国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx

一類基于改進(jìn)的當(dāng)前統(tǒng)計(jì)模型的目標(biāo)跟蹤算法研究

2014-12-31 11:46:46劉成成郭偉龍蔡云澤
上海航天 2014年2期
關(guān)鍵詞:機(jī)動(dòng)方差濾波

戚 靖,劉成成,郭偉龍,蔡云澤

(1.貴州航天天馬機(jī)電科技有限公司,貴州 遵義 563003;2.上海交通大學(xué) 系統(tǒng)控制與信息處理教育部重點(diǎn)實(shí)驗(yàn)室,上海 200240)

0 引言

近些年來,對目標(biāo)跟蹤已經(jīng)進(jìn)行了深入研究,尤其是對廣泛用于軍用和民用領(lǐng)域的機(jī)動(dòng)目標(biāo)跟蹤技術(shù),提出了多種不同算法。一般,兩類不確定問題影響了目標(biāo)跟蹤的性能,一是目標(biāo)機(jī)動(dòng)性的難以確定,另一是量測來源難以確定。對機(jī)動(dòng)目標(biāo)模型的研究,就是關(guān)于目標(biāo)機(jī)動(dòng)不確定性的研究。

與傳統(tǒng)模型相比,通過充分考慮之前的運(yùn)動(dòng)狀態(tài)和環(huán)境影響,“當(dāng)前”統(tǒng)計(jì)模型已能較好地適應(yīng)過程噪聲[1]。特別是與之前的Singer模型相比,“當(dāng)前”統(tǒng)計(jì)模型能更準(zhǔn)確地描述目標(biāo)機(jī)動(dòng)強(qiáng)度的調(diào)整和范圍的變化,是較好的實(shí)用跟蹤模型。雖然“當(dāng)前”統(tǒng)計(jì)模型的應(yīng)用在一定程度上提高了目標(biāo)跟蹤算法的精確性和運(yùn)行性能,但該模型存在局限性和缺點(diǎn)。模型中引入了參數(shù)機(jī)動(dòng)頻率,傳統(tǒng)的“當(dāng)前”統(tǒng)計(jì)模型將其取為常值,不能實(shí)時(shí)自適應(yīng)調(diào)整[2]。顯然這與實(shí)際目標(biāo)運(yùn)動(dòng)不相符,且目標(biāo)機(jī)動(dòng)時(shí)濾波誤差會(huì)不可避免地增大。為此,本文對一種在線調(diào)整方法進(jìn)行了研究,分析Singer,CS模型后提出了一種改進(jìn)的勻速運(yùn)動(dòng)模型,以提高目標(biāo)在弱機(jī)動(dòng)時(shí)的跟蹤精度。

1 當(dāng)前統(tǒng)計(jì)模型及其改進(jìn)

“當(dāng)前”統(tǒng)計(jì)模型是一種非零均值時(shí)間相關(guān)模型。它假設(shè)目標(biāo)加速度a(t)滿足

式中;(t)為當(dāng)前時(shí)刻加速度的均值;a1(t)為零均值的一階馬爾可夫過程,且

此處:α為機(jī)動(dòng)頻率;(t)為零均值的高斯白噪聲。由此可得連續(xù)時(shí)間下目標(biāo)加速度滿足

將式(3)離散化,可得“當(dāng)前”統(tǒng)計(jì)模型的一維離散狀態(tài)方程為

U(k)為輸入控制陣,且

此處:α為參數(shù)機(jī)動(dòng)頻率;T為采樣周期。設(shè)(k)在每個(gè)采樣周期內(nèi)不變,且“當(dāng)前”時(shí)刻加速度均值為前一個(gè)時(shí)刻加速度的估值X(k+1|k)。

