3模型、2模型的交互多模型算法與普通卡爾曼濾波算法在跟蹤機(jī)動(dòng)目標(biāo)的時(shí)候的性能比較
標(biāo)簽： 模型 多模型算法 卡爾曼 機(jī)動(dòng)
上傳時(shí)間： 2017-04-01
上傳用戶：jcljkh
運(yùn)動(dòng)目標(biāo)跟蹤的多模型算法仿真程序 運(yùn)動(dòng)目標(biāo)跟蹤的多模型算法仿真程序
標(biāo)簽： 運(yùn)動(dòng)目標(biāo)跟蹤 多模型算法 仿真程序
上傳時(shí)間： 2017-07-16
上傳用戶：songrui
這里面有幾篇關(guān)于交互式多模型跟蹤的英文論文，希望對(duì)大家有幫助！
上傳時(shí)間： 2014-01-13
上傳用戶：qiao8960
1.針對(duì)一類參數(shù)未知的非線性離散時(shí)間動(dòng)態(tài)系統(tǒng)，提出了一種新的基于神經(jīng)網(wǎng)絡(luò)的MMAC方法。首先，將系統(tǒng)分為線性部分和非線性部分。針對(duì)系統(tǒng)線性部分采用局部化方法逮立多個(gè)固定模型覆蓋系統(tǒng)的參數(shù)范圍，在此基礎(chǔ)上，建立自適應(yīng)模型來(lái)提高系統(tǒng)性能；針對(duì)系統(tǒng)非線性部分建立非線性神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型來(lái)邏近系統(tǒng)的非線性。然后，針對(duì)每個(gè)子模型設(shè)計(jì)相應(yīng)的擅制器。最后，設(shè)計(jì)基于誤差范數(shù)形式的性能指標(biāo)函數(shù)對(duì)控制器進(jìn)行硬切換。仿真結(jié)果表明，所提出的MMAC方法與傳統(tǒng)的在參數(shù)空間均勻分布的MMAC方法相比能顯著提高非線性系統(tǒng)的暫態(tài)性能。2針對(duì)一類具有參數(shù)跳變的非線性離散時(shí)間動(dòng)態(tài)系統(tǒng)，提出子一種基才聚類方法和神經(jīng)網(wǎng)絡(luò)的MMAC方法，首先，采用模糊c均值聚類算法對(duì)系統(tǒng)先驗(yàn)數(shù)據(jù)進(jìn)行分類處理，再分別對(duì)每類數(shù)據(jù)采用RLS算法建立多個(gè)固定模型。在此基礎(chǔ)上，建立兩個(gè)白適應(yīng)模型來(lái)提高系統(tǒng)響應(yīng)速度和控制品質(zhì)，建立神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型來(lái)補(bǔ)償系統(tǒng)非線性。然后，分別針對(duì)相應(yīng)的子模型設(shè)計(jì)線性魯棒自適應(yīng)控制器和神經(jīng)網(wǎng)絡(luò)控制器。最后，采用基于信號(hào)有界和測(cè)量誤差的性能切換指標(biāo)對(duì)控制器進(jìn)行切換，并證明閉環(huán)系統(tǒng)的穩(wěn)定性。仿真結(jié)果表明，所提出的算法能更好地解決非線性系統(tǒng)發(fā)生參數(shù)跳變問題，使得系統(tǒng)具有良好的控制品質(zhì)3.針對(duì)MMAC方法中的模型庫(kù)優(yōu)化問題，考慮系統(tǒng)實(shí)際運(yùn)行數(shù)據(jù)，提出了種基于相似度準(zhǔn)則和設(shè)置最大模型數(shù)的動(dòng)態(tài)優(yōu)化模型庫(kù)方法。該方法能對(duì)新數(shù)據(jù)進(jìn)行綜合考量并判斷是否應(yīng)該將該數(shù)據(jù)納入子模型建模，并通過設(shè)置最大模型數(shù)來(lái)確保系統(tǒng)用最少的子模型就能保證系統(tǒng)的控制性能。仿真結(jié)果表明，所提出的算法能極大地減少子模型數(shù)量且具有較好的控制效果。關(guān)鍵詞：非線性系統(tǒng)；多模型方法；自適應(yīng)控制；模糊聚類；神經(jīng)網(wǎng)絡(luò)
