目標(biāo)跟蹤ppt課件(已修改)
2025-05-13 22:17 本頁面
【正文】 目標(biāo)跟蹤問題基礎(chǔ)及算法概述 自動化學(xué)院 參考文獻(xiàn)： [1] X. RONG LI. A Survey of maneuvering targettracking part I Dynamic Models. IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS VOL. 39, NO. 4 OCTOBER 2022 [2]韓崇昭等 . 《 多源信息融合 》 . 清華大學(xué)出版社 ,2022 線性估計算法 1） Kalman濾波算法 2）最小二乘估計算法 3）多模型估計算法 三、狀態(tài)估計算法 線性估計算法 1） Kalman濾波算法 略 2）最小二乘估計算法 （ a）線性加權(quán)最小二乘估計 : 設(shè)待估計量 x與實測值 的聯(lián)合分布 是正態(tài)的，測量方程是線性的，即 其中 是獨(dú)立于 x的、零均值正態(tài)變量。故有 Fx??YVFx?YY ( , )fxYVv a r ( ) Ty x vP F P F P? ? ?Yc o v ( , ) Txx P F?Ycov ( , ) xx F P?Y三、狀態(tài)估計算法 2）最小二乘估計算法 （ a）線性加權(quán)最小二乘估計 : 由第四章知識得， x的線性最小方差估計為 1? ( ) ( )TTL x x vx x P F F P F P F x?? ? ? ?Y1 1 1 1 11 2 3 1 2 4 1 2 4 3 2 4( ) ( )A A A A A A A A A A A A? ? ? ? ?? ? ?1 1 1 1 1? ( ) ( )TTL x v x vx P F P F P x F P? ? ? ? ?? ? ? Y1 1 1()LTx x vP P F P F? ? ???由如下恒等式 1()LTTx x x x v xP P P F F P F P F P?? ? ?得 三、狀態(tài)估計算法 2）最小二乘估計算法 （ a）線性加權(quán)最小二乘估計 : 當(dāng)對 x的驗前信息一無所知，即 時，有 1 1 1? ?l im ( )xTTL S L v vPx x F P F F P? ? ????? Y1 1 11 1 1? ()()TTLS v vTTvvE x F P F F P EF P F F P F x x? ? ?? ? ????Y此 定義為 x的 線性加權(quán)最小二乘估計 ，簡稱加權(quán)最小二乘估計。 ?LSx11v a r ( ) l im ( )L S L LxTx L S x v xPP x P F P F P????? ? ? ?又 xP ??所以最小二乘估計也是無偏估計。 三、狀態(tài)估計算法 2）最小二乘估計算法 可見 是在線性測量下，缺少驗前信息時的最小方差估計。 ?LSLSxvxPP???? ???Y又，若 ，則有 即各次測量分別是個狀態(tài)分量加測量誤差的形式時，狀態(tài)的最小二乘估計即為測量序列本身，而估計的精度就是測量儀器的精度。 欲使估計精度提高，必須使 F變?yōu)楦?維矩陣 ，也就是說，必須進(jìn)行多次測量。 ?LSxFI?三、狀態(tài)估計算法 2）最小二乘估計算法 （ 2）等權(quán)最小二乘估計 : 若令 為同一常數(shù)構(gòu)成的對角陣，即 vPI??1? ()TTL S Qx F F F?? Y式中 為常數(shù)，則相應(yīng)的加權(quán)最小二乘估計 稱為等權(quán)最小二乘估計，簡稱最小二乘估計，記為 ，且 ?xP并且，仍有 ?LSx?LSQx?LSQxx?為無偏估計。 三、狀態(tài)估計算法 2）最小二乘估計算法 由等權(quán)最小二乘估計的定義可見，只要 存在，相應(yīng)的 均是無偏估計，若取
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1