作者:蔡佳,黄长强,高翔,胡杰 单位:东南大学 出版:《东南大学学报(自然科学版)》2012年第S1期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFDNDX2012S10140 DOC编号:DOCDNDX2012S10149 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于粒子滤波的二元无线传感器网络分布式目标跟踪研究》PDF+DOC2010年第02期 周红波,邢昌风,耿伯英,程远国 《基于PF-DC的多传感器目标跟踪算法》PDF+DOC2013年第03期 姜鹏,关成斌,李晓明,曹倩 《基于CKF被动多传感器目标跟踪算法》PDF+DOC2013年第08期 刘玉磊,冯新喜 《基于Metropolis-Hastings采样的多传感器集合卡尔曼滤波算法》PDF+DOC2017年第04期 胡振涛,张谨,胡玉梅,金勇 《分布序贯最近邻多目标跟踪算法》PDF+DOC1998年第07期 戴筠,王建海,方振和,李英 《多传感器综合的目标相关跟踪算法》PDF+DOC1989年第02期 Michitaka Kosaka,Shoji Miyamoto,张振芳,王恒霖 《二进制传感器网络加权目标跟踪算法研究》PDF+DOC2010年第09期 孙晓艳,李建东,陈彦辉,张文柱,姚俊良 《基于广义相关法的分布式多传感器多目标跟踪算法研究》PDF+DOC2009年第06期 王海鹏,董云龙,何友 《基于双层预测机制的传感器网络目标跟踪算法》PDF+DOC2009年第02期 程远国,李煜 《基于多传感器的多模型机动目标跟踪算法设计》PDF+DOC 贺贺,羊彦,王爽,侯静
  • 针对传统目标跟踪算法过分依赖环境模型的问题,提出了一种基于分布式纳什Q学习的多传感器协同目标跟踪算法.分析了强化学习与分布式纳什Q学习算法的原理;描述了多传感器的协同跟踪态势,建立了离散系统的非线性模型,给出了传统的扩展卡尔曼滤波解决方法;定义了对分布式纳什Q学习性能影响至关重要的传感器行为和奖惩函数,奖惩函数通过计算预测误差方差阵的迹得到;采用基于贝叶斯推理的概率统计方法解决了Q函数的更新问题.纯方位量测信息的被动跟踪仿真结果表明,相比于传统滤波算法,该算法增强了传感器对环境变化的适应性,实现了对目标的有效跟踪,提高了跟踪精度。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。