导读:本文包含了交互式多模型滤波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:多普勒盲区,交互式多模型,粒子滤波,目标连续跟踪
交互式多模型滤波算法论文文献综述
韩伟,何成伟,朱沛[1]（2019）在《多普勒盲区条件下的交互式多模型粒子滤波算法》一文中研究指出机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹暂消和重起批甚至断批。针对多普勒盲区条件下的目标连续跟踪问题,提出了一种基于交互式多模型的盲区粒子滤波(Interacting Multiple Model-Blind Doppler Particle Filtering, IMM-BDPF)算法。该算法将多普勒盲区的先验信息并入到IMM-PF中,在模型集中的每个运动模型上分别完成盲区粒子滤波,再进行交互式处理,得到盲区内的目标状态估计值。仿真结果表明该算法对盲区内做机动的目标具有较高的状态估计精度,解决了多普勒盲区条件下的机动目标连续跟踪问题。(本文来源于《火控雷达技术》期刊2019年02期）
杨佳义[2]（2019）在《交互式多模型Kalman滤波算法的研究》一文中研究指出现代雷达在进行目标跟踪时常常采取卡尔曼滤波作为滤波方法,此种滤波方法只适用于单目标单一运动模型,对于高机动目标的预测结果往往不尽人意。因此文章针对高机动目标采用交互式多模型滤波方法。模拟叁种运动方式,匀速,慢加速,快加速过程。采用叁种不同运动模型对目标航迹进行滤波。并对真实航迹,观测航迹,滤波航迹进行对比,并对此种滤波方法进行性能分析。(本文来源于《科技创新与应用》期刊2019年01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）
董祥祥,郭正玉,蔡云泽[4]（2018）在《基于交互式多模型的集合容积卡尔曼(IMM-EnCKF)滤波算法》一文中研究指出针对基于传统集合卡尔曼滤波(Enkf)算法的非线性机动目标跟踪精度低、滤波发散等问题,提出一种基于交互式多模型的集合容积卡尔曼滤波(IMM-EnCKF)跟踪算法。采用集合预报的思想,对每个初始集合进行容积采样,通过叁阶球面-相径容积规则近似状态后验均值和方差,构造集合容积卡尔曼滤波器;再将该滤波器用于交互式多模型框架。仿真结果表明,在非线性机动目标跟踪问题中,该算法比集合卡尔曼滤波算法的滤波精度更高,且在目标发生机动时,能以更短的时间跟踪上目标。验证了该算法的可行性和有效性。(本文来源于《2018中国自动化大会(CAC2018)论文集》期刊2018-11-30）
刘叶楠,张峰[5]（2018）在《一种改进的交互式多模型粒子滤波算法》一文中研究指出在实际的目标跟踪与识别的过程中,机动目标的跟踪不仅受非线性和非高斯现象的影响,而且它所采用的交互式多模型粒子滤波算法还存在着粒子权值退化和重要性密度函数选择的问题,导致跟踪误差较大。针对这一问题,提出了一种交互式的多模型的迭代容积粒子算法。该算法通过融合最新量测值产生更加接近系统的真实值,从而使粒子利用率得到进一步的提高。此外为了解决粒子的多样性减少的问题,还引入了MCMC重采样方法。仿真的结果表明,对于机动目标的跟踪与识别,改进的算法的精度要比IMM-PF算法的精度高、误差小,且通过改进的算法得到的重要性密度函数更加接近系统的后验概率分布。(本文来源于《机械与电子》期刊2018年09期）
司阳,肖秦琨[6]（2018）在《基于交互式多模型Kalman滤波的手势跟踪算法》一文中研究指出针对任意变形手势跟踪过程中,手势运动轨迹方向发生改变时,传统滤波跟踪算法跟踪精度迅速下降的问题,提出了一种基于交互式多模型Kalman滤波的改进型手势跟踪算法。该算法在传统非机动状态空间模型的基础上增添了两个机动模型,以更加准确的描述手势的状态空间。首先采用叁个不同模型分别描述不同的目标运行模式;同时,以模型匹配似然函数为基础更新模型概率;最终组合所有滤波器修正后的状态估计值以得到最优状态估计。实验对比结果表明,该算法能够取得较高地跟踪精度。(本文来源于《科学技术与工程》期刊2018年22期）
冉娜,乔雪[7]（2018）在《交互式多模型七阶容积卡尔曼滤波算法》一文中研究指出为提高非线性机动目标的跟踪精度,提出交互式多模型七阶容积卡尔曼滤波(IMM-7th CKF)算法。采用对非线性系统滤波效果更好的七阶容积卡尔曼滤波(7th CKF)作为交互式多模型(IMM)算法的子滤波器,对各模型状态进行估计,将IMM算法和7th CKF结合起来,提高对非线性机动目标的跟踪效果,最后采用典型机动目标跟踪问题验证IMM-7th CKF的跟踪性能。仿真结果表明,IMM-7th CKF相比交互式多模型容积卡尔曼滤波(IMM-CKF)和交互式多模型五阶容积卡尔曼滤波(IMM-5th CKF)具有更高的滤波精度。(本文来源于《电子测量与仪器学报》期刊2018年06期）
