作者:李琪,郭娜,刘先省 单位:火力与指挥控制研究会 出版:《火力与指挥控制》2011年第06期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFHLYZ2011060220 DOC编号:DOCHLYZ2011060229 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于IMM-UKF的传感器管理算法》PDF+DOC2013年第09期 李琪,李静,张可 《一种协方差和信息增量联合控制的多传感器管理算法》PDF+DOC2009年第07期 张广远,王福军,魏震生,邱风 《基于目标优先级加权的一种传感器管理算法》PDF+DOC2003年第04期 刘先省,周林,赵雅靓,王红哲 《基于信息增量的机动目标传感器管理算法》PDF+DOC2008年第01期 姜佩琴,潘泉,梁彦,王峰 《基于测量方差时变的传感器管理算法》PDF+DOC2007年第03期 张应华,周林,刘先省 《基于RIMMKF的一种传感器管理算法》PDF+DOC2007年第12期 刘先省,周林,杜晓玉 《一种非线性融合系统中的传感器管理方法》PDF+DOC2006年第07期 周林,刘先省,金勇 《基于相控阵雷达组网的多传感器管理算法》PDF+DOC2008年第06期 白剑林,霍亮,刘鹏,张平定 《基于模糊推理的多因素传感器管理算法》PDF+DOC2014年第05期 王峰,张毅 《基于效能函数的自适应传感器跟踪资源分配》PDF+DOC2014年第08期 杨涛,许蕴山,肖冰松,罗文涛
  • 传感器管理是信息融合技术的重要研究方向,以往的传感器管理算法主要是针对线性融合系统,现实中非线性系统更为普遍,而针对非线性融合系统的传感器管理算法研究较少。粒子滤波是目前非线性领域中应用最广的滤波算法,该算法的主要思想是使用一个带有权值的粒子集合来表示系统的后验概率密度。U nscen ted粒子滤波采用U nscen ted卡尔曼滤波计算提议概率密度分布,粒子的产生充分考虑当前时刻的量测,使得粒子的分布更加接近状态的后验概率分布。针对非线性系统,提出了一种基于U nscen ted粒子滤波的传感器管理算法。首先利用U nscen ted粒子滤波对目标进行状态估计,求出目标的协方差;然后利用信息熵计算目标的信息增量;最后利用信息增量最大对传感器资源进行分配,并对该算法进行了仿真。

    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。