APP下载

基于Elman神经网络预测的机动目标跟踪滤波算法

2018-07-14郭剑鹰夏李玮刘华军

航天电子对抗 2018年3期
关键词:模型

郭剑鹰,夏李玮,刘华军

(1.华域汽车系统股份有限公司,上海 200041;2.南京理工大学计算机学院,江苏 南京 210014)

0 引言

随着航天探测、智能汽车、安防监控等系统的发展,实时准确地获取目标运动信息显得愈发重要。一方面,目标的大范围、高机动使得探测跟踪系统的动态性和非线性特征增强;另一方面,测量手段的多样性也会导致传感器误差特性异常复杂[1]。这些探测跟踪系统面临的共同问题之一是需要提升快速机动目标跟踪的稳定性和精度,其核心是运动建模的不确定引起的状态优化估计问题,也就是常见的滤波问题。随着机动目标跟踪技术研究的不断深入,涌现了很多实用的滤波算法,如卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)和粒子滤波(PF)等[2]。这些基本的滤波算法结合时下较为成熟的机动目标运动模型[3]可以较好地实现对机动目标的跟踪。但随着目标机动性不断提高,机动目标跟踪的对抗环境也日趋复杂,常规的机动目标模型,如Singer模型[4]、Jerk模型[5],在跟踪强机动目标时,难以适应复杂多样的机动形式;常规的滤波算法,比如IMM等[6],难以适应时变的机动形式。因此研究者不仅应从运动模型入手,构建能适应强机动形式的运动模型,还需要对滤波算法进行优化调整,使得滤波算法能够适应不同的机动场景。

目前,常见的机动目标跟踪滤波方法主要分为三种类型。一是对滤波器的机动参数进行自适应调整,即根据某种动态调整策略引入加权因子的方式,对机动参数进行自适应调整,如Singer模型、Jerk模型、当前统计模型等[7]。……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用