陕西省自然科学基金(2011JM8023)
- 作品数：37 被引量：94H指数：5
- 相关作者：冯新喜孔云波鹿传国王朝英刘玉磊更多>>
- 相关机构：空军工程大学中国人民解放军94936部队中国航天科工集团更多>>
- 发文基金：陕西省自然科学基金国家自然科学基金国家重点实验室开放基金更多>>
- 相关领域：电子电信自动化与计算机技术航空宇航科学技术更多>>
- 基于信息散度的雷达/红外数据关联算法被引量：2
- 2014年
- 针对基于多维分配模型的雷达与红外数据关联算法在构造关联代价函数时未考虑最大似然估计引入的误差的一问题,提出了一种基于信息散度的雷达与红外数据关联算法。该算法首先利用无迹变换获得伪量测的统计信息。然后在构造关联代价函数时,将真实量测数据的极大后验分布和伪量测的概率密度函数的之间的Kullback-Leibler散度(KLD)作为关联代价,继而代入多维分配模型求解关联。最后进行了仿真分析,结果表明该算法具有良好的关联性能,其关联代价可更精准地反映数据关联的可能性程度。
- 孔云波王华兵冯新喜鹿传国
- 关键词：数据关联信息散度
- 具有固定滞后平滑的变结构机动目标跟踪被引量：2
- 2015年
- 针对变结构多模型算法在目标机动性较强时,因模型切换不及时而出现较大的误差峰值问题,提出了一种固定滞后平滑的变结构多模型(lag smoothing variable structure multiple model,LS-VSMM)跟踪算法。建立一个完备的模型集,根据模型概率利用有向图切换规则实现模型子集与目标运动模式的匹配;引入固定滞后平滑算法,通过对状态向量扩维,将平滑问题转化为滤波问题,使得原特定时刻的目标状态在系统中停留的时间更长,增加更多的状态量测信息,让状态估计变得更加准确,并且以延迟一定时间输出来改善滤波性能;对算法进行了仿真实验分析。仿真结果表明,与基于无味有向图切换的多模型算法以及基于有向图切换的变结构多模型(digraph switch variable structure multiple model,DS-VSMM)算法相比,LS-VSMM算法在有效降低误差峰值的同时,提高了目标的跟踪精度。
- 毛少锋冯新喜文莎危璋
- 关键词：机动目标跟踪
- 改进的被动多传感器数据关联算法
- 2015年
- 针对被动传感器数据关联的问题,提出了一种基于改进量子粒子群算法的被动传感器数据关联方法。算法采用分层关联的思想,首先通过构造角度检验统计量进行方位粗关联,然后将余下的候选关联组合转化为三维分配问题,继而提出了一种改进的量子粒子群算法求解此问题。仿真实验表明,该算法能够快速消减候选关联集合的数目,快速、准确地排除虚假定位点。
- 惠军华王朝英关冬冬
- 关键词：数据关联被动传感器量子粒子群算法
- 杂波环境下多被动传感器单目标跟踪算法被引量：2
- 2012年
- 由于被动传感器只能获得目标的角度量测,因此杂波环境下基于被动传感器的关联问题较主动传感器更为困难。针对杂波环境下纯方位多被动传感器系统的单目标跟踪问题,提出了一种基于扩展卡尔曼滤波的模糊综合贴近度关联跟踪方法。该方法采用直角坐标系下多被动传感器系统的扩展卡尔曼滤波对目标进行跟踪。首先利用目标航迹的预测信息,针对每个传感器建立确认跟踪门;在获得候选关联组合后,直接利用角度信息建立各候选关联组合与角度预测值间的模糊综合贴近度,通过在所获得的全部模糊综合贴近度中寻求最优解完成量测到航迹的关联。仿真实验表明,该方法可以有效地解决杂波环境下多被动传感器系统的单目标跟踪问题。
- 李彬彬冯新喜王朝英雷雨
- 关键词：目标跟踪扩展卡尔曼滤波
- 基于星-凸形随机超曲面模型的扩展目标GM-PHD滤波器被引量：1
- 2017年
- 针对扩展目标联合估计运动状态和目标外形的问题,提出一种基于星-凸形随机超曲面模型的扩展目标高斯混合概率密度滤波算法。该算法利用星-凸随机超曲面模型对量测的扩散程度进行建模,在高斯混合概率假设密度的框架下,通过求解、更新递推量测模型下的量测似然、新息等参数来实现对扩展目标的跟踪。仿真实验表明,该算法在保证跟踪有效性和可行性的同时,提高了对扩展目标运动状态和目标外形的估计精度。
