科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2013年
26期
7656-7661
,共6页
欧阳超%杨霄鹏%贾航川%陈强%倪娟
歐暘超%楊霄鵬%賈航川%陳彊%倪娟
구양초%양소붕%가항천%진강%예연
"当前"统计模型%模糊控制%强跟踪滤波器%卡尔曼滤波%机动目标%航迹预测
"噹前"統計模型%模糊控製%彊跟蹤濾波器%卡爾曼濾波%機動目標%航跡預測
"당전"통계모형%모호공제%강근종려파기%잡이만려파%궤동목표%항적예측
current statistical model%fuzzy control%strong track filter%Kalman filter%maneuvering target%track prediction
基于“当前”统计模型的模糊自适应(FACS)滤波算法利用机动目标“当前”加速度调整加速度极限值,实现了对一般机动目标的有效预测;但是在预测强机动目标时却存在较大的预测误差.为了解决这一问题,引入强跟踪滤波器(STF),提出了一种新的自适应滤波算法STF-FACS.该算法根据滤波残差实时调整卡尔曼滤波增益,提高了对强机动目标的预测能力;同时保留了FACS算法对于一般机动目标的预测性能.最后,对强机动目标分直线机动和转弯机动,分别进行航迹预测仿真.仿真结果表明,对弱机动目标进行航迹预测时,两种算法的预测效果相当;对强机动目标进行航迹预测时,STF-FACS算法无论是在动态时延和预测精度方面都比FACS算法要好.
基于“噹前”統計模型的模糊自適應(FACS)濾波算法利用機動目標“噹前”加速度調整加速度極限值,實現瞭對一般機動目標的有效預測;但是在預測彊機動目標時卻存在較大的預測誤差.為瞭解決這一問題,引入彊跟蹤濾波器(STF),提齣瞭一種新的自適應濾波算法STF-FACS.該算法根據濾波殘差實時調整卡爾曼濾波增益,提高瞭對彊機動目標的預測能力;同時保留瞭FACS算法對于一般機動目標的預測性能.最後,對彊機動目標分直線機動和轉彎機動,分彆進行航跡預測倣真.倣真結果錶明,對弱機動目標進行航跡預測時,兩種算法的預測效果相噹;對彊機動目標進行航跡預測時,STF-FACS算法無論是在動態時延和預測精度方麵都比FACS算法要好.
기우“당전”통계모형적모호자괄응(FACS)려파산법이용궤동목표“당전”가속도조정가속도겁한치,실현료대일반궤동목표적유효예측;단시재예측강궤동목표시각존재교대적예측오차.위료해결저일문제,인입강근종려파기(STF),제출료일충신적자괄응려파산법STF-FACS.해산법근거려파잔차실시조정잡이만려파증익,제고료대강궤동목표적예측능력;동시보류료FACS산법대우일반궤동목표적예측성능.최후,대강궤동목표분직선궤동화전만궤동,분별진행항적예측방진.방진결과표명,대약궤동목표진행항적예측시,량충산법적예측효과상당;대강궤동목표진행항적예측시,STF-FACS산법무론시재동태시연화예측정도방면도비FACS산법요호.