一种"当前统计"模型的模糊自适应算法

摘要：

"当前"统计模型作为一种先进的时间相关模型,在跟踪机动目标的时候,具有着很好的跟踪效果,但是当目标的机动较弱时,该模型的效果变差.通过对该模型进行分析得知,在该模型中由于机动加速度的最大值不能自适应地调整,导致低机动时系统过程噪声较大,因此在跟踪低机动目标时跟踪效果不太理想.为了克服这一缺点,给出了一种可行的采用模糊自适应调整"当前"模型最大加速度的方法,对模型的最大加速度进行自适应调整.通过仿真结果可知,与标准的"当前"统计算法相比具有更好的跟踪效果.

关键词："当前"统计模型、系统噪声、卡尔曼滤波、模糊自适应、隶属度函数

所属期刊栏目：33

分类号：TP274(自动化技术及设备)

在线出版日期：2011-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：46-49