检索结果-内蒙古大学图书馆

控制理论与应用 2025年第3期42卷 590-600页

作者：戴玉峰苏圣超崔文霞汪义旺上海工程技术大学数理与统计学院上海201620 上海工程技术大学创新创业学院上海201620 苏州市智慧能源技术重点实验室江苏苏州215104

针对传统交互式多模型算法在车辆运动过程中模型匹配不及时、定位精度较低的问题,本文提出一种结合改进交互式多模型与容积卡尔曼滤波的算法,以改善车辆定位效果.首先,将惯性测量单元和路侧单元的观测结果融合为量测信息;然后,设计一种... 详细信息

针对传统交互式多模型算法在车辆运动过程中模型匹配不及时、定位精度较低的问题,本文提出一种结合改进交互式多模型与容积卡尔曼滤波的算法,以改善车辆定位效果.首先,将惯性测量单元和路侧单元的观测结果融合为量测信息;然后,设计一种自适应转弯模型,应对角速度非固定时单一匀速转弯模型无法有效定位车辆的情况;进一步考虑模型非线性、状态向量维度较高的特点,采用容积卡尔曼滤波估计车辆状态;最后,提出改进的交互式多模型算法,通过二次交互优化模型概率.仿真实验表明,本文所提算法可以有效提高模型切换速度和车辆定位的准确性与稳定性,其定位误差相比传统交互式多模型算法降低了8.6%.

关键词：车辆定位交互式多模型卡尔曼滤波状态估计

来源：评论

学校读者我要写书评

暂无评论

基于改进自适应交互式多模型无迹卡尔曼滤波算法的车辆目标跟踪

引用

科学技术与工程 2025年第11期 4605-4611页

作者：南奔洋匡兵景晖桂林电子科技大学机电工程学院

为解决传统交互式多模型(interactive multiple model, IMM)算法在车辆目标跟踪中存在模型概率变化不明显和跟踪精度不足问题，提出一种改进的自适应IMM-UKF(unscented Kalman filter)算法。首先采用匀速直线、匀加速直线和匀速转弯来... 详细信息

为解决传统交互式多模型(interactive multiple model, IMM)算法在车辆目标跟踪中存在模型概率变化不明显和跟踪精度不足问题，提出一种改进的自适应IMM-UKF(unscented Kalman filter)算法。首先采用匀速直线、匀加速直线和匀速转弯来建立车辆的运动模型，并通过无迹卡尔曼滤波对车辆目标进行跟踪。然后将子模型概率变化率作为IMM算法修正参数，对马尔可夫矩阵主对角线和非主对角线元素采用不同的修正策略。最后设置判定窗修正归一化后的马尔可夫矩阵主对角线元素，以扩大匹配模型的概率。结果表明，改进算法模型概率变化更加明显，位置和速度均方根误差均要小于原有算法，有效地提高了跟踪精度。

关键词：目标跟踪交互式多模型自适应马尔可夫矩阵无迹卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

交互式多模型粒子滤波优化重采样算法

引用

北京航空航天大学学报 2017年第5期43卷 865-871页

作者：周卫东孙天储敏崔艳青哈尔滨工程大学自动化学院哈尔滨150001 哈尔滨建成集团有限公司哈尔滨150030

针对标准交互式多模型粒子滤波(IMMPF)算法中存在粒子退化及多样性匮乏问题,提出了交互式多模型粒子滤波优化重采样(IMMPFOR)算法,利用线性优化理论改善模型中具有小权值的粒子精度。该算法的新颖性体现在给定量测信息条件下,利用线性... 详细信息

针对标准交互式多模型粒子滤波(IMMPF)算法中存在粒子退化及多样性匮乏问题,提出了交互式多模型粒子滤波优化重采样(IMMPFOR)算法,利用线性优化理论改善模型中具有小权值的粒子精度。该算法的新颖性体现在给定量测信息条件下,利用线性优化方法及模型交互概率将每个模型中拥有小权值的粒子替换成新的粒子。新的粒子既包含本模型中粒子信息,又包含了本模型与其他模型交互后的粒子信息。目标跟踪的仿真结果证明:每个模型新产生的粒子集合可以准确地近似真实状态后验概率密度函数,系统的估计精度与标准IMMPF算法相比有较大提升。

关键词：交互式多模型粒子滤波线性优化重采样粒子退化

来源：评论

学校读者我要写书评

暂无评论

基于交互式多模型和容积卡尔曼滤波的汽车状态估计

引用

汽车工程 2017年第9期39卷 977-983页

作者：张家旭李静吉林大学汽车仿真与控制国家重点实验室长春130022 中国第一汽车集团技术中心长春130011

基于UniTire轮胎模型建立了包含时变噪声统计特性的汽车动力学7自由度整车模型。针对系统状态噪声和观测噪声统计特性未知的问题,提出了一种基于交互式多模型和容积卡尔曼滤波(IMM-CKF)车辆状态估计算法。该算法采用包含不同系统状态噪... 详细信息

