樊国创
- 作品数：4 被引量：15H指数：3
- 供职机构：北京理工大学信息科学技术学院更多>>
- 发文基金：中国学位与研究生教育学会“十一五”研究课题更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种“全面”的自适应机动目标跟踪算法被引量：5
- 2009年
- 基于截断正态概率密度模型建立修正的截断正态概率密度模型。利用该模型并结合速度估计自适应模型提出一种"全面"自适应机动目标跟踪算法(OAF).此算法能够避免机动加速度最大值的预先设定,自适应调节目标跟踪算法中的机动频率。进一步运用神经网络方法,将机动频率与过程噪声方差进行融合,通过在线调节神经网络权值获得融合后的系统方差输出,降低现有算法因系统参数调整不当带来的精度损失。理论分析及仿真结果表明,与单纯的速度自适应模型算法相比,该算法跟踪机动目标和非机动目标时精度分别提高49.61%和48.34%.
- 樊国创戴亚平许向阳
- 关键词：自动控制技术卡尔曼滤波自适应目标跟踪
- 基于RBF神经网络的高斯混合近似算法被引量：6
- 2009年
- 在分析RBF神经网络基本结构的基础上,提出一种基于RBF神经网络求解非高斯概率密度近似为高斯概率密度和的方法。该方法通过选取高斯函数作为神经网络的径向基函数,提取训练好的网络参数,运用这些参数构建混合成分的函数模型。理论分析与仿真证明,与传统采用EM近似算法相比,该算法具有求解跟初值的选取无关、能避免发散、收敛快的特点。
- 樊国创戴亚平闫宁
- 关键词：RBF神经网络高斯混合EM算法
- 基于神经网络的混合双滤波器自适应目标跟踪算法被引量：3
- 2009年
- 在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF)。该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失。理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点。
- 樊国创戴亚平许向阳
- 关键词：神经网络卡尔曼滤波自适应目标跟踪
- 模型集自适应的交互多模型辅助粒子滤波算法被引量：1
- 2008年
- 为了提高机动目标的跟踪精度,提出一种基于目标转弯率模型的模型集自适应交互多模型辅助粒子滤波算法(AMSIMMAPF).采用转弯率模型实时辨识目标的角速度,根据辨识到的角速度来更新交互多模型的模型集.利用辅助粒子滤波可以避免粒子权值退化、样本衰减,不受线性模型高斯噪声限制的特点,各模型滤波选用辅助粒子滤波算法以提高跟踪精度.理论分析和仿真结果表明,与交互多模型粒子滤波算法相比,本算法具有跟踪精度高,计算量小的特点.
- 樊国创戴亚平刘岩
- 关键词：交互多模型
