基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统的无迹卡尔曼滤波(UKF)算法不能根据场景变化而自适应调整尺度因子α的问题,提出了一种改进算法,该算法利用UKF非线性近似的预测值与真实值之间的误差来调节α,并对采样策略进行了修正.将此方法应用于目标跟踪的仿真实验表明:该算法与使用尺度因子最优经验值的UKF算法精度相当,具有很好的跟踪性能和实用性.
推荐文章
基于基础颜色特征的自适应尺度的多目标跟踪算法
基础颜色特征
自适应尺度因子
多目标跟踪
颜色命名过程
主成分分析
UKF及其在目标跟踪中的应用
无迹卡尔曼滤波(UKF)
目标跟踪
扩展卡尔曼滤波(EKF)
基于强跟踪UKF的自适应SLAM算法
同时定位与地图创建
UKF-SLAM
强跟踪滤波器
自适应滤波
基于模糊逻辑的自适应强跟踪UKF定位滤波算法
无轨迹卡尔曼滤波(UKF)
模糊逻辑
自适应算法
强跟踪算法
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 尺度因子自适应的UKF算法在目标跟踪中的应用
来源期刊 中南民族大学学报:自然科学版 学科 工学
关键词 无迹卡尔曼滤波 尺度因子自适应 比例修正 目标跟踪 实用性
年,卷(期) 2012,(2) 所属期刊栏目 物理与电子信息科学
研究方向 页码范围 85-89
页数 5页 分类号 TP919.81
字数 2763字 语种 中文
DOI 10.3969/j.issn.1672-4321.2012.02.020
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 侯建华 中南民族大学电子信息工程学院 58 428 14.0 18.0
2 刘倩 中南民族大学电子信息工程学院 20 60 4.0 7.0
3 笪邦友 中南民族大学电子信息工程学院 5 35 2.0 5.0
4 马晓路 中南民族大学电子信息工程学院 2 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (16)
参考文献  (5)
节点文献
引证文献  (2)
同被引文献  (9)
二级引证文献  (0)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(2)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
无迹卡尔曼滤波
尺度因子自适应
比例修正
目标跟踪
实用性
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
中南民族大学学报(自然科学版)
季刊
1672-4321
42-1705/N
大16开
武汉市民院路5号
1982
chi
出版文献量(篇)
2596
总下载数(次)
4
总被引数(次)
11010
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导