基于UniTire轮胎模型建立了包含时变噪声统计特性的汽车动力学7自由度整车模型。针对系统状态噪声和观测噪声统计特性未知的问题,提出了一种基于交互式多模型和容积卡尔曼滤波(IMM-CKF)车辆状态估计算法。该算法采用包含不同系统状态噪声和观测噪声统计特性的汽车动力学模型作为交互式多模型算法的模型集,用容积卡尔曼滤波器对每个子模型的车辆状态进行估计,并使融合输出结果始终保持跟踪估计误差小的子模型输出。最后利用实车场地环境下多种驾驶工况的测试数据对IMM-CKF算法进行离线验证,并与容积卡尔曼滤波器的估计结果进行对比,结果表明其估计性能优于容积卡尔曼滤波器。

关键词：汽车动力学容积卡尔曼滤波交互式多模型汽车状态估计

来源：评论

学校读者我要写书评

暂无评论

基于期望模式修正的交互式多模型组合导航算法

引用

光学精密工程 2014年第3期22卷 737-744页

作者：王磊程向红东南大学仪器科学与工程学院江苏南京210096 东南大学微惯性仪表与先进导航技术教育部重点实验室江苏南京210096

针对复杂环境下自主水下航行器(AUV)组合导航系统中存在的模型不完全确定或者模型参数发生变化的情况,提出一种基于期望模式修正的交互式多模型(EMA-IMM)滤波算法。该算法利用滤波估计过程中所得到的模型概率完成决策。首先对固定结构... 详细信息

针对复杂环境下自主水下航行器(AUV)组合导航系统中存在的模型不完全确定或者模型参数发生变化的情况,提出一种基于期望模式修正的交互式多模型(EMA-IMM)滤波算法。该算法利用滤波估计过程中所得到的模型概率完成决策。首先对固定结构的基础网格进行滤波,得到细化的修正模型集,接着对修正模型集进行滤波,得到与真实模型最为邻近的若干个修正模型网格共同构成的期望模型集,然后将系统真实的模型覆盖在精简的期望模型集范围之中,最后通过对期望模型集滤波,得到接近真实模型状态变量的估计结果。在AUV组合导航系统中的仿真结果表明,相对于传统Kalman滤波算法,改进的EMA-IMM使AUV的经度估计精度提高了97%,纬度估计精度提高了44%;相对于IMM算法,AUV的经度估计精度提高了22%,纬度估计精度提高了19%;得到的结果验证了提出的EMA-IMM算法的优越性。

关键词：自主水下航行器组合导航交互式多模型期望模式修正

来源：评论

学校读者我要写书评

暂无评论

基于交互式多模型算法跟踪临近空间目标

引用

系统工程与电子技术 2014年第7期36卷 1243-1249页

作者：秦雷李君龙周荻北京电子工程总体研究所北京100854 哈尔滨工业大学控制科学与工程系黑龙江哈尔滨150001

由于目前机动目标模型越来越向模块化、并行计算的方向发展,对目前算法计算效率提出了更高的要求。对于临近空间超声速机动目标一般采用多种机动模型跟踪,单一模型已经很难满足高精度跟踪的需要。因此需要使用基于多种模型进行交叉耦合... 详细信息

由于目前机动目标模型越来越向模块化、并行计算的方向发展,对目前算法计算效率提出了更高的要求。对于临近空间超声速机动目标一般采用多种机动模型跟踪,单一模型已经很难满足高精度跟踪的需要。因此需要使用基于多种模型进行交叉耦合的交互式多模型(interacting multiple model,IMM)算法,这种算法特点与临近空间目标高速、高机动特性相适应。同时考虑到扩展卡尔曼滤波(extended Kalman filter,EKF)算法对强非线性对象滤波效果不好,无迹卡尔曼滤波(unscented Kalman filter,UKF)算法对于此类问题,可以很好地加以解决。仿真对比试验表明,交互式多模型-无迹卡尔曼滤波(interacting multiple model-unscented Kalman filter,IMM-UKF)算法优于单一模型EKF算法。

关键词：目标跟踪交互式多模型无迹卡尔曼滤波临近空间

来源：评论

学校读者我要写书评

暂无评论

基于交互式多模型的车载INS/OD/GPS的定位方法

引用

中国惯性技术学报 2022年第1期30卷 58-64页

作者：徐博陈崇王连钊哈尔滨工程大学智能科学与工程学院哈尔滨150001

INS/GPS组合导航时,GPS信号会由于环境因素或是其他信号干扰导致信号丢失、信号跳变等故障。针对INS/GPS组合导航中,在GPS出现离群故障难以得到满意定位性能的问题,提出了一种基于交互式多模型滤波的车载INS/OD/GPS定位方法。引入里程计... 详细信息