刘悄然,杨训[8]（2018）在《基于改进的交互式多模型粒子滤波算法》一文中研究指出针对交互式多模型粒子滤波算法中因采样粒子缺乏最新量测信息而造成的滤波精度受限问题,在混合卡尔曼粒子滤波算法的基础上,对交互式多模型粒子滤波算法进行了改进,提出了交互式多模型混合卡尔曼粒子滤波算法,并研究了不同组合方式对跟踪精度的影响。首先用无迹卡尔曼滤波产生系统的状态估计,然后用扩展卡尔曼滤波得到粒子的重要性建议分布,充分利用量测信息,对粒子状态进行更新。仿真结果表明,所提出的改进交互式多模型粒子滤波算法目标跟踪精度优于交互多模型无迹卡尔曼粒子滤波算法以及交互多模型扩展卡尔曼粒子滤波算法,从而证明了该算法的有效性。该方法对于进一步提高非线性、非高斯环境下机动目标的跟踪精度具有重要意义。(本文来源于《西北工业大学学报》期刊2018年01期）
周卫东,刘璐,唐佳[9]（2018）在《基于模糊逻辑的交互式多模型滤波算法》一文中研究指出针对交互式多模型(IMM)滤波算法在对反舰导弹的"蛇形"机动方式进行跟踪时收敛速度慢、滤波精度低的问题。在叁维空间内,假定目标以匀速直线和"蛇形"机动2种方式进行运动,以相对距离和视线角为观测信息,对IMM滤波算法的模型概率更新模块进行改进,提出了基于模糊逻辑的交互式多模型(FLIMM)滤波算法。通过仿真对比分析,改进后的算法能够有效地提高收敛速度,进而获得更高的跟踪精度。(本文来源于《北京航空航天大学学报》期刊2018年03期）
谢会来,刘以安,王刚,彭愫[10]（2016）在《高斯混合交互式多模型容积信息滤波算法》一文中研究指出针对机动目标跟踪中由于目标机动使系统的非线性强度增大,导致系统的线性误差增大和跟踪精度明显下降、甚至发散的问题,提出了基于高斯混合的交互式多模型容积信息滤波(GMIMM-CIF)算法,实现对机动目标的精确跟踪。新算法在每次输入交互之后,保留概率较大的几个假设,并利用一个高斯混合项替换最优多模型算法中剩余的假设,从而使算法中假设的数量保持恒定;用容积信息滤波器(CIF)代替传统的非线性滤波器,通过估计信息状态向量和信息矩阵而不是估计状态向量和协方差,可以减小系统的非线性误差。通过仿真对比实验,验证了该算法可以提高机动目标的跟踪精度。(本文来源于《传感器与微系统》期刊2016年10期）
交互式多模型滤波算法论文开题报告
（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：
现代雷达在进行目标跟踪时常常采取卡尔曼滤波作为滤波方法,此种滤波方法只适用于单目标单一运动模型,对于高机动目标的预测结果往往不尽人意。因此文章针对高机动目标采用交互式多模型滤波方法。模拟叁种运动方式,匀速,慢加速,快加速过程。采用叁种不同运动模型对目标航迹进行滤波。并对真实航迹,观测航迹,滤波航迹进行对比,并对此种滤波方法进行性能分析。
（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。
交互式多模型滤波算法论文参考文献
[1].韩伟,何成伟,朱沛.多普勒盲区条件下的交互式多模型粒子滤波算法[J].火控雷达技术.2019
[2].杨佳义.交互式多模型Kalman滤波算法的研究[J].科技创新与应用.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].董祥祥,郭正玉,蔡云泽.基于交互式多模型的集合容积卡尔曼(IMM-EnCKF)滤波算法[C].2018中国自动化大会(CAC2018)论文集.2018
[5].刘叶楠,张峰.一种改进的交互式多模型粒子滤波算法[J].机械与电子.2018
[6].司阳,肖秦琨.基于交互式多模型Kalman滤波的手势跟踪算法[J].科学技术与工程.2018
[7].冉娜,乔雪.交互式多模型七阶容积卡尔曼滤波算法[J].电子测量与仪器学报.2018
[8].刘悄然,杨训.基于改进的交互式多模型粒子滤波算法[J].西北工业大学学报.2018
[9].周卫东,刘璐,唐佳.基于模糊逻辑的交互式多模型滤波算法[J].北京航空航天大学学报.2018
[10].谢会来,刘以安,王刚,彭愫.高斯混合交互式多模型容积信息滤波算法[J].传感器与微系统.2016