基于Bayesian-Fisher混合模型的强跟踪当前统计模型

• 作者: 包守亮 程水英 许登荣
• 来源期刊: 现代雷达
• 学科: 工学
• 关键词: 当前统计模型 Bayesian-Fisher模型 强跟踪 机动目标跟踪
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 数据处理
• 页码范围: 47-52,59
• 页数: 7页
• 分类号: TN957.52
• 字数: 4497字
• 语种: 中文
• DOI: 10.16592/j.cnki.1004-7859.2019.01.010

摘要

针对当前统计模型(CS)不能自适应调节机动参数,导致对弱机动以及强机动目标跟踪性能下降的问题,提出了一种基于Bayesian-Fisher混合模型的新方法.首先,通过引入Bayesian-Fisher混合模型,将机动加速度均值作为未知的确定性输入增广到状态变量中,实现了对加速度均值的在线自适应估计;其次,根据强跟踪滤波器(STF)的思想,引入时变渐消因子,增强算法对突变状态的适应能力.仿真结果表明,该算法不仅提高了对弱机动和强机动目标的跟踪精度,也削弱了对初始机动参数的依赖.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	包守亮	国防科技大学电子对抗学院	6	17	2.0	4.0
2	程水英	国防科技大学电子对抗学院	6	17	2.0	4.0
3	许登荣	国防科技大学电子对抗学院	4	14	2.0	3.0