【摘要】：在分布式多傳感器網(wǎng)絡(luò)中,為了節(jié)省通信帶寬,需要將傳感器得到的點(diǎn)量測(cè)量化成區(qū)間量測(cè),而傳統(tǒng)的濾波算法均不能直接處理這種量化量測(cè).箱粒子濾波作為一種"廣義粒子濾波"算法,用箱粒子和誤差界限模型來取代傳統(tǒng)的點(diǎn)粒子和誤差統(tǒng)計(jì)模型,是新近出現(xiàn)的處理區(qū)間量測(cè)的有力工具.相比粒子濾波,箱粒子濾波還具有所需粒子數(shù)少、算法復(fù)雜度低、運(yùn)行速度快等優(yōu)點(diǎn).因此,為了處理量化量測(cè)條件下的機(jī)動(dòng)目標(biāo)跟蹤問題,提出了交互多模型箱粒子濾波算法.仿真對(duì)比實(shí)驗(yàn)表明:在量化量測(cè)條件下,交互多模型箱粒子濾波算法和交互多模型粒子濾波算法都能夠準(zhǔn)確地估計(jì)機(jī)動(dòng)目標(biāo)狀態(tài),但交互多模型箱粒子濾波所需粒子數(shù)更少、計(jì)算效率更高.
[Abstract]:In distributed multisensor networks, in order to save communication bandwidth, it is necessary to transform the sensor's point measurements into interval measurements, which can not be directly processed by traditional filtering algorithms. As a "generalized particle filter" algorithm, the box particle filter replaces the traditional point particle and error statistical model with the box particle and error bound model. It is a new powerful tool for dealing with interval measurement. Compared with particle filter, box particle filter also has the advantages of small number of particles, low algorithm complexity and fast running speed. Therefore, in order to deal with the problem of maneuvering target tracking under the condition of quantitative measurement, an interactive multi-model box particle filter algorithm is proposed. The simulation results show that both the interactive multi-model box particle filter algorithm and the interactive multi-model particle filter algorithm can accurately estimate the state of maneuvering target under the condition of quantitative measurement, but the particle number of interactive multi-model box particle filter is less. The calculation efficiency is higher.
【作者單位】： 西安電子科技大學(xué)電子工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61372003) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(JB140221)
【分類號(hào)】：TN953

【共引文獻(xiàn)】

相關(guān)會(huì)議論文 前1條

1 REN Ling;GUO Rongwei;ZHAO Ping;LI Bin;;Input/output-to-state stable property of switched stochastic nonlinear systems by an improved average dwell time method[A];第26屆中國(guó)控制與決策會(huì)議論文集[C];2014年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 孫福明;吳秀清;祁凱;;基于當(dāng)前統(tǒng)計(jì)模型的自適應(yīng)強(qiáng)跟蹤算法[J];數(shù)據(jù)采集與處理;2008年02期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王國(guó)宏;王曉博;王晨熙;朱靖;;基于交互多模型和中值濾波的加速度估計(jì)方法[J];海軍航空工程學(xué)院學(xué)報(bào);2008年03期

2 董桂旭;袁湛;瞿軍;;基于期望模型的變結(jié)構(gòu)交互多模型算法[J];火力與指揮控制;2010年08期

3 張永勝 ,嵇成新;自調(diào)整交互多模型[J];情報(bào)指揮控制系統(tǒng)與仿真技術(shù);2001年01期

4 夏暢雄;葉尚福;;一種新的基于交互多模型的序貫重要采樣算法[J];電訊技術(shù);2007年06期

5 樊國(guó)創(chuàng);戴亞平;劉巖;;模型集自適應(yīng)的交互多模型輔助粒子濾波算法[J];北京理工大學(xué)學(xué)報(bào);2008年12期

6 宋驪平;姬紅兵;;多站測(cè)角的最小二乘交互多模型跟蹤算法[J];西安電子科技大學(xué)學(xué)報(bào);2008年02期

7 王宏民;趙振民;王健;;穩(wěn)健的交互多模型轉(zhuǎn)移概率選擇算法[J];黑龍江科技學(xué)院學(xué)報(bào);2009年01期

8 許江湖;劉忠;黨玲;;自適應(yīng)網(wǎng)格交互多模型不敏粒子濾波算法[J];艦船科學(xué)技術(shù);2012年08期

9 曹陽;趙明富;羅彬彬;全曉莉;郭靖;李鑫;;機(jī)載空間光通信平臺(tái)的交互多模型粒子濾波跟蹤算法[J];紅外與激光工程;2012年11期

10 張勁松;火控系統(tǒng)的交互多模型框架[J];情報(bào)指揮控制系統(tǒng)與仿真技術(shù);1998年11期

相關(guān)會(huì)議論文 前5條

1 黎陽詩(shī);趙巍;毛士藝;;基于變結(jié)構(gòu)交互多模型的地面目標(biāo)跟蹤算法研究[A];全國(guó)第十屆信號(hào)與信息處理、第四屆DSP應(yīng)用技術(shù)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2006年

2 何正斌;聶建亮;吳富梅;;基于交互多模型的組合導(dǎo)航觀測(cè)異常影響控制[A];第一屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)論文集（下）[C];2010年

3 隋樹林;許云斌;曹夢(mèng)龍;;模型轉(zhuǎn)移概率自適應(yīng)的新息濾波交互多模型算法[A];中國(guó)宇航學(xué)會(huì)深空探測(cè)技術(shù)專業(yè)委員會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2008年

4 聶曉華;;基于小波估計(jì)量測(cè)噪聲方差的交互多模型跟蹤算法[A];2009中國(guó)控制與決策會(huì)議論文集（2）[C];2009年

5 石曉航;梁青陽;張慶杰;王俊生;沈錫強(qiáng);;DC-IMM估計(jì)方法在多UAV協(xié)同目標(biāo)跟蹤中的應(yīng)用[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

相關(guān)碩士學(xué)位論文 前4條

1 胡煒;交互多模型目標(biāo)跟蹤算法的研究[D];東北大學(xué);2010年

2 劉娟麗;基于交互多模型的被動(dòng)多傳感器機(jī)動(dòng)目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2010年

3 姬存慧;基于交互多模型的機(jī)動(dòng)目標(biāo)跟蹤算法研究及硬件實(shí)現(xiàn)[D];南京理工大學(xué);2013年

4 焦迎雪;改進(jìn)的交互多模型粒子濾波算法在機(jī)動(dòng)目標(biāo)跟蹤中的應(yīng)用[D];太原理工大學(xué);2013年

，

本文編號(hào)：2289853