- 魏帅冯新喜王泉
- 基于自适应因子化H∞滤波的单站无源跟踪被引量：1
- 2012年
- 针对单站无源跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于自适应因子化H∞滤波的单站无源跟踪算法。该算法利用sigma点转换和鲁棒H∞滤波能够减小观测方程的线性化误差和降低观测误差不确定性的特点,通过新息控制减小野值对滤波的干扰,利用比例因子和渐消因子自适应调整采样点到中心点的距离和状态预报误差的协方差,从而克服基于UT变换的H∞滤波采样时的非局部效应问题,增强了单站无源跟踪系统对噪声的鲁棒性。仿真实验结果表明,本文方法通过对UT变换进行简化,在自适应因子化的同时,算法的计算量与基于UT变换的H∞滤波基本持平,且跟踪精度优于基于UT变换的H∞滤波算法。该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。
- 周航冯新喜陈茂
- 关键词：非线性系统H∞滤波比例因子
- 改进的“当前”统计模型自适应跟踪算法被引量：7
- 2013年
- 针对"当前"统计模型算法及其改进的算法对弱机动目标存在较大跟踪误差,同时对机动加速度极限值有依赖的缺陷。在分析传统"当前"统计模型适用范围的基础上,提出了一种改进的"当前"统计模型自适应算法。用截断正态分布来弥补修正瑞利分布的缺陷;同时在此基础上通过预测残差向量定义调整因子对模型中各参数进行自适应调整,提高了机动模型和目标运动形式的匹配程度;并对加速度均值进行了修正,使之适合于一般运动形式。最后对算法进行了仿真实验分析。结果表明,提出的模型(ACS)较经典模型(CS)及其相关改进模型(MCS)不仅弥补了对弱机动目标的跟踪的不足,对强机动目标的跟踪精度也有较大程度的提高。
- 刘玉磊冯新喜叶杨王莹凯
- 关键词：机动目标跟踪
- 基于迭代积分卡尔曼PHD滤波多目标跟踪被引量：1
- 2016年
- 在多目标跟踪环境下,通过对数值积分卡尔曼概率假设密度滤波器(QK-PHD)的误差分析,提出一种迭代QK-PHD算法。该算法基本思想是将一步预测作为第1次迭代的初始值,通过量测更新得到状态估计,然后将此状态估计作为下一步迭代的初始均值和方差。通过多次迭代后滤波输出精度更高方差更小。Matlab仿真结果表明,在不明显增加计算时间的基础上,迭代QK-PHD比QK-PHD的跟踪效果更加明显,滤波输出精度更高。
- 穆祥强王朝英危璋孔云波
- 关键词：多目标跟踪状态估计数值积分概率假设密度滤波
- 多无源传感器去相关数据关联算法被引量：4
- 2014年
- 对基于多维分配模型的多无源传感器(Multi-passive-sensor system,MPSS)多目标数据关联算法进行了归纳分析,指出该模型不仅忽略了极大似然估计所引入的随机误差,而且未充分考虑量测与伪量测之间的相关性.继而建立了一种去相关修正数据关联模型,并提出利用无迹变换计算二者之间的互协方差.另外定义了概念"解的区分度"来评估关联代价构造的合理性.最后进行了仿真实验,结果表明去相关后的关联代价能更精准地反映数据关联的可能性,所提关联算法运算时间有所增加,但关联性能更佳.
- 鹿传国冯新喜孔云波张迪
- 关键词：数据关联去相关
- 基于数值积分粒子PHD多目标跟踪滤波算法
- 2015年
- 在多目标跟踪环境下,粒子概率假设密度(P-PHD)因杂波、漏检和非线性情况,导致滤波精度不高,跟踪发散,对此问题提出一种基于数值积分粒子概率假设密度滤波算法。利用数值粒子滤波(QPF)实现概率假设密度(PHD),用数值卡尔曼滤波(QKF)算法得到更好的重要性密度函数,并从中采样得到粒子,使粒子的分布更接近真实的概率假设密度分布。试验仿真表明,与粒子概率假设密度和容积粒子概率假设密度滤波算法相比,所提算法的滤波精度和稳定性明显提高。
- 穆祥强王朝英危璋孔云波
- 关键词：多目标跟踪概率假设密度滤波随机有限集
