<dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn><small id="yhprb"></small><dfn id="yhprb"></dfn><small id="yhprb"><delect id="yhprb"></delect></small><small id="yhprb"></small><small id="yhprb"></small> <delect id="yhprb"><strike id="yhprb"></strike></delect><dfn id="yhprb"></dfn><dfn id="yhprb"></dfn><s id="yhprb"><noframes id="yhprb"><small id="yhprb"><dfn id="yhprb"></dfn></small><dfn id="yhprb"><delect id="yhprb"></delect></dfn><small id="yhprb"></small><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn> <small id="yhprb"></small><delect id="yhprb"><strike id="yhprb"></strike></delect><dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn>

新聞中心

EEPW首頁(yè) > 模擬技術(shù) > 設計應用 > 多傳感器模糊—概率交互作用的數據關(guān)聯(lián)算法

多傳感器模糊—概率交互作用的數據關(guān)聯(lián)算法

作者: 時(shí)間:2013-11-27 來(lái)源:網(wǎng)絡(luò ) 收藏

多傳感器模糊—概率交互作用的數據關(guān)聯(lián)算法
最后,由重心去模糊算法得出關(guān)聯(lián)度

多傳感器模糊—概率交互作用的數據關(guān)聯(lián)算法

其中多傳感器模糊—概率交互作用的數據關(guān)聯(lián)算法j是μBj(Z)達最大值的點(diǎn).
  模糊系統的學(xué)習算法有多種[6],但它們都是基于半模糊模型,即前提的模糊隸屬函數為單值.單值模糊產(chǎn)生方法不適合含有噪聲的情況.作者在文獻[5]中采用了一種基于最陡下降法的全模糊模型學(xué)習算法,可用于受噪聲影響的模糊關(guān)聯(lián)系統的學(xué)習.

五、仿真舉例
  1.航跡模型
  該機動(dòng)目標的航跡由三個(gè)不同的運動(dòng)段組成.第一段為勻速運動(dòng)段,沿X軸方向,起始于點(diǎn)x=0,y=5km,vx=0.5km/s,vy=0,持續1~50秒.第二階段為加速轉彎段,加速度為ay=5g,ax=0,持續51~70秒.第三階段為勻速運動(dòng)段,沿Y軸方向,vy=0.5km/s,vx=0,持續71~100秒.假設每個(gè)采樣點(diǎn)上,有效雜波回波數為2個(gè).采樣間隔T=1s.
  2.性能檢驗與比較
  首先,考慮用PDAF和多模型方法共同作用的情況.圖1給出了所得到的跟蹤結果.可見(jiàn),當機動(dòng)發(fā)生時(shí),由于密集雜波的干擾,造成關(guān)聯(lián)錯誤,導致目標丟失.圖2,3分別給出了上述情況時(shí),各有效回波源于目標的概率.可見(jiàn),當機動(dòng)發(fā)生時(shí),真實(shí)目標回波的概率趨于零.而雜波的概率卻趨于1.

     多傳感器模糊—概率交互作用的數據關(guān)聯(lián)算法           多傳感器模糊—概率交互作用的數據關(guān)聯(lián)算法

圖1 用PDAF得出的跟蹤結果

圖2 真實(shí)目標回波的關(guān)聯(lián)概率

多傳感器模糊—概率交互作用的數據關(guān)聯(lián)算法

圖3 雜波回波的關(guān)聯(lián)概率

  其次,考慮用本文提出的模糊邏輯和作用的方法與多模型方法共同作用的情況.經(jīng)Monte Carlo仿真,得如下結果.圖4給出了跟蹤結果.可見(jiàn),較好地實(shí)現了對該機動(dòng)目標的跟蹤.圖5,6分別給出了上述情況時(shí),各有效回波的加權系數.可見(jiàn),真實(shí)目標回波的加權系數明顯大于雜波的權系數.最后,考慮分別使用和單傳感器時(shí),目標狀態(tài)估計精度上的差異.圖7給出了上述兩種情況時(shí)的目標位置估計的均方誤差.可見(jiàn),的估計精度明顯好于單傳感器時(shí)的估計精度,尤其是在機動(dòng)發(fā)生處.

     多傳感器模糊—概率交互作用的數據關(guān)聯(lián)算法         多傳感器模糊—概率交互作用的數據關(guān)聯(lián)算法

圖4 用本文算法得出的跟蹤結果

圖5 真實(shí)目標回波的加權系數

     多傳感器模糊—概率交互作用的數據關(guān)聯(lián)算法      多傳感器模糊—概率交互作用的數據關(guān)聯(lián)算法

圖6 雜波回波的加權系數

稱(chēng)重傳感器相關(guān)文章:稱(chēng)重傳感器原理


評論


相關(guān)推薦

技術(shù)專(zhuān)區

国产精品自在自线亚洲|国产精品无圣光一区二区|国产日产欧洲无码视频|久久久一本精品99久久K精品66|欧美人与动牲交片免费播放
<dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn><small id="yhprb"></small><dfn id="yhprb"></dfn><small id="yhprb"><delect id="yhprb"></delect></small><small id="yhprb"></small><small id="yhprb"></small> <delect id="yhprb"><strike id="yhprb"></strike></delect><dfn id="yhprb"></dfn><dfn id="yhprb"></dfn><s id="yhprb"><noframes id="yhprb"><small id="yhprb"><dfn id="yhprb"></dfn></small><dfn id="yhprb"><delect id="yhprb"></delect></dfn><small id="yhprb"></small><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn> <small id="yhprb"></small><delect id="yhprb"><strike id="yhprb"></strike></delect><dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn>