论文部分内容阅读
从概率角度审视低检测率、低信噪比下的多传感器融合算法.首先建立传感器检测概率模型,然后计算传感器检测响应、量测信息的融合似然度,在贝叶斯框架下建立一种非线性目标基于粒子滤波器的多传感器多源信息融合算法,该算法融合了传感器的量测信息和检测响应,提高了跟踪精度蒙特卡洛仿真结果表明了算法的有效性.
基于粒子滤波和检测信息的多传感器融合跟踪
【摘 要】
：
从概率角度审视低检测率、低信噪比下的多传感器融合算法.首先建立传感器检测概率模型,然后计算传感器检测响应、量测信息的融合似然度,在贝叶斯框架下建立一种非线性目标基
【机 构】
：
西北工业大学自动化学院
【出 处】
：
信息与控制
【发表日期】
：
2005年3期
其他文献
基于标准支持向量机及其启发,提出并证明支持向量数(率)和边界支持向量数(率)的界,并分别推广到正例类和反例类.在此基础上,证明正例的分类精度依概率小于反例的分类精度.虚
分析了带回热器的微型燃机运行时各变量之间的耦合关系,针对微型燃机运行时参数多变、过程复杂的特点,提出了应用解耦控制算法控制燃机运行的思想;把BP神经网络应用在解耦控
提出一种新的智能优化调度方法,将再励学习控制运用到电梯群控系统中,采用基于交通模式识别的小脑模型神经网络作为控制器,以乘客平均候梯时间最短为控制目标设计出电梯群控
为了计算控制序列，非线性模型预测控制可以转换为一个带约束的非线性优化过程。本文分析了三种约束处理方案，根据遗传算法的特点，将等式约束用于状态量计算，在搜索空间降维的同时
基于一种双因子免疫非线性反馈模型，结合控制系统的特点，构造出一个双因子免疫控制器，并给出了它的结构形式．理论研究和仿真试验均表明具有该免疫控制器的系统能够无余差地跟踪恒
对于高维复杂函数,传统的确定性算法易陷入局部最小,而单一的全局随机搜索算法收敛速度慢.本文通过将粒子群优化算法和单纯形法相结合,利用前者搜索速度快、搜索范围广和后者
针对大噪声、小样本情形下神经网络学习的外推能力弱这一突出的问题,根据统计学习理论中结构风险最小化准则的基本原理,提出了一种基于小波神经基元频率谱分布的小波神经网络
考虑凸多胞型不确定性的随机时滞系统的鲁棒H。控制问题，分别运用参数化和非参数化的李亚普诺夫函数，给出解决问题的充分条件．通过求解一组线性矩阵不等式（LMI），设计所需状态反馈控
讨论了连续奇异摄动系统的二次稳定性,利用线性矩阵不等式方法,推导了奇异摄动系统二次稳定性的充分条件,并给出了二次可镇定并可解的充分条件和二次可镇定的状态反馈控制器
探讨了利用支持向量机进行非线性系统辨识的方法,并将支持向量机模型应用到非线性预测控制,提出了基于支持向量机模型的非线性预测控制算法.对一个CSTR反应器的仿真表明,支持