多层神经网络在跟踪式卡尔曼滤波器中的应用
韩明华; 袁乃昌
国防科技大学电子工程学院 长沙 410073
A IMPROVED TRACKING KALMAN FILTER USING MULTILAYER NEURAL NETWORK
Han Minghua; Yuan Naichang
Institute of Electronic Engineering National University of Defence Technology Changsha 410073
摘要 本文将多层神经网络引入跟踪式卡尔曼滤波器中,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层神经网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,由于多层神经网络的应用,估计精度显著提高。
关键词 ：
目标跟踪 ,
卡尔曼滤波 ,
多层神经网络
Abstract ：This paper presents a method to improve the estimation accuracy of a tracking Kalman filter (TKF)by using a multilayer neural network(MNN). The estimation accuracy of the TKF is degraded due to the uncertainties that cannot be expressed by the linear state-space model proposed in the literature. This fault is overcome due to the use of MNN. The results of the TKF can be modified by the treated MNN. Simulation results show that the estimation accuracy is much improved by using the MNN.
Key words ：
Target tracking
Kalman filter
Multilayedr neural network
收稿日期: 1997-01-15
[1]
马彬，汪栋，谢显中. 车辆异构网络中基于决策树的稳健垂直切换算法
[2]
杨峰,张婉莹. 一种多模型贝努利粒子滤波机动目标跟踪算法
[3]
王玉玺，黄国策，李伟，王叶群. 基于非单调递增频率偏移的混合相控阵MIMO雷达目标跟踪方法
[4]
夏小虎,刘明. 联合约束级联交互式多模型滤波器及其在机动目标跟踪中的应用
[5]
金广智,石林锁,刘浩,牟伟杰,蔡艳平. 结合PLS表示与随机梯度的目标优化跟踪
[6]
金广智,石林锁,崔智高,刘浩,牟伟杰. 结合GLCM与三阶张量建模的在线目标跟踪
[7]
郁道银,王悦行,陈晓冬,汪毅. 基于随机投影和稀疏表示的跟踪算法
[8]
刘俊,刘瑜,何友,孙顺. 杂波环境下基于全邻模糊聚类的联合概率数据互联算法
[9]
毕笃彦,库涛,查宇飞,张立朝,杨源. 基于颜色属性直方图的尺度目标跟踪算法研究
[10]
刘红亮,周生华,刘宏伟,严俊坤. 一种航迹恒虚警的目标检测跟踪一体化算法
[11]
袁常顺,王俊,孙进平,孙忠胜,毕严先. 一种幅度信息辅助多伯努利滤波算法
[12]
李文娟,顾红, 苏卫民. 基于多伯努利概率假设密度的扩展目标跟踪方法
[13]
吴正平，杨杰，崔晓梦，张庆年. 融合L2范数最小化和压缩Haar-like特征匹配的快速目标跟踪
[14]
徐从安,何友,夏沭涛,程俊图,董云龙. 基于随机摄动再采样的粒子概率假设密度滤波器
[15]
李少毅, 梁爽, 张凯, 董敏周, 闫杰. 基于红外压缩成像的点目标跟踪方法研究
1998, Vol. 20 
