變結(jié)構(gòu)目標(biāo)跟蹤ppt課件(編輯修改稿)
2025-06-08 07:11 本頁面
【文章內(nèi)容簡介】 不完全失配。但是由于估計(jì)值融合機(jī)制本身的原因，過多的模型集合必將帶來更多的模型間的競爭，也會(huì)導(dǎo)致性能惡化 。 3） FSMM 算法使用的模型集合所包含的模型數(shù)目越多，計(jì)算量和占用的存儲空間就越多 4） 因?yàn)槭芄潭ńY(jié)構(gòu)的模型集合限制， FSMM 算法很難利用各類先驗(yàn)信息。如果要覆蓋所有情況則必然需要一個(gè)龐大的模型集合，又會(huì)導(dǎo)致上述 2和 3的問題 。 ? 因?yàn)檫@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。通常來說，當(dāng)一個(gè)目標(biāo)的運(yùn)動(dòng)模式越復(fù)雜時(shí)， VSMM 算法相比 FSMM來說優(yōu)勢就更大 。 五 .VSMM 算法的基本原理及探索 假設(shè) VSMM 算法所需要的所有模型集合是由一系列獨(dú)立且相容的模型集合序列所構(gòu)成的， VSMM 算法可以考慮兩級分層結(jié)構(gòu)： 。 考慮到計(jì)算量的問題， VSMM 應(yīng)該選擇一個(gè) 單一的模型集合，且要保證這個(gè)模型集合是 對當(dāng)前目標(biāo)狀態(tài)來說“最優(yōu)”的。 這個(gè)模型集合可以通過模型集合自適應(yīng)（ ModelSet Adaptation）來得到。這也就是遞歸自適應(yīng)模型集合（ Recursive Adaptive ModelSet, RAMS）算法。 就目前發(fā)展情況來看，這是唯一可用的 VSMM 理論算法，現(xiàn)在幾乎所有類型的 VSMM 算法都是基于 RAMS 方法的 。 通常來說，一個(gè)周期的 RAMS 算法主要要完成以下兩個(gè)步驟的工作： （ 1） 模型集合自適應(yīng)。這是算法的決策部分。它要根據(jù)獲得的先驗(yàn)信息以及該時(shí)刻的量測信息來決定該時(shí)刻使用哪個(gè)模型集合來運(yùn)行多模型算法。 （ 2） 模型集合條件估計(jì)。這是算法的估計(jì)部分，相當(dāng)于傳統(tǒng)的多模型算法，可已經(jīng)將之稱為 VSIMM 算法。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。 具體包含以下各部分： 1）初始化。初始化各個(gè)模型的初始概率并初始化其對應(yīng)的匹配濾波器 2）重新初始化。通常使用交互后的信息進(jìn)行重新初始化 3）模型匹配濾波 4）模型概率計(jì)算 5）估計(jì)融合 幾種相關(guān)算法 （ ModelGroup Switching, MGS） 算法的基本思想 是： 多模型算法每一個(gè)所使用的 模型集合可以通過一定的準(zhǔn)則通過在一系列模 型組群中切換得到 。 這也是目前唯一能用于混合估計(jì)問題的 算法，是 RAMS 模型集合自適應(yīng)的 典型方法 。 2基于無味有向圖切換的 VSMM算法 模型集合構(gòu)成有向圖 （設(shè)一個(gè)模型集合由 5 個(gè)模型組成） 3個(gè)模型集合 D1 D2 D3 分別以 M1 M2 M3為中心 概率大于門限值時(shí)切換 UDSVSMM 算法的流程圖 在跟蹤超高音速飛行器中曾應(yīng)用 UDSVSMM 算法。 但是 UDSVSMM 算法也存在一定問題，如并不能在當(dāng)前時(shí)刻就做出有向圖切換，而只能在下一時(shí)刻才能做出反應(yīng)，這也是該算法不是“最優(yōu)”的模型集合自適應(yīng)解決方案。但是其便于實(shí)現(xiàn)性和極強(qiáng)的實(shí)效性和極高的費(fèi)效比，使得其在工程實(shí)踐中能很好地 得到應(yīng)用。 3基于模型
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1