對均值為零的離散時(shí)間白噪聲序列(t),噪聲序列方差

式中:q11,q12,…,q33以機(jī)動(dòng)頻率和采樣周期為參數(shù);(σk)2為機(jī)動(dòng)目標(biāo)的加速度的方差,且

由式(6)~(8)可知:“當(dāng)前”統(tǒng)計(jì)模型的自適應(yīng)性表現(xiàn)在依據(jù)機(jī)動(dòng)目標(biāo)的當(dāng)前時(shí)刻的加速度,對機(jī)動(dòng)加速度方差進(jìn)行調(diào)整,從而自適應(yīng)調(diào)整狀態(tài)估計(jì)噪聲協(xié)方差陣。進(jìn)一步分析,可將“當(dāng)前”統(tǒng)計(jì)模型理解為過程噪聲方差自適應(yīng)調(diào)整的勻加速度模型[3]。

當(dāng)跟蹤兩維、三維運(yùn)動(dòng)目標(biāo)時(shí),只需對公式進(jìn)行擴(kuò)維即可。

對雷達(dá)、紅外等非線性觀測方程,在目標(biāo)的跟蹤和狀態(tài)濾波估計(jì)中,廣泛采用擴(kuò)展卡爾曼濾波算法,濾波方程為

很明顯,當(dāng)T以及觀測噪聲方差R(k)確定后,自適應(yīng)調(diào)整的過程噪聲方差對濾波結(jié)果有重要影響。由式(8)、(10)可知:其取值與α和最大正負(fù)機(jī)動(dòng)加速度有關(guān)系。典型的“當(dāng)前”統(tǒng)計(jì)模型將這兩個(gè)參數(shù)取為常值,在濾波過程中不作自適應(yīng)調(diào)整。因?yàn)闄C(jī)械特性,實(shí)際目標(biāo)在機(jī)動(dòng)過程中加速度存在極限值,故將最大加速度取值為常數(shù)在一定程度上是符合實(shí)際的,但目標(biāo)在機(jī)動(dòng)過程中,機(jī)動(dòng)特性不可能始終不變,因此將機(jī)動(dòng)頻率取值為常數(shù)并不符合實(shí)際,需要改進(jìn)算法對其進(jìn)行自適應(yīng)調(diào)整。

定義新息變量

新息即是觀測值與預(yù)測觀測值的殘差。根據(jù)機(jī)動(dòng)目標(biāo)統(tǒng)計(jì)特性可知,新息向量服從正態(tài)分布,即

式中:σ2,u分別為新息向量的方差和均值。令

觀測值到預(yù)測觀測值的馬氏距離

定義統(tǒng)計(jì)距離

注1:當(dāng)機(jī)動(dòng)發(fā)生時(shí),原機(jī)動(dòng)頻率將不再適用,應(yīng)進(jìn)行調(diào)整,且D將發(fā)生較大變化。因此,可根據(jù)D的變化判斷機(jī)動(dòng)的發(fā)生。

已證明機(jī)動(dòng)檢測算法有時(shí)延的缺點(diǎn),自適應(yīng)調(diào)整機(jī)動(dòng)頻率具有一定的實(shí)際意義。因?yàn)镈的取值與新息的協(xié)方差C有關(guān),因此可將式(19)定義的統(tǒng)計(jì)距離用于機(jī)動(dòng)頻率的自適應(yīng)調(diào)整。

設(shè)初始機(jī)動(dòng)頻率α=α0,自適應(yīng)調(diào)整機(jī)動(dòng)頻率的策略為

2 勻速模型及其改進(jìn)

3 基于改進(jìn)CV、CS的交互式多模型算法

傳統(tǒng)算法中,基于實(shí)際工程考慮,會(huì)采用不同的跟蹤模型,每種模型對應(yīng)一種運(yùn)動(dòng)狀態(tài)。但每個(gè)時(shí)刻僅有一個(gè)模型作用,根據(jù)觀測數(shù)據(jù)與濾波結(jié)果間的統(tǒng)計(jì)分析,實(shí)現(xiàn)不同濾波模型的轉(zhuǎn)換。

模型切換是機(jī)動(dòng)目標(biāo)跟蹤中的難點(diǎn)。變維濾波等傳統(tǒng)算法多以硬切換為主,即使用不同的跟蹤模型,以對應(yīng)運(yùn)動(dòng)狀態(tài)變化的機(jī)動(dòng)目標(biāo)。顯然,這將不可避免地造成一定滯后。交互式多模型(IMM)算法采用一種基于軟切換的機(jī)制,有效克服了傳統(tǒng)方法中硬切換缺點(diǎn)[6]。

