Ta上传的资源 (0)

本文首先介绍了卡尔曼滤波的基本理论,然后针对传统卡尔曼滤波器存在的缺点和局限性,提出了在线自适应调整参数的卡尔曼滤波。本文采用了一种高效的数值迭代算法,称为代理函数分离法去更新鲁棒卡尔曼滤波。

多传感器数据融合的关键问题是模型设计,数据融合模型主要包括功能、结构和数学模型。根据数据融合功能层次性和信息流通方式及传输形式,把数据融合功能模型分为五级,即检测级、跟踪级、属性级、态势级和威胁级。这种划分方法更有利于数据融合技术的研究。

本文提出了一种具有在线调整噪声参数功能的卡尔曼自适应滤波算法及其在船舶导航目标跟踪中的应用。实际中系统噪声和量测噪声的统计特性时动态变化的，但在传统卡尔曼滤波中一般认为系统噪声模型是先验已知的，噪声均值和协方差都是定值，这必然噪声滤波效果不理想。针对这种情况，通过在线自适应调整噪声均值和协方差，动态

在对kalman滤波算法进行深入分析的基础上，对kalman滤波算法在实际应用中常出现的发散现象进行了简单的阐述，指出了产生发散的原因，并给出了几种常用的抑制发散的算法，说明了进一步研究的方向。

本文提出两种适合分布式多传感器数据融合的模糊双门限航迹相关算法。文中研究了模糊因素集的构成、隶属度函数的选择、权向量的动态分配、航迹相关质量设计、多义性处理方法、模糊双门限航迹相关准则及模糊经典分配问题。