《變結(jié)構(gòu)目標(biāo)跟蹤》ppt課件-預(yù)覽頁
【正文】 目錄 ? 一 .摘要 ? 二 .研究 背景及意義 ? 三 .國內(nèi)外的發(fā)展現(xiàn)狀 ? 四 .變結(jié)構(gòu) 多 模型 算法的提出和必要性 ? 五 .VSMM 算法 的基本原理及 探索 ? 六 .總結(jié)與 展望 ? 七 .參考文獻(xiàn) 一 .摘要 目標(biāo)跟蹤技術(shù)現(xiàn)今已被廣泛應(yīng)用于軍事防空系統(tǒng)、戰(zhàn)場監(jiān)視，民航空中管制，汽車導(dǎo)航等領(lǐng)域。 二 .研究背景及意義 1) 目標(biāo)跟蹤的概念 目標(biāo) 跟蹤是利用探測器 (雷達(dá)、聲納、紅外等 )所獲得的運動目標(biāo) (飛機(jī)、坦克、艦艇等 )量測，對目標(biāo)的運動狀態(tài) (位置、速度、加速度等 )進(jìn)行估計和跟蹤的方法。 機(jī)動目標(biāo) 跟蹤是指 目標(biāo) 速度的大小和 方向 都 發(fā)生變化 時的跟蹤 ， 如果用一般 的 跟蹤算法會 產(chǎn)生很大的誤差 。 多模型算法是在同一時刻同時使用 多個模型，各模型基于其匹配濾波器 同時并行工作，最終的整體估計值是 對各個濾波器的估計值進(jìn)行加權(quán)得到的。解決這個問題的一個方法就是擴(kuò)大模型集合，但這就帶來了一個新的問題，算法需要大量的模型 來保證跟蹤精度，但是一個龐大的模型 集合必然會使得算法的計算量大大增加， 并且來自過多模型的不必要的競爭也會 使算法的性能下降。但是其加速度均勻分布的假設(shè)與實際情況存在較大出入，若加速度變化較大則 Singer 模型就不很適用了。 上述方法都是基于單模型的機(jī)動 目標(biāo)跟蹤算法。 交互式多模型 （ IMM ） 算法是在機(jī)動目標(biāo)跟蹤領(lǐng)域 常用 算法之一，也是固定結(jié)構(gòu)多模型（ FSMM）算法的典型代表。 四 .變結(jié)構(gòu) 多 模型算法的提出和必要性 變結(jié)構(gòu)控制是前蘇聯(lián)學(xué)者 Eme1yanov、Utkin和 Itkin在六十年代初提出的一種設(shè)計方法。 這些 FSMM 算法能在處理一些能用一個小容量模型集合就能描述的理論問題時表現(xiàn)較好。 2) FSMM 算法使用大量的模型雖然可以保證與目標(biāo)實際運動模式不完全失配。 ? 因為這些局限性的存在， 1992年，X. R. Li 做出了突破多模型算法固定結(jié)構(gòu)的嘗試，在不受固定結(jié)構(gòu)模型集合的限制下，創(chuàng)立了變結(jié)構(gòu)多模型（ VSMM）算法的理論基礎(chǔ)，用更具有普遍性的VSMM 算法框架描述了 MM 算法。 這個模型集合可以通過模型集合自適應(yīng)（ ModelSet Adaptation）來得到。這是算法的決策部分。只是它是在由 模型集合自適應(yīng)得到的模型集合的 基礎(chǔ)上進(jìn)行的。 這也是目前唯一能用于混合估計問題的 算法，是 RAMS 模型集合自適應(yīng)的 典型方法 。 3基于模型集合序列似然比檢測的 VSMM 算法 算法流程如下 4 變結(jié)構(gòu)多模型聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)（ Variable Structure MultipleModel Joint Probability Data Association, VSMMJPDA）算法。 文獻(xiàn) [18]給了相關(guān)仿真驗證結(jié)果，通過結(jié)果分析盡管目標(biāo)的運動比較簡單，但是跟蹤效果明顯地比單目標(biāo)的時候要差，但是對比傳統(tǒng) IMMJPDA 有了提高。主要研究成果現(xiàn)概括如下： （ 1） 研究了機(jī)動目標(biāo)跟蹤的基本要素， 并詳細(xì)闡述了交互式多模型算法的原理。并對該算法和傳統(tǒng)的 IMM 算法進(jìn)行了比較，驗證了該算法的有效性和優(yōu)勢。 如何更好地對機(jī)動目標(biāo)進(jìn)行跟蹤是一個很重要
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1