导读:本文包含了多模型算法论文开题报告文献综述及选题提纲参考文献，主要关键词:航迹滤波,当前统计模型,交互多模型,自适应容积卡尔曼滤波算法
多模型算法论文文献综述
杜云,张静怡[1]（2019）在《基于自适应容积卡尔曼滤波的交互多模型算法》一文中研究指出ADS-B航迹处理主要包括航迹数据滤波和滤波后数据可靠性的判断。飞机飞行运动复杂,而报文需要在飞行过程中向外界发送,此时报文会受到来自外界的影响和干扰,从而使航迹信息出现误差或丢失。为提高ADS-B航迹报文的准确性,文章采用了交互多模型滤波算法,将自适应容积卡尔曼滤波器作为交互多模型滤波算法的滤波器,并将当前统计模型作为交互多模型的子模型。仿真结果表明,论文改进的算法提高了滤波算法的滤波性能,相较于传统的交互多模型滤波算法具有更高的滤波精度。(本文来源于《科技创新与应用》期刊2019年25期）
石章松,刘健,张渝缘[2]（2019）在《引入速率量测的高速机动目标跟踪多模型算法》一文中研究指出在机动目标跟踪定位问题中,引入参考加速度的跟踪算法对目标定位跟踪精度高、效果好,但在目标发生高速机动时,其跟踪误差较大,收敛速度慢。针对这种情况,提出一种引入速率量测的自适应性圆周运动跟踪算法,并通过建立一种模型结构变换机制,将两者算法有效结合,构成一种变结构多模型算法(Variable Structure Multiple Model,VSMM)。在高机动条件和典型反舰导弹攻击航路下对算法进行仿真实现,证实了该算法相比于引入参考加速度跟踪算法,跟踪精度较高,收敛速度更快,具有一定工程实践指导意义。(本文来源于《火力与指挥控制》期刊2019年03期）
王尔申,翟秋刚,徐嵩,庞涛,曲萍萍[3]（2019）在《基于改进交互式多模型算法的ADS-B航迹滤波方法研究》一文中研究指出针对广播式自动相关监视(ADS-B)航迹跟踪精度低以及目标跟踪模型与目标运动模型匹配效率低的问题,结合自适应算法对经典交互多模型(IMM)算法的运动模型集进行改进。将经典交互模型(IMM)运动模型集中的匀加速运动(CA)模型,改进为"当前"统计模型(CS)和修正转弯(MCT)模型。利用改进的模型集对目标当前位置、速度和加速度进行滤波估计。并对模型转移概率进行修正,提高IMM算法的自适应能力,实现快速目标跟踪。利用模拟航迹数据及实际设备接收的实测数据对算法进行验证。结果表明:运动模型集改进后的IMM算法滤波结果优于经典IMM算法,跟踪结果稳定,改进的算法可适应复杂的目标航迹实时跟踪。(本文来源于《电光与控制》期刊2019年04期）
吴怡,卢宙,曹鹏,蔡云泽[4]（2018）在《基于一致性滤波的变结构多模型算法》一文中研究指出针对多UAV的分布式协同机动目标跟踪问题,提出了基于分布式一致性策略的变结构多模型估计方法.仿真结果表明,该方法很好地解决了在分布式结构中节点之间的估计存在偏差的问题.针对变结构多模型算法采用固定转移概率矩阵导致模型切换缓慢、跟踪精度下降的问题,采用模型转移概率自适应技术,利用隐含在当前量测中的系统模式信息,获得了较准确的后验估计,从而提高融合精度.(本文来源于《2018中国自动化大会(CAC2018)论文集》期刊2018-11-30）
包守亮,程水英[5]（2018）在《基于Bayesian-Fisher混合模型改进的交互式多模型算法》一文中研究指出针对交互式多模型算法(interacting multiple model,IMM)存在模型集设计困难的问题,提出一种改进的IMM算法。该算法将当前统计模型(current statistical,CS)融入到Bayesian-Fisher混合模型中,实现对加速度均值的在线自适应调整,从而提高对过程噪声协方差的估计精度,减少模型失配。同时,对匀速模型(constant velocity,CV)进行改进,并将改进的CS、CV模型在IMM算法的体系下进行交互。仿真结果表明,改进的IMM算法能快速响应目标状态的变化,取得优于IMMCVCA、IMMCVCS、IMMCVCACT以及IMMCVSTMIE的跟踪性能。(本文来源于《弹箭与制导学报》期刊2018年01期）
戴洪德,方君,唐亮,王希彬[6]（2018）在《高超声速机动目标的强跟踪UKF自适应交互多模型算法》一文中研究指出针对高超声速强机动目标的运动具有复杂性、突变性和强非线性等特点,单模型跟踪算法难以实现精确跟踪的问题,提出了一种基于多重渐消因子的强跟踪UKF自适应交互多模型算法。考虑现有强跟踪UKF算法引入单渐消因子的不足,根据正交性原理推导得到了引入多渐消因子的强跟踪UKF算法,完成了对非线性目标状态的滤波估计;在交互多模型算法的子模型中选用改进的CS-Jerk模型;对交互多模型中各子模型间的转移概率进行在线自适应调整,并与改进CS-Jerk模型结合克服了单模型算法跟踪强机动目标的不足,实现了模型与目标运动模式的实时最优匹配。仿真结果表明,与单模型算法和经典多模型算法相比,提出的算法使得不同条件下位置和速度的跟踪误差至少降低11.89%,有效提高了高超声速强机动目标跟踪精度。(本文来源于《中国惯性技术学报》期刊2018年03期）
