期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于神经网络的目标轨迹预报算法设计
1
作者
李瑞康
廖欣
+1 位作者
张诞
唐胜景
《航天控制》
CSCD
北大核心
2023年第6期3-10,共8页
提高轨迹预报精度是反高速机动目标面临的难点之一。本文基于目标运动特性分析,构建跟踪运动模型,采用交互多模型滤波算法完成多模型交互,局部滤波器采用自适应高阶容积卡尔曼滤波算法,通过与强跟踪滤波算法相结合,提高传统的估计精度,...
提高轨迹预报精度是反高速机动目标面临的难点之一。本文基于目标运动特性分析,构建跟踪运动模型,采用交互多模型滤波算法完成多模型交互,局部滤波器采用自适应高阶容积卡尔曼滤波算法,通过与强跟踪滤波算法相结合,提高传统的估计精度,进而提高算法的鲁棒性;采用广义回归神经网络设计轨迹预报算法,并在预报过程中引入预报修正量对误差进行修正,通过样本学习提高长时间预报精准度,仿真结果表明,设计的跟踪预报算法在预报精度上较常规算法有较大幅度提升。
展开更多
关键词
轨迹预报
高速强机动
交互多模型
广义回归神经网络
下载PDF
职称材料
基于多雷达组网IMM-GMPHDF的机动多目标检测跟踪
被引量:
1
2
作者
丁海龙
赵温波
盛琥
《火力与指挥控制》
CSCD
北大核心
2016年第6期67-72,共6页
高斯混合概率假设密度滤波(GMPHDF)有牢固的理论基础,是解决高斯条件下跟踪强杂波环境中目标数未知的多目标问题的有效方法。但当目标发生机动时,就难以跟踪到目标,因此,在GMPHDF中引入交互多模型(IMM)算法,对继续存在目标的运动模型进...
高斯混合概率假设密度滤波(GMPHDF)有牢固的理论基础,是解决高斯条件下跟踪强杂波环境中目标数未知的多目标问题的有效方法。但当目标发生机动时,就难以跟踪到目标,因此,在GMPHDF中引入交互多模型(IMM)算法,对继续存在目标的运动模型进行建模,根据计算的模型概率融合各模型滤波器估计得到的继续存在目标概率假设密度,解决了运动模型机动问题。仿真实验表明,IMM-GMPHDF能实时跟踪到强机动超音速多目标,在多雷达组网系统中跟踪强机动超音速多目标精度(OSPA距离均方根误差)能达到70 m,满足了工程使用要求。
展开更多
关键词
强机动高速多目标
交互多模型
高斯混合概率假设密度
多雷达组网
下载PDF
职称材料
题名
基于神经网络的目标轨迹预报算法设计
1
作者
李瑞康
廖欣
张诞
唐胜景
机构
上海机电工程研究所
西北工业大学
北京理工大学宇航学院
出处
《航天控制》
CSCD
北大核心
2023年第6期3-10,共8页
基金
上海航天科技创新基金项目(SAST2017-11)。
文摘
提高轨迹预报精度是反高速机动目标面临的难点之一。本文基于目标运动特性分析,构建跟踪运动模型,采用交互多模型滤波算法完成多模型交互,局部滤波器采用自适应高阶容积卡尔曼滤波算法,通过与强跟踪滤波算法相结合,提高传统的估计精度,进而提高算法的鲁棒性;采用广义回归神经网络设计轨迹预报算法,并在预报过程中引入预报修正量对误差进行修正,通过样本学习提高长时间预报精准度,仿真结果表明,设计的跟踪预报算法在预报精度上较常规算法有较大幅度提升。
关键词
轨迹预报
高速强机动
交互多模型
广义回归神经网络
Keywords
Trajectory prediction
high
-
speed
and
strong
-
maneuvering
Multi-model interaction
Gener-alized regression neural network(GRNN)
分类号
TJ765.1 [兵器科学与技术—武器系统与运用工程]
下载PDF
职称材料
题名
基于多雷达组网IMM-GMPHDF的机动多目标检测跟踪
被引量:
1
2
作者
丁海龙
赵温波
盛琥
机构
解放军陆军军官学院
出处
《火力与指挥控制》
CSCD
北大核心
2016年第6期67-72,共6页
基金
国家自然科学基金(61273001)
安徽省自然科学基金资助项目(11040606M130)
文摘
高斯混合概率假设密度滤波(GMPHDF)有牢固的理论基础,是解决高斯条件下跟踪强杂波环境中目标数未知的多目标问题的有效方法。但当目标发生机动时,就难以跟踪到目标,因此,在GMPHDF中引入交互多模型(IMM)算法,对继续存在目标的运动模型进行建模,根据计算的模型概率融合各模型滤波器估计得到的继续存在目标概率假设密度,解决了运动模型机动问题。仿真实验表明,IMM-GMPHDF能实时跟踪到强机动超音速多目标,在多雷达组网系统中跟踪强机动超音速多目标精度(OSPA距离均方根误差)能达到70 m,满足了工程使用要求。
关键词
强机动高速多目标
交互多模型
高斯混合概率假设密度
多雷达组网
Keywords
strong maneuvering and high speed multi-target
interacting mutiple model
Gaussian mixture probability hypothesis density
multiradar networking
分类号
TN953 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于神经网络的目标轨迹预报算法设计
李瑞康
廖欣
张诞
唐胜景
《航天控制》
CSCD
北大核心
2023
0
下载PDF
职称材料
2
基于多雷达组网IMM-GMPHDF的机动多目标检测跟踪
丁海龙
赵温波
盛琥
《火力与指挥控制》
CSCD
北大核心
2016
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部