程序,利用蒙特卡羅方法對(duì)跟蹤濾波器進(jìn)行仿真分析[9-10],假定測試次數(shù)為50次,值得注意的是這里的次數(shù)假定,因?yàn)榧俣═的值為10s,測試次數(shù)即踩點(diǎn)次數(shù)為總時(shí)間除以T,所以為了滿足條件我們選擇了始終的50次。為了清晰觀察目標(biāo)的真實(shí)軌跡、測量軌跡以及濾波軌跡分別見圖1至圖4所示。圖1目標(biāo)真實(shí)軌跡圖2測量軌跡圖3單次濾波數(shù)據(jù)曲線圖450次濾波數(shù)據(jù)曲線為了方便比較,把四條軌跡線繪制在一個(gè)圖5中?梢钥闯,單次濾波曲線效果不是很理想,軌跡仍然有很大的波動(dòng),但是采用蒙特卡羅方法后[11],通過多次觀測取均值,濾波效果較好。圖5真實(shí)軌跡、測量軌跡以及濾波軌跡比較同時(shí),不難發(fā)現(xiàn)在目標(biāo)勻加速過程中,Singer算法可以有效跟蹤目標(biāo)[12-13];在目標(biāo)加速過程中,Singer算法跟蹤效果并不是很好,特別是在加速度比較大時(shí),比如該例子中的第二個(gè)轉(zhuǎn)彎時(shí),跟蹤效果不理想。此外,X方向,Y方向?yàn)V波估計(jì)誤差均值及誤差標(biāo)準(zhǔn)差見實(shí)驗(yàn)圖6至圖9所示。由圖并不能看出目標(biāo)運(yùn)動(dòng)的特點(diǎn),這也說明Singer算法雖然在多次濾波取均值的情況下效果較好,但是仍然有一定的局限性[14],誤差比較大。圖6x濾波誤差均值曲線9
【參考文獻(xiàn)】:
期刊論文
[1]Highly maneuvering target tracking using multi-parameter fusion Singer model[J]. Shuyi Jia,Yun Zhang,Guohong Wang. Journal of Systems Engineering and Electronics. 2017(05)
[2]基于Singer模型的高超聲速飛行器軌跡跟蹤與預(yù)測[J]. 魏喜慶,顧龍飛,李瑞康,王社陽. 航天控制. 2017(04)
[3]基于改進(jìn)Singer模型的機(jī)動(dòng)目標(biāo)跟蹤方法[J]. 張燕,柳超,李云鵬. 火控雷達(dá)技術(shù). 2015(03)
[4]一類基于改進(jìn)的當(dāng)前統(tǒng)計(jì)模型的目標(biāo)跟蹤算法研究[J]. 戚靖,劉成成,郭偉龍,蔡云澤. 上海航天. 2014(02)
[5]IMM-Singer模型的機(jī)動(dòng)目標(biāo)跟蹤算法[J]. 譚順成,王國宏,王娜. 火力與指揮控制. 2012(02)
[6]Singer模型下α-β-γ濾波的新息序列特性分析[J]. 韓偉,黃曉斌,張燕. 計(jì)算機(jī)工程與應(yīng)用. 2013(03)
[7]密集雜波環(huán)境下多目標(biāo)跟蹤算法[J]. 吳偉,王東進(jìn),陳衛(wèi)東. 現(xiàn)代雷達(dá). 2007(02)
本文編號(hào):3383649
本文鏈接:http://sikaile.net/kejilunwen/jingguansheji/3383649.html
最近更新
教材專著