导读:本文包含了交互式多模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:多模,卡尔,目标,算法,多普勒,马尔,科夫。
交互式多模型论文文献综述
宋天明,唐敏[1]（2019）在《电子对抗中基于交互式多模型的机载雷达辐射控制》一文中研究指出针对电子对抗中传统机载雷达辐射控制方法相互干扰的问题,提出电子对抗中基于交互式多模型的机载雷达辐射控制研究。运用交互式多模型控制机载雷达辐射,以将雷达辐射信噪比最小化为目标,建立基于交互式多模型的机载雷达辐射控制模型,运用交互式多模型算法获取量测数据并与设定好的协方差门限进行比较,以此来有效控制机载雷达辐射。经过试验分析,验证了本文方法在电子对抗中具有良好的实用性。(本文来源于《电子世界》期刊2019年22期）
孙澜澜[2]（2019）在《交互式多模型的转移概率自适应算法研究及应用》一文中研究指出交互式多模型(Interacting Multiple Model,IMM)兼具低计算量与高精度的优势,是最主流、最具费效比的多模型算法,在混合系统状态估计领域有着广泛的应用。转移概率矩阵(Transition Probability Matrix,TPM)是IMM算法中的重要参数,往往根据先验信息被设置为固定的常数矩阵,这是一种保守而折中的参数设定方法,导致IMM算法不能达到预期性能。本文分析了IMM算法估计混合系统状态时,不同系统状态下对TPM的需求,针对其转移概率自适应算法的研究与应用展开了如下工作:1、由于模型概率的斜率中蕴含着系统模型模型跳转趋势,因此根据该斜率构造了转移概率修正函数,提出了一种基于模型概率斜率修正的转移概率自适应交互式多模型算法,并通过仿真实验验证了算法的性能。2、根据后项差分思想,构造了基于模型概率后项差分的转移概率修正函数,提出一种基于模型概率N阶后项差分的转移概率自适应交互式多模型算法,分析了差分阶数N对算法性能的影响,并通过仿真实验验证算法的性能。3、针对上述根据模型概率信息修正的IMM算法不能适时判断系统当前模型状态,导致算法响应模型跳转能力弱化的问题,提出了一种基于似然函数比的模型跳转判断方法,通过该方法提供的当前模型信息重新构造了转移概率修正函数,提出一种基于转移概率自适应的并行交互式多模型算法,采用仿真实验验证了该算法的性能。模型切换阈值是该算法的重要参数,通过理论分析与仿真实验给出了该参数的设置准则。4、运行列车的运动状态分析实际上是一种混合系统状态估计问题,针对动力学模型集参数难确定的问题,提出一种基于受力分析的列车动力学模型集建模方法,并将本文所提的转移概率自适应IMM算法应用于列车运动状态分析中,仿真实验证明了本文所提建模方法、转移概率自适应交互式多模型算法在列车运动状态分析中的可行性与有效性。(本文来源于《西安理工大学》期刊2019-06-30）
孙寿宇,宫淑丽[3]（2019）在《基于交互式多模型扩展维特比容积卡尔曼滤波机场场面运动目标跟踪》一文中研究指出根据先进场面运动引导控制系统(advanced surface movement guidance and control system,A-SMGCS)的监视要求,提出一种基于交互式多模型扩展维特比算法(interactive multi-model extended viterbi algorithm,IMMEV)与容积卡尔曼滤波(CKF)相结合的目标跟踪算法,以实现机场场面目标的跟踪。根据机场场面运动目标的运动建立相应的运动模型集,采用交互式多模型算法(IMM)实现目标跟踪;模型集中过多的模型会导致运算复杂性增加,且不能真实反映目标的运动,采用扩展维特比(extended viterbi,EV)算法对IMM进行优化,简化模型集;容积卡尔曼滤波器(cubature Kalman filter,CKF)较传统的滤波算法具有更高的滤波精度和稳定性,将其与IMMEV相结合形成IMMEV-CKF跟踪算法。为了验证所提出的IMMEV-CKF对场面运动目标跟踪性能,仿真研究IMMEV-CKF算法、IMM-UKF和当前统计模型对同一目标的跟踪。仿真结果表明,IMMEVCKF在跟踪精度性能方面要优于IMM-UKF和改进后的当前统计模型。因此,IMMEV-CKF更能满足机场场面运动目标跟踪要求。(本文来源于《科学技术与工程》期刊2019年18期）
