公开(公告)号：CN101894097B

公开(公告)日：2012-07-04

申请号：CN201010235062.2

申请日：2010-07-23

Applicant: 哈尔滨工业大学

Inventor： 沈毅 ,  赵振昊 ,  张淼

IPC: G06F17/14

Abstract: 卡尔曼滤波与经验模态分解有机结合的机动目标跟踪方法，涉及机动目标滤波跟踪领域，解决了无法克服EMD方法中的“边界效应”及强机动目标卡尔曼滤波的发散问题。该方法为：一、获得当前采样时刻的量测数据序列，利用卡尔曼预测方程，获得下一时刻的系统状态预测数据，将其与当前序列组合；二、在组合序列中插值生成滤波序列；三、利用EMD方法对滤波序列进行分解，剔除包含噪声的IMF，获得当前滤波值；四、将该滤波值作为当前滤波结果显示；五、将该滤波值作为系统当前状态的后验估计，在下一时刻结合量测数据及卡尔曼方程组，获得计算参数，然后返回一，将下一时刻作为当前时刻，实现机动目标的跟踪。本发明可用于机动目标滤波跟踪领域。

公开(公告)号：CN101894097A

公开(公告)日：2010-11-24

申请号：CN201010235062.2

申请日：2010-07-23

Applicant: 哈尔滨工业大学

Inventor： 沈毅 ,  赵振昊 ,  张淼

IPC: G06F17/14

Abstract: 卡尔曼滤波与经验模态分解有机结合的机动目标跟踪方法，涉及机动目标滤波跟踪领域，解决了无法克服EMD方法中的“边界效应”及强机动目标卡尔曼滤波的发散问题。该方法为：一、获得当前采样时刻的量测数据序列，利用卡尔曼预测方程，获得下一时刻的系统状态预测数据，将其与当前序列组合；二、在组合序列中插值生成滤波序列；三、利用EMD方法对滤波序列进行分解，剔除包含噪声的IMF，获得当前滤波值；四、将该滤波值作为当前滤波结果显示；五、将该滤波值作为系统当前状态的后验估计，在下一时刻结合量测数据及卡尔曼方程组，获得计算参数，然后返回一，将下一时刻作为当前时刻，实现机动目标的跟踪。本发明可用于机动目标滤波跟踪领域。