INS/GPS组合导航时,GPS信号会由于环境因素或是其他信号干扰导致信号丢失、信号跳变等故障。针对INS/GPS组合导航中,在GPS出现离群故障难以得到满意定位性能的问题,提出了一种基于交互式多模型滤波的车载INS/OD/GPS定位方法。引入里程计对INS/GPS组合导航进行辅助,基于INS/GPS、INS/OD两种组合导航模型,利用交互式多模型算法交互更新模型概率,通过模型概率的差异判断主滤波器INS/GPS组合过程中的GPS量测故障,并在滤波过程中对故障量测加以修正,以此来实现车辆定位系统的良好定位性能。实验结果表明,在里程计量测辅助条件下,当GPS出现离群点时,系统平均定位精度比INS/GPS单一滤波器条件下的定位精度提升60%以上。

关键词：车载导航里程计辅助故障检测交互式多模型

来源：评论

学校读者我要写书评

暂无评论

基于交互式多模型秩滤波的移动机器人组合导航算法

引用

中国惯性技术学报 2017年第3期25卷 328-333页

作者：王磊程向红李双喜安徽科技学院电气与电子工程学院蚌埠233100 东南大学仪器科学与工程学院微惯性仪表与先进导航技术教育部重点实验室南京210096

针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩... 详细信息

针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩统计量相关原理确定采样点和权值,可适用于具有非高斯噪声的非线性系统;交互式多模型算法是解决结构和参数易发生变化系统中状态估计问题的重要途径,能够抑制组合导航系统中时变噪声引起的导航参数估计误差。仿真实验表明,相比于交互式多模型扩展卡尔曼滤波(IMM-EKF)和交互式多模型无迹卡尔曼滤波(IMM-UKF),提出的IMM-RKF算法能够提高组合导航系统姿态、速度和位置估计精度。

关键词：移动机器人秩滤波交互式多模型组合导航

来源：评论

学校读者我要写书评

暂无评论

基于交互式多模型的不敏卡尔曼概率假设密度滤波算法

引用

控制与决策 2016年第12期31卷 2163-2169页

作者：胡振涛张谨郭振河南大学图像处理与模式识别研究所河南开封475004

针对非线性高斯场景下目标数目未知或随时间变化的机动多目标跟踪问题,提出一种基于交互式多模型的不敏卡尔曼概率假设密度滤波算法.首先,在高斯混合概率假设密度滤波框架下,结合不敏卡尔曼滤波中状态预测和量测更新的实现机理,构建一... 详细信息

针对非线性高斯场景下目标数目未知或随时间变化的机动多目标跟踪问题,提出一种基于交互式多模型的不敏卡尔曼概率假设密度滤波算法.首先,在高斯混合概率假设密度滤波框架下,结合不敏卡尔曼滤波中状态预测和量测更新的实现机理,构建一种不敏卡尔曼概率假设密度滤波器;然后,通过引入交互式多模型方法中状态模型软判决机制,实现对目标机动过程中运动模式不确定的处理;最后,通过理论分析和仿真结果验证了所提出算法的可行性和有效性.

关键词：机动多目标跟踪概率假设密度滤波交互式多模型不敏卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

基于模糊逻辑的交互式多模型网络化弹药多节点目标跟踪算法

引用

兵工学报 2015年第4期36卷 595-601页

作者：孙宝亮姜春兰李明程鑫轶北京理工大学机电学院北京100081

针对地面网络化弹药系统多节点目标跟踪问题,提出了基于模糊逻辑的交互式多模型(FL-IMM)多节点目标跟踪算法。在多模型交互输出阶段,利用测量误差协方差矩阵的理论值与估计值之间的差值自适应调整测量误差方差;在多节点融合阶段,建立模... 详细信息

针对地面网络化弹药系统多节点目标跟踪问题,提出了基于模糊逻辑的交互式多模型(FL-IMM)多节点目标跟踪算法。在多模型交互输出阶段,利用测量误差协方差矩阵的理论值与估计值之间的差值自适应调整测量误差方差;在多节点融合阶段,建立模糊融合系统(FFS)将来自不同节点的目标状态估计数据融合,进而得到网络目标状态估计。通过一个具有3个主探测节点的网络验证了该算法的可行性。实验结果表明,该算法在传感器失效、系统测量误差未知等情况下仍能很好地跟踪机动目标;该算法在地面网络化弹药多节点目标跟踪方面具有较大的实用性。

关键词：兵器科学与技术网络化弹药多传感数据融合交互式多模型模糊逻辑目标跟踪

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：