导读:本文包含了自适应波门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:自适应,目标,数据,概率,航迹,模型,多模。
自适应波门论文文献综述
杜明洋,毕大平,潘继飞,王渊博[1]（2019）在《自适应关联波门机动群目标跟踪算法》一文中研究指出为解决中心群跟踪(CGT)算法中由于群机动造成的量测丢失、估计误差增大的问题,提出了一种基于自适应关联波门的机动群目标跟踪算法。首先,将CGT算法与交互式多模型(IMM)算法结合,并利用最新量测信息对IMM算法中的转移概率矩阵进行实时修正。其次,设计了一种用于整体机动和分离机动的自适应关联波门,根据机动时刻模型的新息协方差对其进行自适应调整,确保量测点迹进入波门。仿真结果表明,所提算法一方面减小了传统固定转移概率矩阵带来的估计误差,将优势模型的平均概率由0. 58增加到了0. 7;另一方面,设计的自适应关联波门有效解决了目标机动带来的有效量测减少的问题,相比于传统波门,目标失跟率减少了30%,具备工程实用性。(本文来源于《北京航空航天大学学报》期刊2019年07期）
骆荣剑,唐鉴波,罗凯[2]（2019）在《一种具有关联波门自适应的联合概率数据关联算法》一文中研究指出针对杂波环境下的多目标跟踪数据关联问题,提出了一种关联波门自适应的联合概率数据关联算法,该算法结合"当前"统计模型,实现了过程噪声的自适应,进而自适应调整目标量测值,从而达到自适应调整关联波门,通过在不同过程噪声水平下的仿真实验,证明本文所提算法一定程度上提高了目标跟踪精度,收敛速度也有所提高。(本文来源于《电子设计工程》期刊2019年03期）
高文冀,李喜民,王建超,伍建辉[3]（2018）在《LFMCW雷达导引头大下视角对地探测时搜索波门自适应设置方法》一文中研究指出本文介绍了一种线性调频连续波(LFMCW)雷达导引头大下视角对地探测时搜索波门位置的自适应跟踪算法。通过该算法可以在智能弹药末制导飞行中实时估计地面位置,实现搜索波门位置的自适应跟踪,以解决低成本智能弹药末制导中无法准确设置搜索波门的问题,延长导引头的搜索时间,提高导引头目标捕获概率。(本文来源于《火控雷达技术》期刊2018年03期）
徐雷果[4]（2014）在《编队目标跟踪的自适应相关波门算法》一文中研究指出为解决空中编队目标跟踪过程中航迹关联的难题,提出一种基于目标运动状态的自适应相关波门算法。首先通过分析编队目标的运动特征,完成编队分割和编队速度的估计;然后将编队目标的速度方向作为约束自适应波门的条件,在跟踪过程中根据目标运动方向确定波门方向,并基于前一时刻编队中各目标的距离来选择波门尺寸,同时考虑测量误差和预测误差的影响。仿真结果表明:相对于传统的固定波门算法,在编队目标跟踪过程中,自适应波门算法在避免编队内目标航迹相互交错和保证跟踪稳定性方面可以达到较好的跟踪效果。(本文来源于《电光与控制》期刊2014年12期）
靳标,纠博,苏涛,刘宏伟,张龙[5]（2014）在《一种用于杂波中机动目标跟踪的自适应关联波门设计方法》一文中研究指出针对传统关联波门设计方法在应用于机动目标跟踪时容易引起失跟现象的问题,提出一种新的自适应关联波门设计方法。该方法在综合交互多模型概率数据关联算法的基础上进行关联波门设计,当波门内不存在有效量测时,首先以最大机动水平对应的模型误差协方差对关联波门进行适当扩大,确保量测点迹进入波门。然后假定目标的机动能力已知,在目标运动状态的预测范围内利用观测信息寻找最小均方误差意义下的最优波门中心。该方法可以从根本上改善关联概率,从而降低失跟率,提高目标跟踪精度。仿真结果表明,与传统关联波门设计方法相比,该方法的失跟率降低了30%~40%,而且目标机动时的跟踪精度提高了20%~30%。实测数据同样验证了该方法的有效性。(本文来源于《西安交通大学学报》期刊2014年10期）
崔灿,张国华,李保中[6]（2014）在《基于Snake模型的波门自适应跟踪算法》一文中研究指出介绍了波门跟踪的原理以及波门自适应性的需求,结合主动轮廓模型中的GVF Snake模型和自适应分析质心跟踪算法,提出了基于Snake模型的波门自适应跟踪算法,根据Snake模型的收敛轮廓来确定波门位置和大小,由波门内背景像素点所占的比例来决定是否更新波门。通过实验仿真,该算法能够自适应地改变波门的大小,很好地跟踪目标。(本文来源于《电光与控制》期刊2014年01期）
