《无序量测滤波更新算法综述》PDF+DOC

📙 相关资料

1. 《单步延迟无序量测滤波算法的最优性分析》PDF+DOC 不同的通信时间延迟和量测预处理时间，导致在实际的集中式多传感器融合跟踪系统中，常会出现多传感器量测数据不能按正常时序到达中心处理器的无序量测(OOSM)现象，中心处理器处理这类无序量测数据时将遇到负时间更新问题.针对单步延迟无序量测更新问题，从理论上分析了Bar-Shalom提出的A1算法的最优性，......
2. 《统计线性化无序量测更新算法》PDF+DOC 在实际的多传感器系统中，由于各种传感器具有不同的采样率，预处理时间，以及数据通信延迟，因而会出现多个传感器量测不同步到达融合中心的现象。进一步地，当较早时刻产生的量测在较晚时刻产生的量测之后到达融合中心时，无序量测问题就出现了。针对离散时间非线性系统，提出基于统计线性化固定点平滑器的最佳统计线性化无......
3. 《部分监测区域重叠条件下的扩展目标跟踪》PDF+DOC 若多传感器监测区域部分重叠，则使用传统的序贯滤波算法对扩展目标进行跟踪，会出现目标漏估计的现象。为了解决该问题，首先，在量测更新阶段使用预测步骤产生的高斯分量，而非任一传感器量测更新后的高斯分量，从而使得各个传感器滤波更新后的结果相互独立。然后，当对各传感器接收到的量测更新后，若高斯项中表示目标位置......
4. 《单传感器无序量测反馈估计算法》PDF+DOC 针对单传感器的无序量测问题，提出一种处理无序量测的反馈估计算法。该算法一旦出现延迟无序量测，融合中心将最后更新的状态估计回传至传感器进行若干采样周期的卡尔曼滤波，并将状态更新传至融合中心。该算法可保证实时性，具有良好的估计精度，仿真结果验证了算法的有效性。...
5. 《具有形状信息的多传感器群目标跟踪算法》PDF+DOC 针对多传感器环境下具有形状信息的扩展/群目标跟踪问题，提出了两种融合算法，即高斯逆韦氏并行PHD滤波算法和高斯逆韦氏序贯PHD滤波算法。新算法分别结合并行滤波和序贯滤波算法思想，能够对扩展/群目标的质心状态进行跟踪，对形状进行有效估计。高斯逆韦氏并行PHD滤波算法将各个传感器产生的量测集合并到一个量......
6. 《多传感器多目标粒子滤波算法》PDF+DOC 为了能够有效解决非线性、非高斯环境中多传感器多目标跟踪问题，提出了一种基于粒子滤波的多传感器联合概率数据互联粒子滤波算法(MJPDAP)。该算法应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合以形成等效量测点，并计算所有等效量测点的联合似然函数。在此基础上，结合联合概率数据互联(JPD......
7. 《修正并行式多传感器不敏多假设跟踪算法》PDF+DOC 为了有效解决非线性系统中的多传感器多目标跟踪问题，提出了一种修正并行式多传感器不敏多假设滤波算法。算法运用概率数据互联的思想对各传感器的估计量进行概率加权，克服了并行式多传感器算法的误差积累现象，得到了一种修正的多传感器并行式算法。各传感器中量测点迹与航迹的数据互联问题通过多假设方法予以解决，并通过......
8. 《多传感器异步采样系统的顺序融合》PDF+DOC 针对现有基于伪量测的异步融合算法存在实时性差、融合时刻计算负荷大以及人为引入噪声相关等问题，提出了一种新的基于采样点顺序离散化思想的顺序式异步融合算法.该算法首先将各个传感器的测量值在融合中心的坐标系中和时钟下进行映射统一；然后，选取融合周期内各采样时刻对连续状态系统进行顺序离散化，从而获得本周期内......
9. 《噪声相关下的无序量测状态更新估计算法》PDF+DOC 在多传感器跟踪系统中，由于存在通信延迟等因素使得跟踪滤波器的传感器到达处理中心的时序被打乱，出现无序量测的情况.本文主要采用目前国际上用的较多直接更新法，即直接用延迟到达的量测更新目标状态，同时考虑输入噪声和过程噪声的相关性，给出了噪声相关情况下的无序量测的直接状态更新估计.最后又通过计算机仿真比较......
10. 《含无序量测的多传感器信息融合算法研究》PDF+DOC 由于通信时间的延迟性，在多传感器系统中常常会出现无序量测情况。为提高估计的精度，系统须对无序量测进行处理，状态更新法是处理无序量测问题的一种有效方法。对于多传感器信息融合问题，给出了一种处理无序量测的状态估计更新算法。仿真计算表明该算法能有效的提高融合估计的精度。...