导读:本文包含了交互多模算法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,算法,目标,卡尔,声速,航迹,模型。
交互多模算法论文文献综述
蔺红明,魏兵卓,曹政,王磊,周梦龙[1]（2019）在《一种用于搜索雷达的交互多模型跟踪滤波算法》一文中研究指出跟踪滤波算法是雷达数据处理的重要组成部分。受搜索雷达采样数据率的限制,当目标机动时,滤波器跟踪严重滞后、跟踪精度差。针对该问题,提出了基于α-β滤波和α-β-γ滤波的交互多模型跟踪滤波算法。将目标的运动状态映射到目标的运动模型,根据运动模型构造相应的滤波器,多个滤波器并行工作,实时计算每个滤波器的残差,根据滤波的残差和先验知识选择适应目标当前运动状态的滤波器输出目标预测信息。仿真结果表明,该算法在目标机动与非机动情况下均能有效跟踪目标,具有较好的适应性与滤波精度。(本文来源于《无线电工程》期刊2019年12期）
杜云,张静怡[2]（2019）在《基于自适应容积卡尔曼滤波的交互多模型算法》一文中研究指出ADS-B航迹处理主要包括航迹数据滤波和滤波后数据可靠性的判断。飞机飞行运动复杂,而报文需要在飞行过程中向外界发送,此时报文会受到来自外界的影响和干扰,从而使航迹信息出现误差或丢失。为提高ADS-B航迹报文的准确性,文章采用了交互多模型滤波算法,将自适应容积卡尔曼滤波器作为交互多模型滤波算法的滤波器,并将当前统计模型作为交互多模型的子模型。仿真结果表明,论文改进的算法提高了滤波算法的滤波性能,相较于传统的交互多模型滤波算法具有更高的滤波精度。(本文来源于《科技创新与应用》期刊2019年25期）
程美英,钱乾,倪志伟,朱旭辉[3]（2019）在《信息交互多任务粒子群算法》一文中研究指出不同于现有的云平台和并行计算机等多任务处理方式,文中充分挖掘粒子群算法(PSO)的"隐"并行性,引入2种不同的信息交互策略——种群内信息交互和种群间信息交互,同时引入等级因子、标量因子和技能因子参数,在算法每次迭代过程中,始终让最合适的个体求解最合适的任务,提出信息交互多任务粒子群算法(IEPSOM).对于多任务函数优化问题、多任务多约束工程优化问题及多任务关键指标体系构建问题的测试表明,在IEPSOM多任务环境中,有效信息的传递不仅可以提高解的质量,还可以加速各任务的收敛速度.(本文来源于《模式识别与人工智能》期刊2019年05期）
崔丽珍,岑晓男,赫佳星,史明泉,王巧利[4]（2019）在《隐马尔科夫模型修正的交互多模跟踪算法》一文中研究指出针对交互式多模型目标跟踪算法中模型转移概率固定对跟踪精度造成的影响,提出了一种隐马尔科夫模型修正的模型转移概率自适应交互多模跟踪算法。该算法通过对跟踪过程建立隐马尔科夫模型,采用Viterbi算法求解修正系数,在检测到目标运动发生机动性变化时,将修正系数用于交互式多模型算法以达到实时调整模型转移概率的目的。仿真结果表明,该算法的跟踪结果优于传统的交互式多模型算法,具有很好的稳健性、实时性,有效降低了主观因素对跟踪精度造成的影响。(本文来源于《现代雷达》期刊2019年04期）
潘媚媚,曹运合,王宇,吴文华[5]（2019）在《基于机动判别的变结构交互多模型跟踪算法》一文中研究指出临近空间高超声速机动目标具有高速、高机动的运动特性,协同转弯模型是跟踪临近空间目标的常用模型之一。基于协同转弯模型的自适应网格交互多模型(adaptive grid interaction multiple model,AGIMM)算法能够较好地适应临近空间高超声速目标运动特性,但AGIMM算法存在着依赖中心网格模型,非机动时刻模型集收敛缓慢的问题,基于此提出了一种基于机动判别的变结构交互多模型算法。所提算法根据目标机动特性调整跟踪模型集的结构及模型概率转移矩阵,加快了非机动时刻模型集的收敛速度,克服了AGIMM算法存在的问题。通过蒙特卡罗仿真验证,改进的算法相对于AGIMM算法提高了对临近空间高超声速目标的跟踪性能。(本文来源于《系统工程与电子技术》期刊2019年04期）
戴洪德,方君,唐亮,王希彬[6]（2018）在《高超声速机动目标的强跟踪UKF自适应交互多模型算法》一文中研究指出针对高超声速强机动目标的运动具有复杂性、突变性和强非线性等特点,单模型跟踪算法难以实现精确跟踪的问题,提出了一种基于多重渐消因子的强跟踪UKF自适应交互多模型算法。考虑现有强跟踪UKF算法引入单渐消因子的不足,根据正交性原理推导得到了引入多渐消因子的强跟踪UKF算法,完成了对非线性目标状态的滤波估计;在交互多模型算法的子模型中选用改进的CS-Jerk模型;对交互多模型中各子模型间的转移概率进行在线自适应调整,并与改进CS-Jerk模型结合克服了单模型算法跟踪强机动目标的不足,实现了模型与目标运动模式的实时最优匹配。仿真结果表明,与单模型算法和经典多模型算法相比,提出的算法使得不同条件下位置和速度的跟踪误差至少降低11.89%,有效提高了高超声速强机动目标跟踪精度。(本文来源于《中国惯性技术学报》期刊2018年03期）
