一、目标跟踪系统中野值的判别与剔除方法(论文文献综述)
徐磊,刘晓阳,郑晟,徐金龙,王中晔[1](2021)在《基于机动识别的多级组合滤波器设计》文中提出针对机动目标滤波问题,利用基础的琢-茁滤波算法,建立了基于机动识别的多级组合琢-茁滤波算法。从工程可实现角度出发,重点阐述了组合滤波器的机动识别算法、野值剔除算法、机动识别与野值剔除启动算法,以及多级滤波器的切换规则。仿真结果验证了组合滤波算法的有效性。
朱红运,苗岩松,庞建国[2](2021)在《基于卡尔曼滤波的遥测数据野值剔除方法》文中研究指明为剔除遥测数据中野值并降低背景噪声干扰,文章提出了一种基于卡尔曼滤波的遥测数据野值剔除方法。该方法在对遥测数据进行卡尔曼滤波过程中,首先根据卡尔曼信息特征构建能够反映野值的判别因子,其次利用莱特准则分析判别因子特征,实现对野值的准确判别,而后利用该判别因子推导野值点处观测值,最后利用该观测值对卡尔曼滤波过程中预测值进行修正,以达到消除野值干扰的目的。实验结果表明:该方法在抑制遥测信号背景噪声干扰的同时,可有效剔除信号中野值,且具有较强的鲁棒性,是一种有效可行的遥测数据野值剔除方法。
吴晓博[3](2021)在《外弹道跟踪测速数据处理方法研究》文中研究说明本文以事后外弹道跟踪测数据处理过程为线索,将外弹道跟踪测速数据作为主要研究对象,对若干外弹道跟踪测速数据事后处理新方法进行了研究。其研究内容包括以下几个部分:(1)针对外弹道跟踪测速(测速测元)数据中的野值识别和特征点识别难题,本文研究并提出了基于随机样本一致性算法(RANSAC)算法的野值识别(修正)方法和基于重采样和邻近聚类的特征点识别算法,并针对每种算法分别给出了两种实现方法,仿真分析结果表明两种算法能够有效地识别出外弹道跟踪测速数据中的野值和特征点。(2)本文对多测速测量体制中一主多副跟踪测速自定位技术进行了研究,利用高精度的测速数据实现了飞行器弹道参数的自定位,摆脱了对低精度定位参数的依赖。(3)本文研究了一种基于数据驱动的线性无偏最小方差估计数据融合方法,该方法能利用滑动最小二乘拟合残差法挖掘测量数据的动态精度,并基于线性无偏最小方差估计(LUMV)准则实现测量数据的动态加权融合,仿真实验结果表明新算法的融合精度明显提高。(4)针对弹道参数最优估计问题,本文研究了基于变量差分法的最优卷积平滑算法和最优三次光滑样条平滑算法。两种方法基于最小化误差准则,通过迭代的方法寻找出模型参数的最优估计值,为弹道参数的最优估计提供了新的解决思路。(5)本文利用PYTHON编程语言开发了一套外弹道跟踪测速数据处理软件系统,将本文研究的所有算法内嵌到了该软件系统中,一定程度上实现了外弹道跟踪测量数据处理过程的自动化,提高了测量数据的处理效率。
李宇峰,章政,黄卫华,余晨雨,张舰栋,陶卓,何佳乐[4](2021)在《基于模糊预测与扩展卡尔曼滤波的野值剔除方法》文中研究表明针对基于微机电系统无人机的野值的辨识和处理,设计了一种基于模糊预测与扩展卡尔曼滤波(EKF)的野值剔除方法.首先,将角速度模长引入梯度下降法中,通过动态调整梯度步长,提高模糊预测量的精度,有效避免模糊预测时对阈值依赖性较高及野值剔除后造成的数据点丢失;其次,以新息作为野值的判别准则,利用加速度计测量值信任度因子调整新息判别阈值,从而剔除观测传感器的野值;然后,通过共轭梯度法将模糊预测值转化为姿态四元素重新修正卡尔曼滤波的状态估计.最后,基于所搭建的共轴双桨无人机实验平台系统验证所提算法的有效性.实验结果表明:在共轴双桨无人机悬停、强机动情况下,所提算法能保证共轴双桨无人机的稳定飞行,有效提高共轴双桨无人机的姿态跟踪精度和稳定性.
