最新车辆轨迹预测经典书籍，采用多模型进行卡尔曼滤波，结合地图信息进行卡尔曼滤波，结合航迹推断进行卡尔曼滤波，采用智能手机进行轨迹推断等各种方法进行轨迹预测
2021-05-31 21:08:53
38.17MB
1
在本文中，我们首先提出一种分布式无味卡尔曼滤波器（DUKF），以克服测量的非线性说话者追踪中的模型。 接下来，针对室内环境中说话人的不同运动动力学，我们介绍了交互多模型（IMM）算法，并提出了分布式交互多模型无味卡尔曼滤波器（IMM-UKF）来估计随时间变化的讲话者的位置在麦克风阵列网络中。 在基于分布式IMM-UKF的扬声器跟踪方法中，一对麦克风在每个节点处接收到的语音信号的到达时间差（TDOA）通过广义互相关（GCC）方法进行估算，然后采用分布式IMM- UKF用于跟踪扬声器中麦克风的位置和速度随时间变化很大的扬声器阵列网络。 所提出的方法可以在网络中全局估计说话人的位置，并在嘈杂和混响的环境中稳健地获得说话人运动的平滑轨迹，并且可扩展用于说话人跟踪。 仿真和实际实验结果表明了所提出的说话人跟踪方法的有效性。
2021-05-12 21:06:42
1.12MB
1
机动目标跟踪最优估计入门MATLAB代码，含MATLAB源码，说明文件，详细报告文件
EKF UKF IMM 交互多模型
快速入门必备
2021-05-10 09:39:13
302KB
1
该目标0-20匀速运动，20-100是协同转弯模型，匀速运动用卡尔曼进行滤波，协同转弯模型用粒子滤波；经过仿真，很好的完成了仿真。
2021-04-30 16:41:21
12KB
1
NNDA PDA JPDA IMM数据关联算法matlab代码 NNDA PDA JPDA IMM数据关联算法matlab代码
2021-04-20 11:12:12
16KB
1
1、imm（交互多模型卡尔曼滤波器）是采用的对个卡尔曼滤波器模型同时做跟踪，
然后利用模型概率综合出，对每个模型的可行度，对每个模型输出的预测值和协方差，进行加权求平均
2、imm重点的核心在于，多个滤波器的概率的更新的方法，imm采用的是最大似然估计。
3、imm滤波器应该考虑的因素：
a、选择一定个数的imm滤波器，包括较为精确的模型和较为粗糙的模型，imm滤波算法不仅描述了目标的连续运动状态
还描述了目标的机动性
b、马尔科夫链状态转移概率的选择，对imm滤波器的性能较大影响。
c、imm算法具有模块化的特性，当运动模型较为精确的时候，可以采用比较精确的运动模型。
当无法预料目标的运动规律的时候，那就应该选择更一般的模型，使得该模型具有更强的鲁棒性。
2021-04-19 22:41:09
71KB
1