標(biāo)簽： 自適應(yīng)控制
上傳時(shí)間： 2022-03-11
上傳用戶：
用于現(xiàn)在流行的目標(biāo)追蹤與區(qū)別技術(shù)，利用Kalman濾波器與交互式多模型技術(shù)，對(duì)目標(biāo)加速度的估計(jì)來(lái)區(qū)分不同類
標(biāo)簽： 學(xué)術(shù)論文
上傳時(shí)間： 2015-04-28
上傳用戶：5823102
BTT導(dǎo)彈控制技術(shù)是當(dāng)今導(dǎo)彈控制的一項(xiàng)新技術(shù)，相對(duì)于STT導(dǎo)彈控制技術(shù)來(lái)說，BTT有很多的優(yōu)點(diǎn)。本論文基于線性控制系統(tǒng)理論中的特征結(jié)構(gòu)配置和模型跟蹤方法，提出了路棒控制的方法和可抑制抖動(dòng)的多模型切換控制方法。有很好的借鑒意義。
標(biāo)簽： BTT 導(dǎo)彈 控制技術(shù) 控制
上傳時(shí)間： 2013-12-10
上傳用戶：ANRAN
機(jī)動(dòng)目標(biāo)的跟蹤問題一直是人們研究的重點(diǎn)，實(shí)現(xiàn)機(jī)動(dòng)目標(biāo)精確跟蹤，首要解決的問題就是使所建立的目標(biāo)運(yùn)動(dòng)模型與實(shí)際的目標(biāo)運(yùn)動(dòng)模型匹配。目前常用的有多模型(MM)，交互式多模型(IMM)，切換模型等。多模型方法就是對(duì)一組具有不同機(jī)動(dòng)模型分別進(jìn)行Kalman濾波，最終的參數(shù)估計(jì)是各濾波器估計(jì)值的加權(quán)和；在多模型基礎(chǔ)上，Shalom提出了交互式多模型方法，這一方法對(duì)無(wú)序目標(biāo)的機(jī)動(dòng)檢測(cè)，顯示了更好的魯棒性和跟蹤的穩(wěn)定性；切換模型則是分別建立機(jī)動(dòng)和非機(jī)動(dòng)運(yùn)動(dòng)模型，利用機(jī)動(dòng)檢測(cè)實(shí)現(xiàn)在這兩個(gè)模型之間的切換。一般來(lái)說，交互式多模型的跟蹤性能較好。
標(biāo)簽： 機(jī)動(dòng)
上傳時(shí)間： 2013-12-14
上傳用戶：maizezhen
卡爾曼在目標(biāo)跟蹤中的應(yīng)用本文對(duì)作勻速運(yùn)動(dòng)的二維空中機(jī)動(dòng)目標(biāo)進(jìn)行研究，利用交互式多模型方法對(duì)雷達(dá)目標(biāo)進(jìn)行跟蹤
標(biāo)簽： 卡爾曼 中的應(yīng)用 勻速 二維
上傳時(shí)間： 2015-11-12
上傳用戶：aa17807091
一種新的IMM_PDA濾波器跟蹤門,指揮控制與仿真上面的文章，交互式多模型
上傳時(shí)間： 2017-01-09
上傳用戶：13160677563
準(zhǔn)確呈現(xiàn)交互式多模型算法的一個(gè)循環(huán)，利于學(xué)習(xí)
標(biāo)簽： 1
上傳時(shí)間： 2015-03-27
上傳用戶：qwert0
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