刘尚兰[5](2021)在《基于线路特征的电子地图匹配技术研究》文中研究说明准确、实时的位置估计是实现车辆运输安全和高效的前提,也是实现智能交通的基础。为提高车辆定位精度,本文以电子地图为基础,结合线路特征,设计地图构建和匹配方法,实现地图辅助的车辆位置估计,提高位置估计精度和对复杂场景的适应性。在此基础上设计仿真实验和车载测试方案,对模型进行验证,并分析模型对位置估计误差的校正效果。本论文主要展开了以下方面的研究:(1)了解地图匹配和车辆定位相关理论基础,分析线路特征,并根据直线、缓和曲线、圆曲线的参数模型,设计地图平面模型和参数方程,作为地图构建和地图匹配研究的基础模型。进而从地图构建和地图匹配两个方面展开研究,其中地图构建通过线路分段和轨迹拟合实现,地图匹配从多源信息融合的角度出发展开研究。(2)根据INS的自主性和姿态完整性,提出基于INS的平面线形双层阈值识别方法进行线路分段。根据行车状态下航向角速度在不同线形中的特性,设计基于JB-PSO的双层阈值提取算法进行直线、缓和曲线、圆曲线的划分,得到三种线形的识别结果,并采用领域网格聚类对野值导致的线形误判进行修正,完成基于姿态信息的线路分段和线形识别模型研究。(3)在线路分段的基础上,设计轨迹拟合方法。考虑到测试环境下的干扰,引入聚集密度系数对标准LS进行自适应权重改进,并根据线路特征对改进LS拟合算法的系数进行推导,包括直线、圆曲线、缓和曲线三种线形的拟合系数,得到各个路段的拟合轨迹,通过提取路段交叉点,完成拓扑地图构建。(4)提出基于线路特征的地图匹配模型,从初始位置匹配、初始方向匹配和路段内的跟踪匹配三个方面开展研究。初始匹配过程中,提出基于最短距离投影和系统稳定性跟踪的匹配方法进行初始位置匹配,并构建子坐标系,采用模糊阈值判别法进行初始方向匹配。(5)在完成初始匹配的基础上,进入跟踪匹配阶段,设计了基于线路特征的跟踪匹配模型。模型主要包括三个部分:首先设计线路特征下的姿态约束模型对GNSS/INS算法进行改进;其次通过一维里程推算进行MM/DR地图航位推移;最后,根据姿态约束模型进行子滤波器设计,并设计自适应信息分配的主滤波器,根据行车环境感知,实时调整各子滤波器的信息分配系数,通过跟踪匹配模型提高车辆位置估计精度和对行车环境的适应性。(6)最后设计仿真实验和车载测试方案,对基于双层阈值模型的平面线形识别、改进的自适应LS拟合算法、基于线路特征的地图匹配模型进行验证。实验结果表明,本文所提模型的线路类型识别准确率约为97.1%,基于改进的自适应LS路段拟合误差降低约65.21%,基于线路特征的地图匹配模型使位置和速度估计误差降低50%以上。
原常弘[6](2020)在《联合ADS-B的雷达系统误差配准技术研究》文中提出利用多传感器组网获取监视区域中各种信息是实现实时检测、目标定位、跟踪与识别的一种重要手段,被广泛应用于智能监控、低空飞行器、无人驾驶和移动机器人等诸多领域。尤其在大范围监视空域,由低空雷达、光学传感器以及广播式自动相关监视(ADS-B)设备等构建的多传感器跟踪系统及其相关技术,日益受到国内外广泛关注。在实际中,由于传感器性能差异、目标运动模式、目标个数的不断改变、监测环境的动态变化及组网系统数据处理的不精确,导致空域多目标跟踪过程种存在大量的不确定性。另外,由于空域目标的种类繁多、性能差异大、飞行高度低和变化快等影响,也导致目标的机动情况复杂,进一步增加了目标跟踪的难度。因此,如何对多传感器不确定信息进行处理与融合、形成统一的目标航迹态势,是空域多目标跟踪的难点和热点之一。本人在多年防空预警雷达装备实操以及理论学习工作基础上,总结和分析多传感器多目标跟踪过程中的不确定问题,同时受到国家自然科学基金青年基金项目(No.61703280)和省自然科学基金项目(No.20JR5RA378)的支持,进一步研究多传感器空域目标的不确定信息处理,本文则重点探索雷达组网系统误差的校准算法研究。具体工作如下:第一章绪论。首先介绍本文研究的背景、意义以及国内外研究现状;然后,介绍了多目标跟踪过程中传感器数据和目标运动的特点,以及多传感器跟踪系统中数据处理的不确定性,重点介绍雷达网系统误差的产生以及对整个信息融合过程的影响,以及简要介绍常见系统误差的校准算法。