菜单
　　

    thus obtains certain laws, on the basis of the statistical law, by setting some adaptive threshold, remove clutter.
       In the following two aspects: (1) interactive multiple model is used to solve the problem of large scope of target maneuver; (2) the dynamic clutter statistical method, by establishing the dynamic clutter map, clutter processing environment. Dynamic clutter map is by using the statistical method of multiple cycle through statistics in a certain time echo the position, speed, quantity, density, amplitude, the information such as SNR, thus obtains certain laws, on the basis of the statistical law, by setting some adaptive threshold, remove clutter.
    Keywords  Target tracking, an interactive multiple model, maneuvering motion model, kalman filtering, noise statistics
    目录
    1  绪论    7
    1.1  课题研究背景及意义    7
    1.2  国内外研究现状    8
    1.3  本文结构    8
    2  目标跟踪模型及kalman滤波    9
    2.1  目标跟踪模型    9
    2.1.1  匀速模型(CV)    9
    2.1.2  匀加速模型(CA)    10
    2.1.3  Singer模型    10
    2.1.4  恒速率转弯模型（CT）    12
    2.1.5 “当前”统计模型（CS）    12
    2.2 卡尔曼滤波    13
    3  交互式多模型（IMM）算法及IMM算法的参数设置    16
    3.1  交互式多模型（IMM）算法    16
    3.1.1  交互(混合)概率的计算    16
    3.1.2  状态估计的交互(混合)计算    17
    3.1.3  模型条件滤波及模型似然计算    17
    3.1.4  模型概率更新    18
    3.1.5  状态估计组合    18
    3.2  IMM算法的参数设置    18
    4  杂波处理动态杂波技术    19
    5 试验分析    23
    5.2 实测数据试验    33
    6 结论与展望    39
    致 谢    40
    参考文献42
    1  绪论
    1.1  课题研究背景及意义
    20世纪30年代，雷达在军事上的应用让世界各国开始对机动目标跟踪技术产生了广泛的关注。而现在目标跟踪技术在汽车、民航等方面具有也重大应用价值，使该问题成为了国内外研究的热点。以卡尔曼滤波(Kalman Filters )[1]为代表的仅仅应用唯一的模型是难以正确的去跟踪机动的运动目标，为克服单一模型跟踪机动目标时有较大的精确误差的局限性必须要有新的算法。而如果我们采用新的估计方法，也就是多模型估计的方法效果要号一些。多模型估计(MME)方法在单模型的基础上能够十分有效地解决混合系统中系统的结构由于参数不明确以及改变而引起的跟踪的问题，用多个模型的滤波器进行并行运行的一个确定的联合，被叫做总体估计，实际上就是加权了所有模型，是一种自适应估计算法。第一代的多模型算法(静态多模型SMM)[2]能够一定程度上能提高精确度，但该方法的缺点是没有把各个模型有机联系起来从而导致跟踪精度和收敛速度并不十分令人满意。在此基础上，Blom和Bar-Shalom共同提出了交互式的多模型算法(IMM)[3]。通过引入Markov状态转移概率矩阵和模型集，使得运动过程的模型匹配过程中模型集中的各运动模型之间进行交互且是并行运行,从而可以达到更高的精确度和较快的收敛速度，进一步使机动目标理论研究得到了突破性发展。被公认是在实际应用中较好的跟踪算法，具有自适应的特点，在跟踪的过程中对各个模型加权来形成最终的状态估计结果，而且在滤波的同时还能够有效及时的对各个模型的概率进行实时更新，实现对实际运动模式频繁切运动过程运动目标的跟踪。IMM其优势在于：自适应能力比GPB1的强；而且就综合衡量进度和计算量的平衡下要优于相二阶伪贝叶斯方法计算量（GPB2）[4]。
  1. 上一篇：基于net-snmp的SNMP Agent开发与实现
  2. 下一篇：基于数学形态学的高分辨率遥感影像道路提取

  1. Hadoop云计算环境下的Web应用日志安全威胁分析

  2. 云虚拟环境下资源分配优化算法的研究

  3. 网络环境下电子报纸开发利用现状及模式研究

  4. 网络外部性下电子商务网...

  5. Android平台下电话区号查询系统的实现

  6. C#+SQLserver农业环境信息管理系统设计与实现

  7. Linux环境下远程管理平台基础程序设计与实现

  8. 酸性水汽提装置总汽提塔设计+CAD图纸

  9. 电站锅炉暖风器设计任务书

  10. 十二层带中心支撑钢结构...

  11. 河岸冲刷和泥沙淤积的监测国内外研究现状

  12. 中考体育项目与体育教学合理结合的研究

  13. java+mysql车辆管理系统的设计+源代码

  14. 大众媒体对公共政策制定的影响

  15. 杂拟谷盗体内共生菌沃尔...

  16. 乳业同业并购式全产业链...

  17. 当代大学生慈善意识研究+文献综述

　　

About

751论文网手机版...

主页：http://www.751com.cn

关闭返回