2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩173頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、以信息融合理論為基礎(chǔ)的目標跟蹤技術(shù)指利用雷達、紅外、聲納等多種傳感器的觀測信號對未知目標的數(shù)量、位置、速度、身份等狀態(tài)進行估計的過程。目標跟蹤技術(shù)已被廣泛和成功地應(yīng)用于軍事和民用領(lǐng)域,包括國土防空、導航、制導、探測、定位、交通、制造、金融和醫(yī)療等。近年來,目標跟蹤環(huán)境日趨復雜,強雜波干擾、大觀測誤差、低信噪比和高機動等大量不確定因素使傳統(tǒng)目標跟蹤技術(shù)受到嚴重挑戰(zhàn)。由于傳統(tǒng)目標跟蹤技術(shù)采用單向開環(huán)融合模式,不利于信息的存儲、挖掘與復用,導

2、致復雜環(huán)境下跟蹤效果下降。為此,本文將信息反饋融合的理念融入傳統(tǒng)目標跟蹤技術(shù),較系統(tǒng)地研究了面向目標跟蹤問題的信息反饋融合框架、方法和工程算法,主要研究成果如下:
  1)針對傳統(tǒng)信息融合方法缺乏信息反饋融合機制的缺陷,首創(chuàng)性地提出了空域信息融合平面與時域信息融合空間的概念,并構(gòu)建了一般性的信息反饋融合框架。
  2)針對傳統(tǒng)變結(jié)構(gòu)多模型方法缺乏后驗信息反饋融合機制的缺陷,提出信息反饋融合最小熵變結(jié)構(gòu)多模型方法(MEVSMM

3、,Minimum Entropy Variable Structure Multiple-Model)和次優(yōu)算法,將后驗香農(nóng)信息熵作為評價模型序列集的質(zhì)量指標,利用信息反饋融合完成MSA(Model Sequence Set Adaptation)優(yōu)化過程。與傳統(tǒng)多模型方法相比,本方法估計精度更高、魯棒性更好。
  3)針對復雜觀測誤差環(huán)境下傳統(tǒng)MSE(Minimum Shannon Entropy)方法跟蹤效果退化的缺點,提出用

4、GE(Geometrical Entropy)度量來補償SE(Shannon Entropy)度量的估計偏差,并構(gòu)建了信息反饋融合最小幾何熵多模型方法(MGEMM,Minimum Geometrical Entropy Multiple-Model)和兩個次優(yōu)算法。與傳統(tǒng)MSE方法相比,在先驗觀測誤差分布與實際分布不一致時,本方法所得到的跟蹤估計結(jié)果精度更高、魯棒性更好。
  4)針對傳統(tǒng)多模型融合方法缺乏歷史信息反饋處理機制的缺

5、陷,提出歷史信息反饋融合多模型估計方法(HFMM,Historical Feedback MM)和次優(yōu)算法來解決歷史估計信息的反饋融合問題。與傳統(tǒng)多模型方法相比,本方法提升了歷史融合信息的利用率,從而獲得精度更高、魯棒性更好的融合估計結(jié)果。
  5)針對傳統(tǒng)PHD(Probability Hypothesis Density)跟蹤方法在缺乏目標初生先驗信息時失效的缺陷,提出歷史信息驅(qū)動反饋融合多目標跟蹤方法HIFMTT(Histo

6、rical Information Feedback Fusion Multiple Target Tracker)和次優(yōu)算法。與傳統(tǒng)PHD方法相比,無論是否具備目標初生先驗信息,本方法都能較好地完成多目標跟蹤工作。
  6)針對傳統(tǒng)HIFMTT方法在跟蹤隱身目標時結(jié)果退化的缺陷,提出信息預測反饋融合多目標跟蹤方法IPFMTT(Information Prediction Feedback Fusion Multiple Targ

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論