最后,给出本文的主要研究成果和内容安排。第二章介绍雷达组网中数据融合前的预处理技术,主要有时间配准,空间配准,野值去除等相关技术。另外,简要介绍ADS-B技术特点,并将ADS-B与雷达进行对比,并分析ADS-B与雷达进行数据融合的优势。第三章针对两坐标雷达和ADS-B传感器搭建的多传感器跟踪平台,提出一种联合ADS-B的最小二乘系统误差估计方法,用于提高多雷达跟踪系统中雷达的跟踪精度以及融合结果的精度。该方法首先建立ADS-B和雷达的统一坐标系,并对多传感器量测数据进行时间配准、空间配准、野值剔除等预处理,然后采用最小二乘算法(LS)估计雷达系统误差。该方法能够更有效地估计雷达系统误差,可以进一步降低雷达航迹数据在平均斜距和方位角分量的误差。第四章针对系统中雷达观测数据的时空不确定性问题,本文探索出一种改进迭代最近点算法用于两坐标雷达系统误差估计。该算法在两坐标雷达观测数据存在质量差、异常点多以及时空不确定的情况下,不要求对雷达观测与ADS-B观测进行时间配准处理,能够降低对传感器性能的依赖。经过仿真数据和实测数据实验证明,相对传统配准算法,提出方法能够快速、准确地估计雷达系统误差,具有更高的配准精度。第五章对全文进行总结,并对下一步工作进行展望。
刘小洁[7](2020)在《航天器外弹道测量数据处理方法研究》文中研究说明近年来,航天应用领域的拓展、飞行试验任务要求的提高以及更加复杂的空间环境给航天测控系统带来了极大的挑战。并且随着外测系统的快速发展,多台次、多类型外测设备逐渐被广泛应用,这对航天器外测数据处理的方法及精度提出了更加严苛的要求。因此,为了对航天器运行轨道进行准确描述、获得高精度的弹道参数,需要研究能够适用于实际工程的高精度外弹道测量数据处理方法。本文基于多设备组成的外测系统,主要进行了外测数据预处理、非线性非高斯系统下实时数据融合处理、弹道层事后数据综合处理三个方面的研究,具体研究工作如下:(1)针对外测系统中不同外测设备采用的测量坐标系不一致且时间基准不统一的问题,本文研究了测量极坐标系与发射坐标系间的空间对准模型,并对插值时间对准法和曲线拟合时间对准法进行理论分析,发现曲线拟合方法所获得的估计值会更接近于真实值,优势更大。(2)针对外测数据中存在的系统误差,分析了脉冲雷达和光电经纬仪这两种常用外测设备的主要系统误差源,建立了对应的系统误差模型;针对外测数据中的粗大误差,建立了基于最小二乘和时间多项式的非线性多点预测评估模型(Nonlinear Multi-Point Prediction and Evaluation Model,NMPPE),提出了基于该模型的野值判别与填充估计算法。通过对实际数据的测试,验证了该算法的有效性。(3)针对外测数据的多源特点和实时数据融合处理中面临的非线性非高斯问题,以无迹粒子滤波(Unscented Particle Filter,UPF)为工具,完善了两种实时数据融合处理方法,分别为基于建议分布的凸组合融合估计算法、序贯滤波融合估计算法。仿真结果表明,这两种融合策略可行且有效,轨道的估计精度有了明显的提高。(4)针对弹道层事后数据综合处理问题,研究了外测系统的精度评定、RAE测量体制下弹道参数的精度估算,并实现了弹道层数据加权融合算法,最后对某次飞行试验中的真实雷达外测数据进行了仿真验证,结果表明该处理算法能够得到预期的数据处理结果。(5)为了将所做研究工作更好地应用于实际中,本文基于MATLAB平台,设计并开发了集数据获取、数据预处理、实时数据与事后数据融合处理、评估报告生成功能为一体的外弹道测量数据处理软件系统。
