搜索资源列表
jiyuIMMjidongmubiaodegengzhousuanfa
- 机动目标的跟踪问题一直是人们研究的重点,实现机动目标精确跟踪,首要解决的问题就是使所建立的目标运动模型与实际的目标运动模型匹配。目前常用的有多模型(MM),交互式多模型(IMM),切换模型等。多模型方法就是对一组具有不同机动模型分别进行Kalman滤波,最终的参数估计是各滤波器估计值的加权和;在多模型基础上,Shalom提出了交互式多模型方法,这一方法对无序目标的机动检测,显示了更好的鲁棒性和跟踪的稳定性;切换模型则是分别建立机动和非机动运动模型,利用机动检测实现在这两个模型之间的切换。一般来说
DynaEst
- Yaakov Bar-Shalom, X.-Rong Li,Thiagalingam Kirubarajan - Estimation with Applications to Tracking and Navigation - DynaEst toolbox -Yaakov Bar-Shalom, X.-Rong Li,Thiagalingam Kirubarajan- Estimation with Applications to Tracking and Navigation- DynaE
matlabcodeofleida
- 这是数模比赛里面的多雷达多目标数据融合代码,希望对大家有用-This is the Multi-radar data fusion multi-target code of Mathematical Model Competition,Hope to be useful~
finalronghe
- 信息融合 使用两个传感器进行航迹融合 Bar-Shalom-Campo融合算法-fusion Bar-Shalom-Campo
radar.tracking
- Tutorial Workshop - April 2004 Multitarget Tracking and Multisensor Fusion Yaakov Bar-Shalom, Distinguished IEEE AESS
barshaolomcampo
- Bar-Shalom-Campo融合算法- Bar-Shalom-Campo data fusion algorithm
matlab滤波
- 基于两维的目标跟踪航迹融合算法MATLAB仿真程序,小程序,对初学者会有帮助,里面有用到简单凸组合航迹融合算法、bar-shalom-campo航迹融合算法和卡尔曼滤波