交互式多模型方法中,濾波器根據(jù)目標(biāo)不斷變化的運(yùn)動(dòng)狀態(tài),應(yīng)用相應(yīng)的跟蹤模型,通過計(jì)算模型概率,構(gòu)造估計(jì)狀態(tài)的線性組合,實(shí)現(xiàn)各子模型濾波器交互作用。各模型間以一個(gè)馬爾可夫鏈為基準(zhǔn)進(jìn)行模式變換。該算法通過各模型濾波器間的輸入輸出交互,將獲得各模型估計(jì)值合并后的加權(quán)估計(jì)作為綜合估計(jì),是一種十分有效的多模型算法。

設(shè)整個(gè)過程存在r個(gè)跟蹤模型

式中:Wj(k)為高斯白噪聲序列;j=1,…,r。由馬爾可夫鏈可達(dá)到對所有模型軟切換的協(xié)調(diào)控制,馬爾科夫轉(zhuǎn)移矩陣

測量模型為

IMM算法步驟可歸納如下。

a)輸入交互

式中:pij為模型i轉(zhuǎn)至模型j的轉(zhuǎn)移概率;為歸一化常數(shù),且

b)模型條件濾波

對應(yīng)本文,分別采用改進(jìn)的CV,CS兩個(gè)濾波模型。

c)模型概率更新

此處:

d)輸出交互

4 仿真

為檢驗(yàn)本文設(shè)計(jì)的CV-IACAM-EKF算法的有效性,用Monte Carlo仿真進(jìn)行檢驗(yàn)。對實(shí)驗(yàn)結(jié)果,取相應(yīng)的方差數(shù)據(jù)作為評(píng)價(jià)指標(biāo):進(jìn)行擴(kuò)展卡爾曼濾波后,機(jī)動(dòng)目標(biāo)的狀態(tài)估值和目標(biāo)運(yùn)動(dòng)的實(shí)際軌跡最小均方誤差。采用本文改進(jìn)后的速度自適應(yīng)模型(IACAM)和改進(jìn)后的勻速模型,通過交互式多模型(IMM)算法組合,與勻速-勻加速模型的EKF濾波算法比較。在進(jìn)行時(shí)空配準(zhǔn)后,雷達(dá)和紅外的采樣時(shí)間T均為1s,Monte Carlo仿真30次,仿真總步數(shù)為60。設(shè)目標(biāo)的模擬軌跡為:初始位置,X向0km,Y向1km處;X向初始速度30m/s,加速度0m/s2,Y向初始速度30m/s,加速度0m/s2。0~30s保持初始狀態(tài)作勻速運(yùn)動(dòng),30~60s,X向加速度5m/s2,Y向加速度6m/s2,作勻加速直線運(yùn)動(dòng)。仿真結(jié)果如圖1~6所示。

圖1 機(jī)動(dòng)目標(biāo)運(yùn)動(dòng)軌跡Fig.1 Motion trajectory of maneuvering target

圖2 X向位置跟蹤誤差Fig.2 Position tracking error in Xdirection

圖3 Y向位置跟蹤誤差Fig.3 Position tracking error in Y direction

由仿真結(jié)果可知:本文設(shè)計(jì)的改進(jìn)CV-IACAM模型的距離估計(jì)和速度估計(jì)均優(yōu)于傳統(tǒng)CV-CA模型。在勻速階段,交互模型中經(jīng)改進(jìn)的勻速模型具有對時(shí)變噪聲的自適應(yīng)調(diào)整的能力,濾波的精度有較大的提高,誤差小于同時(shí)段的原模型;在勻加速階段,在自適應(yīng)加速度模型的調(diào)整跟蹤中,能較好地識(shí)別加速度大小變換或方向變化,以進(jìn)行跟蹤,濾波誤差亦低于傳統(tǒng)模型。尤其在模型轉(zhuǎn)換時(shí),改進(jìn)CV模型的跟蹤效果優(yōu)于原模型,顯著減小了勻速段的跟蹤誤差,使機(jī)動(dòng)發(fā)生時(shí)的誤差累積較小,由此模型轉(zhuǎn)換時(shí)的跳變也相對減小。