时永远[8](2020)在《数据处理和水下目标跟踪》文中研究表明波达方向估计(DOA)和水下目标跟踪是水声信号处理的一个重要研究方向。本文重点研究了水声信号的波束形成、水下目标观测数据异常值处理和目标方位跟踪。主要内容有:(1)讨论了波束形成和波达方向估计(DOA)的基本原理。建立了阵列信号模型,讨论了常规的波束形成算法以及基于最小方差无畸变响应的波束形成方法;针对孤立性异常值,研究了拉依达准则、格拉布斯准则和改进的拉依达方法。仿真分析并对比了两种DOA估计算法性能和三种异常值处理算法性能。(2)研究了水下运动目标量测数据的异常值剔除。针对斑点型异常值,研究了基于差分和外推拟合的异常值处理方法,提高了斑点型异常值处理性能;研究提出了一种基于目标运动特性的异常值处理方法,讨论了异常值参数对算法处理性能的影响;针对孤立型和斑点型异常值同时存在的混合异常值情况,研究了分步处理分离孤立型和斑点型异常值的处理方法。仿真验证了各算法的异常值处理性能。(3)研究水下运动目标的方位跟踪。在交互式多模型(IMM)算法的基础上,研究了交互式多模型与动态规划相结合的机动目标方位跟踪;研究提出了多帧数据跟踪置前检测与航迹优选相结合的弱目标跟踪方法,有效实现了低信噪比下目标方位跟踪和异常值处理;研究提出了基于可变步长多帧空间谱累积目标跟踪方法,实现了机动目标的有效跟踪。仿真验证了上述算法的性能。
王潇翔[9](2020)在《多目标跟踪系统的设计与实现》文中研究说明目标跟踪理论自20世纪50年代第一次被提出,一直以来在精确制导、战场监视、导航、交通管制等领域得到了广泛应用。对机场等特定空域场景而言,多目标跟踪系统具有非常重要的意义,不仅可以实时监控空域,而且为区域航迹分析和敌我识别提供数据支持。本文分析了多目标跟踪系统的具体需求和数据特点,设计并实现了配套的多目标跟踪软件系统。系统的设计采用了分层的架构模型。系统通过接收雷达数据,首先对数据进行预处理,使用时差定位算法得到目标位置信息,然后进行数据关联滤波,计算目标航迹,并通过可视化界面进行人机交互,达到实时监测并记录目标航迹的效果。系统主要功能分为以下几个方面:1、数据处理功能。该功能模块与基站服务器进行通信,根据数据预处理方法和数据关联滤波得到目标航迹,并把计算结果发送给可视化平台。2、实时监控功能。通过实时查询数据处理的结果,在前端展示监控区域目标飞行态势及目标信息,支持设置重点关注目标。3、查询历史航迹。通过时间或目标编号查询历史信息。4、地图服务。支持设置机场,告警区等地理标注信息,提供地图缩放,经纬度标注,比例尺等插件,保证了良好的用户体验。系统采用了J2EE架构作为整体技术方案,搭建了B/S结构系统,设计了前端人机交互界面,数据使用My SQL进行持久化存储。跟踪系统的关键技术是航迹的计算,为了解决实际工程问题,本系统采用了较成熟的航迹起始方法和数据关联算法来计算航迹,并针对实际问题和数据特点做出改进。本系统在航迹计算过程中主要解决了两个问题。一是数据频率不稳定导致的航迹重复起始问题,本文通过对接收报文数据的分析,对数据进行分类后,使用基于密度的DBSCAN算法,选择适当的阈值进行聚类,通过仿真结果发现明显减少了重复起始航迹数量。二是滤波后航迹相对误差较大的问题。本文利用系统无源雷达的高精度解析数据,使用了加权数据融合方法,赋予自报点较高权值,与定位点航迹进行融合,得到最终航迹。通过仿真结果表明融合后航迹具有更小的相对均方误差,效果良好。目前本系统已经完成所有的编码和测试工作,配合相关硬件设备,在外场测试运行效果良好,符合设计需求。
彭美康[10](2020)在《复杂量测环境下无人船非线性目标跟踪方法研究》文中研究指明随着国民经济的不断发展,人们对海洋环境的探索、海洋资源的开发活动逐渐深入,无人船也逐渐成为了研究的热点。无人船具有智能化程度高、机动性好的特点,因而广泛应用于海洋货物运输、海洋灾害预警甚至军事防御等诸多领域。要实现对周围物体的准确识别与跟踪,无人船必须具备较强的环境感知能力,因此目标跟踪成为了其关键的技术支撑。然而,无人船自身的特殊性及其复杂的使用环境将导致传感器量测值中可能含有野值噪声,导致传统的目标跟踪估计算法难以得到精度较高的估计结果。并且,无人船的目标跟踪问题要求估计算法能够对非线性系统进行估计,这限制了经典的卡尔曼滤波算法的应用。因此,本文针对复杂量测环境下的无人船目标跟踪问题开展研究,主要的相关工作包括以下三个部分:1)无人船目标跟踪模型与量测噪声分析。分析了无人船自身特点及其复杂的使用环境,结合无人船目标跟踪的数学模型,建立了无人船传感器系统的复杂量测误差模型。