本文關(guān)鍵詞：基于螢火蟲優(yōu)化粒子濾波的新型機(jī)動(dòng)目標(biāo)跟蹤算法　出處：《控制與決策》2017年10期 　論文類型：期刊論文

  更多相關(guān)文章： 粒子濾波 螢火蟲算法 機(jī)動(dòng)目標(biāo)跟蹤 粒子貧化 交互式多模型

【摘要】：交互式多模型粒子濾波算法需要多個(gè)模型才能對(duì)強(qiáng)機(jī)動(dòng)目標(biāo)進(jìn)行跟蹤,并且粒子濾波的重采樣會(huì)導(dǎo)致粒子貧化現(xiàn)象,針對(duì)該問(wèn)題提出一種新型機(jī)動(dòng)目標(biāo)跟蹤方法.該方法首先將螢火蟲群體的吸引和移動(dòng)機(jī)制引入粒子濾波;再將改進(jìn)粒子濾波引入交互式多模型中,通過(guò)智能尋優(yōu)的方式提高交互式多模型的跟蹤精度和穩(wěn)定性.實(shí)驗(yàn)結(jié)果表明,相對(duì)于IMM-PF,改進(jìn)方法可以用更少的時(shí)間達(dá)到同等精度,提高了機(jī)動(dòng)目標(biāo)跟蹤的效率.
[Abstract]:Interactive multi-model particle filter algorithm needs multiple models to track strong maneuvering target, and the re-sampling of particle filter will lead to particle dilution. To solve this problem, a new maneuvering target tracking method is proposed. Firstly, the mechanism of attracting and moving fireflies is introduced into particle filter. Then the improved particle filter is introduced into the interactive multi-model to improve the tracking accuracy and stability of the interactive multi-model by intelligent optimization. The experimental results show that compared with IMM-PF. The improved method can achieve the same precision in less time and improve the efficiency of maneuvering target tracking.
【作者單位】： 南京理工大學(xué)自動(dòng)化學(xué)院;中國(guó)衛(wèi)星海上測(cè)控部;
【基金】：國(guó)家自然科學(xué)基金青年基金項(xiàng)目(61501521);國(guó)家自然科學(xué)基金面上基金項(xiàng)目(61473153)
【分類號(hào)】：TN713;TP18
【正文快照】： 0引機(jī)動(dòng)目標(biāo)的跟蹤問(wèn)題長(zhǎng)期以來(lái)都是雷達(dá)系統(tǒng)的重點(diǎn)和難點(diǎn)問(wèn)題[1-2],在解決該問(wèn)題時(shí),跟蹤模型的選擇至關(guān)重要[3-4].目前,交互式多模型(IMM)算法作為一種典型多模型算法得到了廣泛的關(guān)注和運(yùn)用[5-7].IMM算法是在廣義偽貝葉斯算法基礎(chǔ)上得到具有馬爾科夫切換系數(shù)的多模型算法[8]

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫志剛;僅有角度量測(cè)的紅外機(jī)動(dòng)目標(biāo)跟蹤[J];激光與紅外;2004年06期

2 鄭潤(rùn)高;張安清;;雷達(dá)機(jī)動(dòng)目標(biāo)跟蹤的卡爾曼粒子濾波算法[J];電光與控制;2012年01期

3 陳亮;吳小俊;王士同;楊靜宇;;一種新的常增益機(jī)動(dòng)目標(biāo)跟蹤方法:α-β-γ-δ模型[J];系統(tǒng)仿真學(xué)報(bào);2008年17期

4 王曉;韓崇昭;;用于機(jī)動(dòng)目標(biāo)跟蹤的多模型概率假設(shè)密度濾波器[J];西安交通大學(xué)學(xué)報(bào);2011年12期

5 談鵬;雷銘哲;常超偉;陳晉良;;地面機(jī)動(dòng)目標(biāo)跟蹤問(wèn)題研究[J];火力與指揮控制;2014年S1期

6 王紅亮;李楓;趙亦工;;一種機(jī)動(dòng)目標(biāo)跟蹤的自適應(yīng)α-β濾波算法[J];雷達(dá)科學(xué)與技術(shù);2007年04期

7 李凡;截?cái)嘧兙S法與機(jī)動(dòng)檢測(cè)技術(shù)[J];系統(tǒng)工程與電子技術(shù);1998年03期

8 郭鑫;葛鳳翔;郭良浩;;改進(jìn)的自適應(yīng)Kalman濾波及其在水聲機(jī)動(dòng)目標(biāo)跟蹤中的應(yīng)用[J];聲學(xué)學(xué)報(bào);2011年06期

9 王永富,黃顯林,胡恒章;非線性預(yù)測(cè)濾波器在機(jī)動(dòng)目標(biāo)跟蹤中的應(yīng)用[J];系統(tǒng)工程與電子技術(shù);2000年08期

10 李丹;;機(jī)動(dòng)目標(biāo)跟蹤的濾波方法研究[J];計(jì)算機(jī)仿真;2007年04期

相關(guān)會(huì)議論文 前1條

1 潘泉;;機(jī)動(dòng)目標(biāo)跟蹤雙濾波器模型及自適應(yīng)算法[A];1994年中國(guó)控制會(huì)議論文集[C];1994年

相關(guān)博士學(xué)位論文 前1條

1 王寫;基于H_∞濾波理論和多模型算法的機(jī)動(dòng)目標(biāo)跟蹤研究[D];浙江大學(xué);2016年

相關(guān)碩士學(xué)位論文 前5條

1 陳松;基于粒子濾波的自適應(yīng)機(jī)動(dòng)目標(biāo)跟蹤[D];昆明理工大學(xué);2015年

2 董天發(fā);臨近空間高速高機(jī)動(dòng)目標(biāo)跟蹤算法研究[D];電子科技大學(xué);2015年

3 劉楠;基于機(jī)動(dòng)目標(biāo)跟蹤模型的自適應(yīng)濾波算法[D];浙江理工大學(xué);2016年

4 李麗娟;基于邊緣分布貝葉斯濾波器的多機(jī)動(dòng)目標(biāo)跟蹤方法研究[D];深圳大學(xué);2016年

5 王龍;基于粒子濾波的機(jī)動(dòng)目標(biāo)跟蹤算法[D];南京信息工程大學(xué);2013年

，

本文編號(hào)：1440057