高学泽[7]（2018）在《基于交互式多模型算法的高速列车定位系统研究》一文中研究指出精确的位置信息是高速列车实现安全高效运营的基础。以轨道电路法、查询/应答器定位、电子计轴器定位为代表的经典定位方法已不能满足这种需求;以GPS为代表的卫星定位方法虽然精度高、实时性好,但是它完全依赖于外界信号传输的特点使其在安全性和可靠性上存在巨大不足。本文对上述方法和基于TDOA定位原理的LTE-R定位系统进行了简要分析,着重研究滤波算法对定位精度的影响。滤波算法作为高速列车定位系统的重要组成部分,直接影响着系统最终的定位精度。在已有的相关研究中,重点通常集中在对牛顿迭代法、最小二乘法、Kalman滤波算法等经典滤波算法的使用或改进上,此外在仿真验证中所使用的高速列车运动模型大多为单一模型,未考虑它实际运动方式的多样性。因此本文在扩展卡尔曼滤波(Extended Kalman Filter,EKF)和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的基础上结合广泛应用在航天航空等高机动目标跟踪/定位(本文中“跟踪”与“定位”同义,都为获得目标的位置信息)领域中的交互式多模型(Interacting Multiple Model,IMM)算法来提高滤波精度,进而提升高速列车定位系统的性能。论文的主要工作如下:(1)首先结合机动目标跟踪算法的基本理论和高速列车的运动特点,建立匀速直线运动(Constant Velocity,CV),匀加速直线运动(Constant Acceleration,CA),匀速率转弯(Coordinated-velocity Turn,CT)这叁种运动模型,它们是提高滤波精度的基础,然后介绍了EKF和UKF这两种常用的滤波算法,最后在设定的仿真环境中对它们进行对比实验和分析,结果表明,在高速列车同时具有CV、CA、CT叁种运动方式时,这两种滤波算法所得到定位结果有较大误差,为后文的改进算法提供了理论依据。(2)对比分析IMM-EKF和IMM-UKF这两种算法在高速列车定位系统中的滤波性能。为了适应高速列车运动方式的多样性,在分析IMM算法原理的基础上,将其分别与EKF和UKF算法结合设计形成IMM-EKF和IMM-UKF算法,并对它们进行了仿真分析。结果表明与基于单模型的EKF和UKF算法相比它们减小了滤波误差,提高了定位精度,其中IMM-UKF算法的精度要高于IMM-EKF算法。但是这些算法存在着在模型切换时刻前后误差增大的问题。(3)通过对算法的改进,减小了在模型切换时刻前后的误差。首先详细分析了造成IMM-EKF和IMM-UKF算法在模型切换时刻前后误差增大的原因,然后在此基础上提出了使用后验信息修正马尔可夫概率转移矩阵中各元素的AMP-IMM(Adaptive Markov Parameter Interacting Multiple Model)算法,该算法克服了马尔可夫矩阵中各元素为定值的弊端,最后在仿真实验中的对比分析表明,它在继承IMM-UKF算法优点的同时,减小了模型切换时刻前后的滤波误差,进而提高了相应时间段内的定位精度。以上研究内容通过理论和仿真实验相结合的方式,证明了IMM算法作为高速列车定位系统中滤波算法的优越性,为实现高速列车实时、精准定位提供了新的滤波算法。(本文来源于《兰州交通大学》期刊2018-06-15）
纪娜[8]（2018）在《基于自适应交互式多模型算法的电力系统负荷建模研究》一文中研究指出电力负荷作为电力系统四大元件之一,准确的负荷模型能够正确地进行电力系统仿真和安全稳定评估。鉴于电力负荷的分布性、时变性和复杂性,准确负荷建模已成为当前电力系统领域亟待解决的重要难题。特别是随着电网规模的不断扩大和负荷种类的日渐丰富,存在着负荷模型结构单一、建模时效性低等问题。本文从负荷模型遴选、最优负荷模型的输入交互与信息融合叁个方面入手,深入研究基于自适应交互式多模型算法的负荷建模理论,构建一种新的负荷建模体系。具体包括以下几个方面的内容:(1)为了克服复杂负荷模型集造成的模型竞争,研究如何在负荷模型集中遴选出与实际系统最匹配的模型参与交互。在确定负荷模型集的基础上对模型集参数进行初始化;根据负荷特性对各模型进行状态估计,计算各模型与实际系统间的误差;由新息误差计算归一化新息平方和,并据此进行负荷模型遴选,确定最优负荷模型集。