通过对量测误差的分析,揭示了量测误差影响目标跟踪算法性能的机理,并通过仿真实验进行了验证。仿真结果表明,在复杂量测环境下,目标跟踪算法性能将严重退化,必须采取鲁棒的目标跟踪算法以提高算法的鲁棒性能。2)鲁棒的非线性目标跟踪算法研究。首先介绍了几种经典的非线性估计算法以及常用的鲁棒化方法。随后基于容积卡尔曼滤波算法的求解框架提出了一种新的鲁棒估计算法,并分析本文方法与已有估计算法的区别。通过仿真实验验证了本文提出的算法具有较好的鲁棒性,通过Wilcoxon符号秩检验验证了本文方法与其余算法的估计结果具有显着差异。3)通过数学工具对目标跟踪算法之间的性能差异进行理论分析。仿真实验显示本文算法与其余算法的性能具有显着差异,但是没有反映造成这一差异的本质原因。因此,首先引入了影响函数,推导并计算了几种算法的影响函数,计算结果表明本文方法具有较好的鲁棒性。随后介绍了矩阵病态与条件数,通过条件数验证了本文算法具有较好的数值稳定性。
二、目标跟踪系统中野值的判别与剔除方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、目标跟踪系统中野值的判别与剔除方法(论文提纲范文)
(3)外弹道跟踪测速数据处理方法研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 外弹道跟踪测速测量系统 |
1.2.1 短基线干涉仪测量系统 |
1.2.2 高精度多测速测量系统 |
1.3 外弹道跟踪测速数据处理流程概述 |
1.4 国内外研究现状 |
1.5 论文研究内容与结构 |
2 测速数据预处理 |
2.1 基于RANSAC算法的野值识别算法 |
2.1.1 外测数据野值模型的构建 |
2.1.2 基于RANSAC算法的野值识别原理 |
2.1.3 算法实现与分析 |
2.2 基于重采样和近邻聚类的特征点识别算法 |
2.2.1 外测数据中的特征点 |
2.2.2 基于重采样和近邻聚类的特征点识别算法原理 |
2.2.3 算法实现与分析 |
2.3 本章小结 |
3 弹道参数的自定位以及融合技术 |
3.1 多测速测量数据弹道自定位技术 |
3.1.1 3RR和3SS体制定位与测速 |
3.1.2 一主多副跟踪测量自定位技术 |
3.1.3 算法实现与分析 |
3.2 基于数据驱动的LUMV数据融合方法 |
3.2.1 动态环境干扰下的多传感系统和LUMV估计 |
3.2.2 基于数据驱动的LUMV数据融合方法 |
3.2.3 算法实现与分析 |
3.3 本章小结 |
4 弹道参数最优估计 |
4.1 最优卷积平滑算法 |
4.1.1 卷积平滑算法 |
4.1.2 最优卷积平滑算法 |
4.1.3 算法实现与分析 |
4.2 最优三次光滑样条平滑算法 |
4.2.1 三次光滑样条 |
4.2.2 最优三次光滑样条平滑算法 |
4.2.3 算法实现与分析 |
4.3 本章小结 |
5 软件实现 |
5.1 软件系统开发环境与开发平台 |
5.2 软件系统设计框架和逻辑结构 |
5.3 软件系统的操作流程和使用实例 |
5.4 软件系统的验证和评价 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间主要研究成果 |
(4)基于模糊预测与扩展卡尔曼滤波的野值剔除方法(论文提纲范文)
0 引言 |
1 共轴双桨无人机设计 |
2 基于模糊预测与EKF的野值剔除方法 |
2.1 基于动态梯度下降的模糊预测系统设计 |
2.1.1 时间序列模糊T-S预测系统 |
2.1.2 基于动态步长的梯度下降算法 |
2.2 基于EKF的新息序列动态野值剔除算法 |
2.2.1 共轴双桨无人机的状态模型 |
2.2.2 共轴双桨无人机的观测模型 |
2.2.3 基于新息序列的动态野值判别与剔除 |
1) 野值的判别准则 |
2) 动态野值剔除方法与修正 |
3) 野值的剔除 |
3 实验与结果分析 |
3.1 基于模糊预测的动态测试实验 |
3.2 悬停状态下野值剔除实验 |