韩伟,何成伟,朱沛[4]（2019）在《多普勒盲区条件下的交互式多模型粒子滤波算法》一文中研究指出机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹暂消和重起批甚至断批。针对多普勒盲区条件下的目标连续跟踪问题,提出了一种基于交互式多模型的盲区粒子滤波(Interacting Multiple Model-Blind Doppler Particle Filtering, IMM-BDPF)算法。该算法将多普勒盲区的先验信息并入到IMM-PF中,在模型集中的每个运动模型上分别完成盲区粒子滤波,再进行交互式处理,得到盲区内的目标状态估计值。仿真结果表明该算法对盲区内做机动的目标具有较高的状态估计精度,解决了多普勒盲区条件下的机动目标连续跟踪问题。(本文来源于《火控雷达技术》期刊2019年02期）
谭霁宬,颜学龙[5]（2019）在《基于交互式多模型无迹卡尔曼滤波的锂电池荷电状态估计》一文中研究指出为了提高传统卡尔曼滤波法估计锂电池荷电状态(SOC)的精度,在锂电池二阶RC等效电路模型基础上,根据隐马尔科夫模型(HMM)理论并采用遗传算法优化构造出了不同参数状态的电池模型。结合交互式多模型(IMM)算法与无迹卡尔曼滤波(UKF)算法进行SOC估计,提出了一种基于HMM的IMM-UKF算法估计锂电池SOC的方法。锂电池在线SOC估计实验表明,该方法比较其他估计方法有着更高的估计精度,平均绝对误差仅为1%。(本文来源于《科学技术与工程》期刊2019年12期）
王创,郑宾[6]（2019）在《交互式多模型IEEE 1588时钟同步算法》一文中研究指出时间同步是保证分布式测试数据有效的重要前提。时钟漂移对环境十分敏感,并没有准确的估计模型。提出了基于卡尔曼滤波器的交互式多模型IEEE1588时钟同步算法,该算法以一阶自回归模型和恒定加速模型对时钟漂移进行分别估计,运用交互式多模型系统对估计结果进行动态加权从而得到相对准确的时钟漂移。仿真实验结果表明,在时钟同步中引入该算法能够提高时钟同步精度。(本文来源于《自动化技术与应用》期刊2019年04期）
杨佳义[7]（2019）在《交互式多模型Kalman滤波算法的研究》一文中研究指出现代雷达在进行目标跟踪时常常采取卡尔曼滤波作为滤波方法,此种滤波方法只适用于单目标单一运动模型,对于高机动目标的预测结果往往不尽人意。因此文章针对高机动目标采用交互式多模型滤波方法。模拟叁种运动方式,匀速,慢加速,快加速过程。采用叁种不同运动模型对目标航迹进行滤波。并对真实航迹,观测航迹,滤波航迹进行对比,并对此种滤波方法进行性能分析。(本文来源于《科技创新与应用》期刊2019年01期）
卢晨,刘正[8]（2018）在《无迹信息滤波耦合交互式多模型的多传感器机器人轨迹控制》一文中研究指出为了实现对包装运输过程中机器人的轨迹跟踪,基于无迹信息滤波技术(UIF)和交互式多模型技术(IMM),提出了一种新的多传感器数据融合算法(UIF-IMM),融合了单个IMM滤波器、每个UIF的信息状态贡献和信息矩阵等信息.通过对机器人轨迹跟踪可知:在4种轨迹跟踪算法中,提出的算法跟踪效果最好,均方根位置误差和角度误差均最小,分别为0.047和0.9.在分布式传感器节点(UIF-IMM 2)中,采用模型似然函数组合的多传感器融合算法,其位置精度和角度精度均优于不进行组合的多传感器融合算法(UIF-IMM 1).提出的滤波方法可以很好地解决分布式多传感器环境下机器人的跟踪问题,在机动目标定位领域具有一定的参考价值.(本文来源于《中国工程机械学报》期刊2018年06期）
王尔申,翟秋刚,徐嵩,庞涛,曲萍萍[9]（2019）在《基于改进交互式多模型算法的ADS-B航迹滤波方法研究》一文中研究指出针对广播式自动相关监视(ADS-B)航迹跟踪精度低以及目标跟踪模型与目标运动模型匹配效率低的问题,结合自适应算法对经典交互多模型(IMM)算法的运动模型集进行改进。将经典交互模型(IMM)运动模型集中的匀加速运动(CA)模型,改进为"当前"统计模型(CS)和修正转弯(MCT)模型。利用改进的模型集对目标当前位置、速度和加速度进行滤波估计。并对模型转移概率进行修正,提高IMM算法的自适应能力,实现快速目标跟踪。利用模拟航迹数据及实际设备接收的实测数据对算法进行验证。结果表明:运动模型集改进后的IMM算法滤波结果优于经典IMM算法,跟踪结果稳定,改进的算法可适应复杂的目标航迹实时跟踪。(本文来源于《电光与控制》期刊2019年04期）