(2)在负荷模型遴选产生的最优负荷模型集的基础上,深入研究如何在最优负荷模型中进行模型间的输入交互。利用各负荷模型之间的马尔可夫转换系数和模型权重计算各模型的混合概率,进而计算各模型在各个时刻的混合状态估计值与混合协方差,获得最优负荷模型交互结果。(3)研究如何对各模型进行信息融合,产生与实际系统相匹配的负荷模型。根据交互结果对各模型进行状态估计,获取下一时刻的状态值与协方差;按照各模型与实际系统的匹配程度更新各模型权重;对状态估计结果按权重更新情况进行加权融合与输出。采用PSCAD进行负荷模型的搭建与故障仿真,利用MATLAB软件进行基于自适应交互式多模型算法的复杂负荷建模仿真;对负荷模型的遴选、最优负荷模型的输入交互和信息融合进行验证。仿真结果表明,基于自适应交互式多模型算法的负荷建模能有效解决负荷模型的时变问题,对电力系统建模的深入研究具有重要的理论与现实意义。(本文来源于《山东大学》期刊2018-05-02）
陈伟,吴布托,裴喜平[9]（2018）在《风电机组异常数据预处理的分类多模型算法》一文中研究指出针对风电机组异常风速-功率数据的产生原因和分布特点进行分析,提出一种异常数据分类多模型算法。对不同类别异常数据建立弃风、4分位和模糊C均值数据处理模型,识别弃风产生数据、离群孤立点数据、偏差簇数据,并利用3次样条方法修正异常风速点。运用该方法对甘肃酒泉风电场和美国Wisconsin州Butler Ridge风电场历史数据进行数据预处理,采用RBF网络对处理前后的数据进行风速预测。预测结果表明,经过识别并剔除异常风电机组数据后风速预测精度可提高1%~3%,说明该方法有效剔除了风电场异常数据,对风电场风速预测有一定的应用价值。(本文来源于《电力系统及其自动化学报》期刊2018年04期）
张园,董受全,刘淑波,初俊博[10]（2018）在《基于S修正RBUKF的自适应网格交互式多模型算法》一文中研究指出针对观测方程为非线性,状态方程为线性,且噪声为加性情况下的机动目标跟踪问题,应用Rao-Blackwellised UKF(RBUKF)算法滤波并对其进行了s修正,在此基础上,采用自适应网格(AG)方法对模型集进行自适应调整,得到一种基于S修正RBUKF的自适应网格交互式多模型(SRBUKF-AGIMM)算法。对二维蛇形机动目标跟踪的仿真结果表明,该算法与固定结构多模型(FSMM)算法相比,可在计算量相当的情况下大幅提高跟踪精度,大幅提高算法的费效比。(本文来源于《火力与指挥控制》期刊2018年01期）
多模型算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在机动目标跟踪定位问题中,引入参考加速度的跟踪算法对目标定位跟踪精度高、效果好,但在目标发生高速机动时,其跟踪误差较大,收敛速度慢。针对这种情况,提出一种引入速率量测的自适应性圆周运动跟踪算法,并通过建立一种模型结构变换机制,将两者算法有效结合,构成一种变结构多模型算法(Variable Structure Multiple Model,VSMM)。在高机动条件和典型反舰导弹攻击航路下对算法进行仿真实现,证实了该算法相比于引入参考加速度跟踪算法,跟踪精度较高,收敛速度更快,具有一定工程实践指导意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多模型算法论文参考文献
[1].杜云,张静怡.基于自适应容积卡尔曼滤波的交互多模型算法[J].科技创新与应用.2019
[2].石章松,刘健,张渝缘.引入速率量测的高速机动目标跟踪多模型算法[J].火力与指挥控制.2019
[3].王尔申,翟秋刚,徐嵩,庞涛,曲萍萍.基于改进交互式多模型算法的ADS-B航迹滤波方法研究[J].电光与控制.2019
[4].吴怡,卢宙,曹鹏,蔡云泽.基于一致性滤波的变结构多模型算法[C].2018中国自动化大会(CAC2018)论文集.2018
[5].包守亮,程水英.基于Bayesian-Fisher混合模型改进的交互式多模型算法[J].弹箭与制导学报.2018
[6].戴洪德,方君,唐亮,王希彬.高超声速机动目标的强跟踪UKF自适应交互多模型算法[J].中国惯性技术学报.2018
[7].高学泽.基于交互式多模型算法的高速列车定位系统研究[D].兰州交通大学.2018
[8].纪娜.基于自适应交互式多模型算法的电力系统负荷建模研究[D].山东大学.2018
[9].陈伟,吴布托,裴喜平.风电机组异常数据预处理的分类多模型算法[J].电力系统及其自动化学报.2018
[10].张园,董受全,刘淑波,初俊博.基于S修正RBUKF的自适应网格交互式多模型算法[J].火力与指挥控制.2018
标签：航迹滤波; 当前统计模型; 交互多模型; 自适应容积卡尔曼滤波算法;