3.3 绕轴转动野值剔除实验 |
4 结论 |
(5)基于线路特征的电子地图匹配技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 国内外研究现状 |
1.4 论文研究内容与组织结构 |
1.4.1 研究内容 |
1.4.2 组织结构 |
1.5 本章小结 |
2 相关理论基础研究 |
2.1 组合导航 |
2.1.1 全球导航卫星系统 |
2.1.2 航位推测系统 |
2.1.3 组合导航 |
2.2 地图构建 |
2.2.1 地理信息系统 |
2.2.2 坐标系 |
2.2.3 地图结构设计 |
2.2.4 地图生成 |
2.3 地图匹配 |
2.4 本章小结 |
3 基于姿态信息的线路分段模型研究 |
3.1 平面线形双层阈值识别方法概述 |
3.2 JB-PSO全局阈值算法 |
3.2.1 全局阈值提取 |
3.2.2 基于邻域网格聚类的野值误判修正 |
3.3 局部阈值提取 |
3.3.1 局部姿态特征 |
3.3.2 基于频率截止法的噪声项剔除 |
3.3.3 趋势项分离 |
3.4 本章小结 |
4 基于改进LS拟合的轨迹拟合 |
4.1 改进的LS轨迹拟合 |
4.1.1 LS轨迹拟合算法 |
4.1.2 改进的自适应LS拟合算法 |
4.2 线形特征下的改进LS系数推导 |
4.3 本章小结 |
5 基于线路特征的地图匹配模型 |
5.1 初始匹配 |
5.2 基于线路特征的跟踪匹配 |
5.2.1 地图匹配辅助的跟踪匹配模型 |
5.2.2 姿态约束模型 |
5.2.3 线路特征辅助的地图航位推移 |
5.2.4 基于自适应FKF的数据融合模型 |
5.3 本章小结 |
6 仿真、测试与分析 |
6.1 线路分段仿真实验 |
6.1.1 JB-PSO算法验证 |
6.1.2 局部阈值求解 |
6.1.3 算法性能指标分析 |
6.2 路段拟合仿真实验 |
6.3 地图匹配实验 |
6.4 本章小结 |
结论 |
致谢 |
参考文献 |
(6)联合ADS-B的雷达系统误差配准技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究发展现状 |
1.3 论文的主要研究内容与组织安排 |
第二章 ADS-B技术特点分析及雷达数据预处理技术 |
2.1 引言 |
2.2 ADS-B的特点分析 |
2.2.1 ADS-B的原理 |
2.2.2 ADS-B系统的组成部分和主要功能 |
2.2.3 ADS-B和雷达对比 |
2.3 量测数据预处理技术 |
2.3.1 时间配准 |
2.3.2 坐标变换 |
2.3.3 野值剔除 |
2.4 本章小结 |
第三章 联合ADS-B的最小二乘雷达系统误差估计方法 |
3.1 引言 |
3.2 系统误差和随机误差及解决方法 |
3.3 雷达及ADS-B航迹数预处理 |
3.3.1 坐标转换 |
3.3.2 时间配准 |
3.3.3 野值处理 |
3.3.4 雷达方位角误差补偿 |
3.4 基于最小二乘的雷达系统误差估计 |
3.5 实测数据实验 |
3.5.1 实测数据实验及分析 |
3.5.2 实验结果讨论 |
3.6 本章小结 |
第四章 用于雷达系统误差估计的改进迭代最近点算法 |
4.1 引言 |
4.2 雷达与ADS-B的联合观测模型 |
4.3 两坐标雷达系统误差配准分析 |
4.4 改进ICP算法的系统误差配准方法 |
4.4.1 ICP算法概述 |
4.4.2 用于雷达系统误差的改进ICP算法 |
4.5 实验结果与分析 |
4.5.1 仿真数据实验分析 |
4.5.2 实测数据实验分析 |
4.6 结论 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
研究生期间主要成果 |
(7)航天器外弹道测量数据处理方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 论文研究内容与结构 |
2 航天器外弹道测量的基本理论 |
2.1 航天器运行过程 |
