原文服务方: 西安交通大学学报       
摘要:
针对目前常用的滤波算法不能同时做到精确和高效跟踪目标的缺点,提出一种有限差分扩展卡尔曼滤波(FDEKF)算法用于再入阶段的弹道目标跟踪.该算法应用有限差分运算得到滤波的验前、验后误差协方差矩阵,避免了非线性函数求导运算,以及Jacobian阵和Hessian阵的计算,降低了计算难度,扩大了应用范围,增强了滤波过程的收敛性.Mome Carlo 数值仿真表明,FDEKF算法与扩展卡尔曼滤波(EKF)算法和无味卡尔曼滤波(UKF)算法相比较,在跟踪精度上比EKF算法提高了约20%,与UKF算法相当,在计算复杂度上比EKF算法稍有增加,但比UKF算法低约39%.这说明FDEKF算法在计算量增加不多的情况下,滤波精度有显著提高.
推荐文章
扩展卡尔曼滤波的目标跟踪优化算法
扩展卡尔曼滤波
目标跟踪
多普勒量测
跟踪精度
基于改进扩展卡尔曼粒子滤波的目标跟踪算法
目标跟踪
粒子滤波
扩展卡尔曼滤波
马尔可夫链蒙特卡罗方法
非线性系统
强跟踪有限微分扩展卡尔曼滤波算法在异步电机中的应用
强跟踪有限微分
卡尔曼滤波算法
直接转矩控制
异步电机
状态估计
基于中心差分扩展卡尔曼滤波的电源频率估计
飞机供电系统
中心差分扩展卡尔曼滤波算法
频率估计
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 用于弹道目标跟踪的有限差分扩展卡尔曼滤波算法
来源期刊 西安交通大学学报 学科
关键词 弹道目标跟踪 扩展卡尔曼滤波 无味卡尔曼滤波 有限差分
年,卷(期) 2008,(2) 所属期刊栏目 专题研究
研究方向 页码范围 143-146,242
页数 5页 分类号 TP391
字数 语种 中文
DOI 10.3321/j.issn:0253-987X.2008.02.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 韩崇昭 西安交通大学电子与信息工程学院 349 5634 35.0 59.0
2 巫春玲 西安交通大学电子与信息工程学院 4 126 4.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (68)
同被引文献  (85)
二级引证文献  (197)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(15)
  • 引证文献(10)
  • 二级引证文献(5)
2010(12)
  • 引证文献(7)
  • 二级引证文献(5)
2011(17)
  • 引证文献(5)
  • 二级引证文献(12)
2012(20)
  • 引证文献(6)
  • 二级引证文献(14)
2013(23)
  • 引证文献(8)
  • 二级引证文献(15)
2014(25)
  • 引证文献(10)
  • 二级引证文献(15)
2015(30)
  • 引证文献(8)
  • 二级引证文献(22)
2016(37)
  • 引证文献(6)
  • 二级引证文献(31)
2017(32)
  • 引证文献(5)
  • 二级引证文献(27)
2018(27)
  • 引证文献(1)
  • 二级引证文献(26)
2019(18)
  • 引证文献(0)
  • 二级引证文献(18)
2020(8)
  • 引证文献(1)
  • 二级引证文献(7)
研究主题发展历程
节点文献
弹道目标跟踪
扩展卡尔曼滤波
无味卡尔曼滤波
有限差分
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西安交通大学学报
月刊
0253-987X
61-1069/T
大16开
1960-01-01
chi
出版文献量(篇)
7020
总下载数(次)
0
总被引数(次)
81310
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
国家重点基础研究发展计划(973计划)
英文译名:National Basic Research Program of China
官方网址:http://www.973.gov.cn/
项目类型:
学科类型:农业
论文1v1指导