一种基于高斯过程的机动目标集群跟踪方法

    公开(公告)号:CN118965475B

    公开(公告)日:2025-01-21

    申请号:CN202411451443.2

    申请日:2024-10-17

    Abstract: 本发明公开了一种基于高斯过程的机动目标集群跟踪方法,包括以下步骤:S1、选定集群质心,通过星凸模型描述集群形态轮廓,构建轮廓状态空间模型;S2、构建质心运动状态空间模型,构建朝向演化状态空间模型;S3、构建联合状态空间方程;S4、获取目标集群量测,在线递推估计目标集群状态;S5、可视化处理目标集群状态,获取目标集群跟踪结果。本发明考虑到目标集群轮廓、质心运动和朝向角度多方面,解决了在集群内目标发生不可预测机动时,跟踪不精准的问题;通过交互式多模型构建目标集群状态估计器,在线递推估计目标集群状态,即实现了机动目标集群的高精度稳定跟踪。

    一种基于高斯过程的机动目标集群跟踪方法

    公开(公告)号:CN118965475A

    公开(公告)日:2024-11-15

    申请号:CN202411451443.2

    申请日:2024-10-17

    Abstract: 本发明公开了一种基于高斯过程的机动目标集群跟踪方法,包括以下步骤:S1、选定集群质心,通过星凸模型描述集群形态轮廓,构建轮廓状态空间模型;S2、构建质心运动状态空间模型,构建朝向演化状态空间模型;S3、构建联合状态空间方程;S4、获取目标集群量测,在线递推估计目标集群状态;S5、可视化处理目标集群状态,获取目标集群跟踪结果。本发明考虑到目标集群轮廓、质心运动和朝向角度多方面,解决了在集群内目标发生不可预测机动时,跟踪不精准的问题;通过交互式多模型构建目标集群状态估计器,在线递推估计目标集群状态,即实现了机动目标集群的高精度稳定跟踪。

    一种基于Kalman改进的粒子滤波算法

    公开(公告)号:CN113704673A

    公开(公告)日:2021-11-26

    申请号:CN202110896346.4

    申请日:2021-08-05

    Abstract: 本发明提出了一种基于Kalman改进的粒子滤波算法,该算该算法综合考虑Kalman滤波算法与粒子滤波算法的不同特性,利用扩展卡尔曼滤波对粒子状态的估计进行状态空间的搜索,弱化先验信息的影响、粒子退化及扩展卡尔曼滤波算法在高速机动、强干扰目标时的滤波发散现象,一定程度上提高了对于高机动、强干扰目标的滤波精度,具有一定的工程应用价值。

Patent Agency Ranking