2.2 常用外测系统及测元类型 |
2.2.1 常用外测系统 |
2.2.2 测元类型 |
2.3 空间定位方法 |
2.3.1 单站测量定位 |
2.3.2 光学经纬仪交会定位 |
2.3.3 三站测距定位 |
2.3.4 多站测距定位 |
2.4 本章小结 |
3 外弹道测量数据预处理 |
3.1 数据对准 |
3.1.1 时间对准 |
3.1.2 空间对准 |
3.2 系统误差修正 |
3.2.1 脉冲雷达系统误差模型 |
3.2.2 光电经纬仪系统误差模型 |
3.3 随机误差统计分析 |
3.4 野值判别与填充估计 |
3.4.1 非线性多点预测评估模型 |
3.4.2 基于NMPPE的野值判别与填充算法 |
3.4.3 仿真结果 |
3.5 本章小结 |
4 基于UPF的外测数据实时融合处理 |
4.1 非线性非高斯系统描述 |
4.2 基于建议分布的凸组合融合估计算法 |
4.2.1 凸组合融合估计算法 |
4.2.2 基于建议分布的凸组合融合估计算法 |
4.3 基于UPF的序贯滤波融合估计算法 |
4.4 仿真分析 |
4.5 本章小结 |
5 弹道层事后数据综合处理 |
5.1 外测系统的系统测量精度评定方法 |
5.1.1 最小二乘拟合残差法 |
5.1.2 样条拟合残差法 |
5.2 RAE测量体制的精度估算 |
5.3 弹道层事后加权融合处理 |
5.4 仿真结果 |
5.5 本章小结 |
6 外弹道测量数据处理软件系统开发 |
6.1 开发环境与平台 |
6.2 软件系统框架设计与实现 |
6.3 软件使用实例 |
6.4 本章小结 |
7 总结与展望 |
7.1 工作总结 |
7.2 研究展望 |
致谢 |
参考文献 |
攻读硕士学位期间主要研究成果 |
(8)数据处理和水下目标跟踪(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究历史及现状 |
1.2.1 异常值剔除研究历史与现状 |
1.2.2 目标跟踪研究历史与现状 |
1.3 本文主要工作及内容安排 |
第二章 DOA估计和异常值剔除理论基础 |
2.1 源信号数学模型 |
2.1.1 窄带和宽带信号模型 |
2.2 接收阵列信号模型 |
2.3 基本的DOA估计算法 |
2.3.1 阵列方向图 |
2.3.2 常规波束形成算法(CBF) |
2.3.3 最小方差无畸变波束形成算法(MVDR) |
2.4 异常值处理理论与准则 |
2.4.1 异常值的分类 |
2.4.2 拉依达准则 |
2.4.3 格拉布斯准则 |
2.4.4 改进的拉依达方法 |
2.5 仿真实验 |
2.6 本章小结 |
第三章 方位测量数据的异常值处理 |
3.1 斑点型异常值处理 |
3.1.1 外推拟合法原理 |
3.1.2 基于差分和外推拟合的异常值处理 |
3.2 基于航向的异常值处理 |
3.2.1 算法原理 |
3.2.2 算法步骤 |
3.3 孤立型和斑点型混合异常值处理 |
3.3.1 异常值类型判别 |
3.3.2 异常值修正 |
3.4 仿真实验 |
3.5 本章小结 |
第四章 水下目标跟踪方法 |
4.1 交互式多模型(IMM)目标跟踪 |
4.1.1 目标运动模型 |
4.1.2 IMM基本原理 |
4.2 弱目标的方位跟踪 |
4.2.1 方法原理 |
4.2.2 方法步骤 |
4.3 基于可变步长的目标跟踪 |
4.3.1 算法步骤 |
4.4 机动目标方位跟踪 |
4.4.1 算法原理 |
4.4.2 算法步骤 |
4.5 仿真实验 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 研究展望 |
致谢 |
参考文献 |
(9)多目标跟踪系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.3 本文完成的工作 |
1.3.1 设计和实现多目标跟踪软件系统 |
1.3.2 对航迹计算方法的改进 |
1.4 论文章节安排 |
第二章 课题需求分析 |
