文献

J-GLOBAL ID：201902246258020199   整理番号：19A1717269

適応一貫性UKFを用いた分散目標追跡【JST・京大機械翻訳】

Distributed target tracking based on adaptive consensus UKF

著者 (4件)： Zheng Binqi (中国科学院 上海微系統与信息技術研究所 微系統技術重点実験室, 上海 201800;中国科学院大学, 北京 100049) ,  Li Baoqing (中国科学院 上海微系統与信息技術研究所 微系統技術重点実験室,上海,201800) ,  Liu Huawei (中国科学院 上海微系統与信息技術研究所 微系統技術重点実験室, 上海 201800;中国科学院大学, 北京 100049) ,  Yuan Xiaobing (中国科学院 上海微系統与信息技術研究所 微系統技術重点実験室,上海,201800)
資料名： Guangxue Jingmi Gongcheng  (Guangxue Jingmi Gongcheng)
巻： 27  号： 1  ページ： 260-270  発行年： 2019年 
JST資料番号： C2090A  ISSN： 1004-924X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来の分散追跡法は,事前ノイズ共分散と実際の値が一致しないとき,追跡誤差が大きいので,適応一貫性無香料Kalmanフィルタを用いた分散目標追跡法を提案し,次に,分散UKFアルゴリズムを採用して,現在の移動目標状態を推定した。次に,システムエラー検出機構を通して,ノイズ共分散値を更新するかどうかを決定した。必要であれば、現在得られた測定情報から現在のノイズ共分散を推定し、この推定値と以前のノイズ共分散値を結合して、新たな事前ノイズ共分散値を得る。最後に,得られた目標状態の推定値を,新しいノイズ共分散値に従って修正した。実験結果は,この方法が良好な精度とロバスト性を持つことを示した。ノイズ未知の環境の下で,ACUKFに基づく分散追跡方法は,容積情報フィルタリングと分散型無香料Kalmanフィルタに基づく追跡方法と比較して,最大追跡誤差を,それぞれ,49.93%と51.46%減少した。目標プロセスのノイズが動的に変化するとき,提案方法は,上記の2つの従来の追跡方法と比較して,それぞれ40.67%と40.06%の追跡誤差を減少した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 共分散 ,  推定量 ,  測定データ ,  香料 ,  *雑音 ,  アルゴリズム ,  Kalmanフィルタ ,  ロバスト性
準シソーラス用語： 情報フィルタリング ,  感知機構 ,  システム障害 ,  移動目標 ,  *ターゲット追跡 , 【Automatic Indexing@JST】

著者キーワード (5件)： distributed tracking ,  camera sensor networks ,  adaptive filter ,  uncertain noise ,  nonlinear estimation

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 適応 ,  UKF ,  目標追跡