您的位置: 专家智库 > >

国防科技技术预先研究基金(51421040103JB4902)

作品数:6 被引量:37H指数:4
相关作者:徐毓金宏斌桑成伟张萍张楠更多>>
相关机构:中国人民解放军空军雷达学院更多>>
发文基金:国防科技技术预先研究基金更多>>
相关领域:电子电信自动化与计算机技术更多>>

文献类型

  • 6篇中文期刊文章

领域

  • 4篇电子电信
  • 2篇自动化与计算...

主题

  • 4篇滤波
  • 3篇雷达
  • 2篇多雷达
  • 2篇神经网
  • 2篇神经网络
  • 2篇配准
  • 2篇卡尔曼
  • 2篇卡尔曼滤波
  • 2篇RBF神经网...
  • 1篇动目标
  • 1篇动目标跟踪
  • 1篇信息处理
  • 1篇信息处理系统
  • 1篇学习算法
  • 1篇神经网络学习
  • 1篇神经网络学习...
  • 1篇数据处理
  • 1篇数据处理系统
  • 1篇数据融合
  • 1篇配准方法

机构

  • 6篇中国人民解放...

作者

  • 5篇徐毓
  • 3篇金宏斌
  • 2篇万仕保
  • 2篇张楠
  • 2篇彭焱
  • 2篇张萍
  • 2篇桑成伟
  • 1篇戴凌燕
  • 1篇徐占刚
  • 1篇韩振铎
  • 1篇何成伟

传媒

  • 4篇计算机测量与...
  • 1篇火力与指挥控...
  • 1篇数据采集与处...

年份

  • 4篇2006
  • 1篇2005
  • 1篇2004
6 条 记 录,以下是 1-6
排序方式:
基于强跟踪滤波器的多雷达配准方法被引量:3
2005年
在多雷达数据处理系统中,雷达本身的系统偏差是影响目标跟踪和数据融合质量的一个重要因素。提出了基于强跟踪滤波器(STF)的多雷达配准算法。该算法是利用各雷达相对主雷达的测量差值,利用强跟踪滤波器(STF)实时估计出各雷达的系统偏差(方位和距离),从而进行配准。仿真实验结果表明这种方法是有效的。
金宏斌徐毓万仕保
关键词:强跟踪滤波器配准
一种机动目标的跟踪算法研究被引量:13
2006年
目前在机动目标跟踪领域中讨论比较多的算法包括扩展卡尔曼滤波算法、强跟踪算法、UKF算法和粒子滤波算法;扩展卡尔曼滤波算法对非线性方程进行一阶线性阶处理,这种近似所带来的误差会随着非线性化程度的严重而越来越显著,最终造成滤波器的发散;而粒子滤波作为一种基于蒙特卡洛方法的贝叶斯滤波算法,虽然不需要对非线性方程进行一阶近似,但是其计算负担过于繁重,很难满足实时性的要求,提出了一种基于粒子滤波(PF)的径向基(RBF)神经网络(PF-RBF-Neural-Networks)机动目标跟踪算法,该算法能够获得和粒子滤波几乎相同的跟踪精度,同时又克服了粒子滤波计算量大的缺陷,仿真结果验证了该算法的有效性和可行性。
桑成伟徐毓张楠张萍
关键词:非线性滤波粒子滤波RBF神经网络
基于PF-Singer的机动目标跟踪算法被引量:4
2006年
Singer模型是典型的全局统计模型,其严重缺陷在于所采用的零均值时间相关模型和标准卡尔曼滤波算法不能完成对机动目标状态的正确估计;只有当目标做匀速直线运动时,动态误差的稳态值才为零,否则不为零;采用PF-Singer算法对机动目标进行跟踪,能够有效解决传统Singer模型存在的问题,提高其跟踪精度;通过仿真试验证实了该算法的有效性。
张楠徐毓张萍彭焱
关键词:目标跟踪
多雷达数据处理系统中网格同步研究综述被引量:6
2004年
在多雷达数据处理系统中 ,各种误差是影响目标跟踪和数据融合质量的一个重要因素。而网格同步则是系统中的一个重要环节 ,是进行数据融合的前提。如果没有网格同步则融合结果不可信。文章介绍了网格同步的定义 ,分析了目前国内外研究的主要方法。
金宏斌徐毓万仕保
关键词:雷达数据处理系统数据融合传感器信息处理系统
基于扩展卡尔曼滤波器的RBF神经网络学习算法被引量:4
2006年
径向基函数(RBF)神经网络可广泛应用于解决信号处理与模式识别问题,目前存在一些学习算法用来确定RBF中心节点和训练网络,对于确定RBF中心节点向量值和网络权重值可以看作同一系统问题,因此该文提出把扩展卡尔曼滤波器(EKF)用于多输入多输出的径向基函数(RBF)神经网络作为其学习算法,当确定神经网络中网络节点的个数后,EKF可以同时确定中心节点向量值和网络权重矩阵,为提高收敛速度提出带有次优渐消因子的扩展卡尔曼滤波器[1](SFEKF)用于RBF神经网络学习算法,仿真结果说明了在学习过程中应用EKF比常规RBF神经网络有更好的效果,学习速度比梯度下降法明显加快,减少了计算负担。
何成伟韩振铎桑成伟徐占刚
关键词:扩展卡尔曼滤波器径向基函数神经网络
基于无味卡尔曼滤波的多雷达方位配准算法被引量:7
2006年
将无味卡尔曼滤波(U nscen ted K a lm an filter,UKF)应用于雷达配准,提出一种新的多雷达方位配准算法。在该算法中,目标的运动状态和方位误差由选定的采样点来近似,在每个更新过程中,采样点随着状态方程传播并随非线性测量方程变换,得到目标的运动状态和方位误差的均值,避免了对非线性方程的线性化,且具有较高的计算精度。与传统的扩展卡尔曼滤波(Ex tended K a lm an filter,EKF)方法进行了仿真比较,结果表明UKF方法能有效地克服非线性跟踪问题中很容易出现的滤波发散问题,且估计精度高于UKF方法。
金宏斌戴凌燕徐毓彭焱
关键词:多雷达无味卡尔曼滤波
共1页<1>
聚类工具0