2.1 系统研发背景 |
2.2 功能性需求分析 |
2.2.1 飞行航迹演示平台需求分析 |
2.2.2 数据处理模块需求分析 |
2.3 非功能性需求分析 |
2.4 本章小结 |
第三章 系统总体设计 |
3.1 设计目标 |
3.2 逻辑架构 |
3.3 物理架构 |
3.4 本章小结 |
第四章 系统详细设计 |
4.1 数据预处理模块 |
4.1.1 数据来源 |
4.1.2 坐标系转换 |
4.1.3 定位点计算 |
4.1.4 野值点鉴别 |
4.2 航迹计算模块 |
4.2.1 数据关联方法 |
4.2.2 航迹滤波算法 |
4.2.3 航迹计算流程 |
4.2.4 Redis集群搭建 |
4.3 地图服务 |
4.4 用户配置 |
4.5 权限控制 |
4.6 航迹绘制 |
4.7 区域告警 |
4.8 本章小结 |
第五章 工程实践中的算法改进 |
5.1 改进的基于聚类算法的起始方法 |
5.1.1 逻辑法 |
5.1.2 航迹重复起始问题描述 |
5.1.3 基于聚类算法的航迹起始方法 |
5.1.4 仿真实验 |
5.2 改进的基于信息融合的航迹算法 |
5.2.1 定位点航迹误差的问题描述 |
5.2.2 基于自报点融合的航迹平滑方法 |
5.2.3 仿真实验 |
5.3 本章小结 |
第六章 系统测试与运行 |
6.1 测试环境 |
6.2 性能测试 |
6.3 功能测试 |
6.4 测试结论 |
6.5 效果展示 |
6.6 本章小结 |
第七章 总结与展望 |
7.1 工作总结 |
7.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
(10)复杂量测环境下无人船非线性目标跟踪方法研究(论文提纲范文)
中文摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 关键问题分析 |
1.3 研究现状 |
1.4 论文主要工作与章节安排 |
第2章 无人船目标跟踪模型与量测噪声分析 |
2.1 无人船目标跟踪模型 |
2.2 无人船目标跟踪的量测误差模型 |
2.3 复杂量测误差的影响分析 |
2.4 本章小结 |
第3章 基于鲁棒M估计的目标跟踪算法 |
3.1 非线性估计算法 |
3.2 经典的鲁棒估计算法 |
3.3 基于CKF的鲁棒卡尔曼滤波算法 |
3.4 仿真实验 |
3.5 Wilcoxon符号秩检验 |
3.6 本章小结 |
第4章 滤波估计算法的影响函数和条件数分析 |
4.1 影响函数分析 |
4.2 条件数分析 |
4.3 本章小结 |
第5章 总结与展望 |
5.1 本文工作总结 |
5.2 相关研究展望 |
致谢 |
参考文献 |
攻读学位期间发表的学术论文 |
附录 A |
四、目标跟踪系统中野值的判别与剔除方法(论文参考文献)
- [1]基于机动识别的多级组合滤波器设计[J]. 徐磊,刘晓阳,郑晟,徐金龙,王中晔. 火力与指挥控制, 2021(08)
- [2]基于卡尔曼滤波的遥测数据野值剔除方法[J]. 朱红运,苗岩松,庞建国. 航天返回与遥感, 2021(04)
- [3]外弹道跟踪测速数据处理方法研究[D]. 吴晓博. 西安理工大学, 2021(01)
- [4]基于模糊预测与扩展卡尔曼滤波的野值剔除方法[J]. 李宇峰,章政,黄卫华,余晨雨,张舰栋,陶卓,何佳乐. 信息与控制, 2021(06)
- [5]基于线路特征的电子地图匹配技术研究[D]. 刘尚兰. 兰州交通大学, 2021(02)
- [6]联合ADS-B的雷达系统误差配准技术研究[D]. 原常弘. 南方医科大学, 2020
- [7]航天器外弹道测量数据处理方法研究[D]. 刘小洁. 西安理工大学, 2020(01)
- [8]数据处理和水下目标跟踪[D]. 时永远. 东南大学, 2020(01)
- [9]多目标跟踪系统的设计与实现[D]. 王潇翔. 西安电子科技大学, 2020(05)
- [10]复杂量测环境下无人船非线性目标跟踪方法研究[D]. 彭美康. 武汉理工大学, 2020(08)