董祥祥,郭正玉,蔡云泽[10]（2018）在《基于交互式多模型的集合容积卡尔曼(IMM-EnCKF)滤波算法》一文中研究指出针对基于传统集合卡尔曼滤波(Enkf)算法的非线性机动目标跟踪精度低、滤波发散等问题,提出一种基于交互式多模型的集合容积卡尔曼滤波(IMM-EnCKF)跟踪算法。采用集合预报的思想,对每个初始集合进行容积采样,通过叁阶球面-相径容积规则近似状态后验均值和方差,构造集合容积卡尔曼滤波器;再将该滤波器用于交互式多模型框架。仿真结果表明,在非线性机动目标跟踪问题中,该算法比集合卡尔曼滤波算法的滤波精度更高,且在目标发生机动时,能以更短的时间跟踪上目标。验证了该算法的可行性和有效性。(本文来源于《2018中国自动化大会(CAC2018)论文集》期刊2018-11-30）
交互式多模型论文开题报告
（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：
交互式多模型(Interacting Multiple Model,IMM)兼具低计算量与高精度的优势,是最主流、最具费效比的多模型算法,在混合系统状态估计领域有着广泛的应用。转移概率矩阵(Transition Probability Matrix,TPM)是IMM算法中的重要参数,往往根据先验信息被设置为固定的常数矩阵,这是一种保守而折中的参数设定方法,导致IMM算法不能达到预期性能。本文分析了IMM算法估计混合系统状态时,不同系统状态下对TPM的需求,针对其转移概率自适应算法的研究与应用展开了如下工作:1、由于模型概率的斜率中蕴含着系统模型模型跳转趋势,因此根据该斜率构造了转移概率修正函数,提出了一种基于模型概率斜率修正的转移概率自适应交互式多模型算法,并通过仿真实验验证了算法的性能。2、根据后项差分思想,构造了基于模型概率后项差分的转移概率修正函数,提出一种基于模型概率N阶后项差分的转移概率自适应交互式多模型算法,分析了差分阶数N对算法性能的影响,并通过仿真实验验证算法的性能。3、针对上述根据模型概率信息修正的IMM算法不能适时判断系统当前模型状态,导致算法响应模型跳转能力弱化的问题,提出了一种基于似然函数比的模型跳转判断方法,通过该方法提供的当前模型信息重新构造了转移概率修正函数,提出一种基于转移概率自适应的并行交互式多模型算法,采用仿真实验验证了该算法的性能。模型切换阈值是该算法的重要参数,通过理论分析与仿真实验给出了该参数的设置准则。4、运行列车的运动状态分析实际上是一种混合系统状态估计问题,针对动力学模型集参数难确定的问题,提出一种基于受力分析的列车动力学模型集建模方法,并将本文所提的转移概率自适应IMM算法应用于列车运动状态分析中,仿真实验证明了本文所提建模方法、转移概率自适应交互式多模型算法在列车运动状态分析中的可行性与有效性。
（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。
交互式多模型论文参考文献
[1].宋天明,唐敏.电子对抗中基于交互式多模型的机载雷达辐射控制[J].电子世界.2019
[2].孙澜澜.交互式多模型的转移概率自适应算法研究及应用[D].西安理工大学.2019
[3].孙寿宇,宫淑丽.基于交互式多模型扩展维特比容积卡尔曼滤波机场场面运动目标跟踪[J].科学技术与工程.2019
[4].韩伟,何成伟,朱沛.多普勒盲区条件下的交互式多模型粒子滤波算法[J].火控雷达技术.2019
[5].谭霁宬,颜学龙.基于交互式多模型无迹卡尔曼滤波的锂电池荷电状态估计[J].科学技术与工程.2019
[6].王创,郑宾.交互式多模型IEEE1588时钟同步算法[J].自动化技术与应用.2019
[7].杨佳义.交互式多模型Kalman滤波算法的研究[J].科技创新与应用.2019
[8].卢晨,刘正.无迹信息滤波耦合交互式多模型的多传感器机器人轨迹控制[J].中国工程机械学报.2018
[9].王尔申,翟秋刚,徐嵩,庞涛,曲萍萍.基于改进交互式多模型算法的ADS-B航迹滤波方法研究[J].电光与控制.2019
[10].董祥祥,郭正玉,蔡云泽.基于交互式多模型的集合容积卡尔曼(IMM-EnCKF)滤波算法[C].2018中国自动化大会(CAC2018)论文集.2018
论文知识图