圖4 Y向速度跟蹤誤差Fig.4 Velocity tracking error in Y direction

圖5 CV-IACAM模型概率Fig.5 Probability of CV-IACAM model

圖6 CV-CA模型概率Fig.6 Probability of CV-CA model

5 結(jié)束語

在機(jī)動(dòng)目標(biāo)的運(yùn)動(dòng)軌跡較為復(fù)雜時(shí),傳統(tǒng)的勻速模型誤差累積較大,不能及時(shí)矯正,導(dǎo)致勻加速模型工作時(shí)的誤差累積很大,模型轉(zhuǎn)換時(shí)的跳變也較大。本文設(shè)計(jì)改進(jìn)的勻速-改進(jìn)的自適應(yīng)加速度模型較好地解決了這一問題。通過仿真實(shí)驗(yàn)進(jìn)行了分析和比較,對工程應(yīng)用有一定的指導(dǎo)意義。本文尚缺少嚴(yán)格的數(shù)學(xué)推導(dǎo)證明,后續(xù)將從理論上對本文方法進(jìn)行證明。

[1] 周宏仁,敬忠良,王培德.機(jī)動(dòng)目標(biāo)跟蹤[M].北京:國防工業(yè)出版社,1991.

[2] 潘 泉.機(jī)動(dòng)目標(biāo)跟蹤雙濾波器模型及自適應(yīng)算法[J].控制理論與應(yīng)用,1995,12(4):482-486.

[3] 錢華明,陳 亮,滿國晶,等.基于“當(dāng)前”統(tǒng)計(jì)模型的機(jī)動(dòng)目標(biāo)自適應(yīng)跟蹤算法[J].系統(tǒng)工程與電子技術(shù),2011,33(10):2154-2158.

[4] 陳 勇,董永強(qiáng).基于“當(dāng)前”統(tǒng)計(jì)模型的模糊自適應(yīng)濾波算法[J].火力與指揮控制,2010,35(8):177-179.

[5] 羅笑冰,王宏強(qiáng),黎 湘,等.非線性“當(dāng)前”統(tǒng)計(jì)模型及自適應(yīng)算法[J].系統(tǒng)工程與電子技術(shù),2008,30(3):397-403.

[6] BLOM H A P,BAR-SHALOM Y.The interacting multiple model algorithm for systems with markovian switching coefficients[J].IEEE Trans Automatic Control,1988,33(8):790-783.

猜你喜歡
機(jī)動(dòng)方差濾波
方差怎么算
概率與統(tǒng)計(jì)(2)——離散型隨機(jī)變量的期望與方差
裝載機(jī)動(dòng)臂的疲勞壽命計(jì)算
12萬畝機(jī)動(dòng)地不再“流浪”
計(jì)算方差用哪個(gè)公式
機(jī)動(dòng)三輪車的昨天、今天和明天
方差生活秀
RTS平滑濾波在事后姿態(tài)確定中的應(yīng)用
基于線性正則變換的 LMS 自適應(yīng)濾波
遙測遙控(2015年2期)2015-04-23 08:15:18
海上機(jī)動(dòng)之師
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
阿坝| 师宗县| 岢岚县| 景谷| 繁峙县| 彰化县| 太仆寺旗| 融水| 儋州市| 松桃| 邹平县| 麻阳| 湘阴县| 金秀| 花莲县| 全椒县| 达拉特旗| 南充市| 正蓝旗| 永丰县| 冷水江市| 陆良县| 芒康县| 霍城县| 龙泉市| 化隆| 施甸县| 武汉市| 托克托县| 凤翔县| 湄潭县| 乐陵市| 宁晋县| 裕民县| 肇州县| 驻马店市| 盐池县| 黑河市| 福建省| 阳信县| 松滋市|