王晓楠,徐伟,陈章龙[7]（2013）在《自适应变跟踪波门宽度目标跟踪方法》一文中研究指出分析了跟踪雷达对目标跟踪中存在的问题,论述了自适应变跟踪波门宽度目标跟踪方法,在保证目标跟踪稳定的前提下,减小杂波、大目标副瓣对目标跟踪的影响,提高目标跟踪性能。(本文来源于《舰船电子对抗》期刊2013年04期）
肖松,谭贤四,王红,李志淮,李定山[8]（2013）在《基于自适应波门的临近空间高超声速目标航迹起始方法》一文中研究指出针对传统航迹起始方法不能有效起始临近空间高超声速目标航迹的问题,提出了一种基于自适应波门的航迹起始方法。在分析临近空间高超声速目标运动特点的基础上,建立专门针对临近空间高超声速目标的扇形波门、椭圆形波门和部分圆环形波门,当扇形波门内无有效量测时,根据目标前一时刻的位置和速度信息建立椭圆形波门。如果椭圆形波门内无有效量测,则假设目标在前一时刻或是更早时刻以最大机动水平改变原运动模式,据此假设来建立部分圆环形波门,确保目标真实量测落入波门,并采用模糊决策方法起始目标航迹。仿真结果表明,新方法能够对临近空间高超声速目标进行有效航迹起始,提高了正确航迹起始概率,具有一定工程实践意义。(本文来源于《计算机应用研究》期刊2013年11期）
刘敏时,王晓曼,景文博[9]（2012）在《双波门自适应阈值法对光束质量M~2因子测量精度的影响》一文中研究指出为了解决在光斑图像中采用人工阈值选取方法或浮动阈值选取方法对光束质量M2因子的测量精度带来的局限性,提出了双波门自适应阈值方法。实验证明,M2因子相对误差较另外两种方法小,均方差值在0.1以内,x方向和y方向束宽值的均方差值分别为0.0935和0.0962,均小于1%,符合测量要求。(本文来源于《吉林大学学报(工学版)》期刊2012年04期）
王莉,李忠海[10]（2009）在《飞行小目标自适应双波门跟踪算法》一文中研究指出波门跟踪是一种利用实际图像处理的区域范围的视觉跟踪算法。在飞行小目标信噪比较低的情况下,现有方法往往不能获得稳定的跟踪结果。针对小目标跟踪的特点,提出了一种自适应双波门的跟踪算法。该算法采用帧间差分算法检测小目标,通过质心标定修正当前帧目标的初始位置,并利用最小二乘估计预测算法实现目标范围的估计,从而实现自适应跟踪的目的。实验结果表明,即使在飞行小目标被短时遮挡情况下,利用本算法也能稳定地检测出它的位置,能根据目标的轮廓自适应地确定目标波门形状,并能有效解决目标跟踪偏移和短时丢失等问题。(本文来源于《沈阳航空工业学院学报》期刊2009年05期）
自适应波门论文开题报告
（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：
针对杂波环境下的多目标跟踪数据关联问题,提出了一种关联波门自适应的联合概率数据关联算法,该算法结合"当前"统计模型,实现了过程噪声的自适应,进而自适应调整目标量测值,从而达到自适应调整关联波门,通过在不同过程噪声水平下的仿真实验,证明本文所提算法一定程度上提高了目标跟踪精度,收敛速度也有所提高。
（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。
自适应波门论文参考文献
[1].杜明洋,毕大平,潘继飞,王渊博.自适应关联波门机动群目标跟踪算法[J].北京航空航天大学学报.2019
[2].骆荣剑,唐鉴波,罗凯.一种具有关联波门自适应的联合概率数据关联算法[J].电子设计工程.2019
[3].高文冀,李喜民,王建超,伍建辉.LFMCW雷达导引头大下视角对地探测时搜索波门自适应设置方法[J].火控雷达技术.2018
[4].徐雷果.编队目标跟踪的自适应相关波门算法[J].电光与控制.2014
[5].靳标,纠博,苏涛,刘宏伟,张龙.一种用于杂波中机动目标跟踪的自适应关联波门设计方法[J].西安交通大学学报.2014
[6].崔灿,张国华,李保中.基于Snake模型的波门自适应跟踪算法[J].电光与控制.2014
[7].王晓楠,徐伟,陈章龙.自适应变跟踪波门宽度目标跟踪方法[J].舰船电子对抗.2013
[8].肖松,谭贤四,王红,李志淮,李定山.基于自适应波门的临近空间高超声速目标航迹起始方法[J].计算机应用研究.2013
[9].刘敏时,王晓曼,景文博.双波门自适应阈值法对光束质量M~2因子测量精度的影响[J].吉林大学学报(工学版).2012
[10].王莉,李忠海.飞行小目标自适应双波门跟踪算法[J].沈阳航空工业学院学报.2009
论文知识图