葛建良,葛洪伟,王冬,杨金龙[7]（2018）在《一种结合交互多模型的多机动扩展目标跟踪算法》一文中研究指出为克服原始扩展目标高斯混合概率假设密度滤波算法(Extended Target Gaussian Mixture Probability Hypothesis Density,ET-GM PHD)不能解决机动目标跟踪问题,将交互多模型(Interacting M ultiple M odel,IM M)的思想引入到高斯混合概率假设密度滤波框架下,提出一种交互多模型扩展高斯混合概率假设密度滤波算法(IMM-ET-GMPHD).该算法主要融合了经典的叁种运动模型,通过模型的交互实现了对多机动扩展目标的跟踪.此外,为了获取各个机动扩展目标完整航迹,提出一种高斯分量标识方法,使得提出的算法不仅能跟踪多机动扩展目标,还可以有效地估计每个机动扩展目标的航迹.仿真结果表明,本文提出的算法在对复杂环境下多机动扩展目标的跟踪上体现出良好的性能,同时能够有效地管理多机动扩展目标的航迹.(本文来源于《小型微型计算机系统》期刊2018年02期）
张园,张林,刘淑波,初俊博[8]（2018）在《防发散自适应网格模糊神经交互多模型算法》一文中研究指出针对机动目标跟踪问题中,固定结构多模型(FSMM)算法效费比不高、容易滤波器发散以及交互式多模型(IMM)算法模型的后验概率计算过程繁琐的问题,研究了一种防发散自适应网格模糊神经交互多模型(AD-AG-AIMM)算法。上述算法对标准卡尔曼滤波器进行了防发散处理,通过自适应网格调整实现了模型集自适应,通过ANFIS系统得到模型集中各个模型的匹配度。仿真结果表明,AD-AG-AIMM算法与标准的IMM算法相比,可以有效提高多模型算法的精度和效费比,特别是对目标机动的适应能力显着提高,且适合工程实用。(本文来源于《计算机仿真》期刊2018年01期）
耿林玉,吴楠,孟凡坤,韩佳颖[9]（2017）在《基于非对称交互多模型算法的上升段弹道估计》一文中研究指出弹道导弹上升段涵盖助推段和自由段,动力特征复杂,传统跟踪算法难以获得其全程稳定高精度的弹道估计。对此提出一种用于上升段弹道估计的自适应非对称交互多模型算法,模型集由叁维当前统计模型和精确动力学模型构建,并对模型状态矢量进行统一。仿真结果表明,算法实现了对导弹上升段稳定高精度跟踪以及关机点的有效检测,与传统CS算法相比较,自由段弹道估计精度提高68.9%,且可有效检测导弹的运动模式切换,检测延迟小于2s,滑行段暂态误差降低79.5%。(本文来源于《指挥控制与仿真》期刊2017年05期）
司玉洁,宋申民[10]（2017）在《高超声速飞行器模型建立与交互多模型轨迹跟踪算法》一文中研究指出随着高超声速飞行器的快速发展,世界各军事大国在该领域取得了很大的成功,这同时也给其他国家带来了很大的威胁,因此开展反高超声速飞行武器的相关研究十分必要。通过对高超声速飞行器的动态特性深入分析,建立了叁维的高超声速飞行器的运动学模型,并在此基础上采用交互多模型(IMM)算法结合卡尔曼滤波算法对高超声速目标进行轨迹跟踪。最后通过Matlab仿真实验平台对算法进行验证。(本文来源于《黑龙江大学工程学报》期刊2017年02期）
交互多模算法论文开题报告
（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：
ADS-B航迹处理主要包括航迹数据滤波和滤波后数据可靠性的判断。飞机飞行运动复杂,而报文需要在飞行过程中向外界发送,此时报文会受到来自外界的影响和干扰,从而使航迹信息出现误差或丢失。为提高ADS-B航迹报文的准确性,文章采用了交互多模型滤波算法,将自适应容积卡尔曼滤波器作为交互多模型滤波算法的滤波器,并将当前统计模型作为交互多模型的子模型。仿真结果表明,论文改进的算法提高了滤波算法的滤波性能,相较于传统的交互多模型滤波算法具有更高的滤波精度。
（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。
交互多模算法论文参考文献
[1].蔺红明,魏兵卓,曹政,王磊,周梦龙.一种用于搜索雷达的交互多模型跟踪滤波算法[J].无线电工程.2019
[2].杜云,张静怡.基于自适应容积卡尔曼滤波的交互多模型算法[J].科技创新与应用.2019
[3].程美英,钱乾,倪志伟,朱旭辉.信息交互多任务粒子群算法[J].模式识别与人工智能.2019
[4].崔丽珍,岑晓男,赫佳星,史明泉,王巧利.隐马尔科夫模型修正的交互多模跟踪算法[J].现代雷达.2019
[5].潘媚媚,曹运合,王宇,吴文华.基于机动判别的变结构交互多模型跟踪算法[J].系统工程与电子技术.2019
[6].戴洪德,方君,唐亮,王希彬.高超声速机动目标的强跟踪UKF自适应交互多模型算法[J].中国惯性技术学报.2018
[7].葛建良,葛洪伟,王冬,杨金龙.一种结合交互多模型的多机动扩展目标跟踪算法[J].小型微型计算机系统.2018
[8].张园,张林,刘淑波,初俊博.防发散自适应网格模糊神经交互多模型算法[J].计算机仿真.2018
[9].耿林玉,吴楠,孟凡坤,韩佳颖.基于非对称交互多模型算法的上升段弹道估计[J].指挥控制与仿真.2017
[10].司玉洁,宋申民.高超声速飞行器模型建立与交互多模型轨迹跟踪算法[J].黑龙江大学工程学报.2017
论文知识图
