Full metadata record
DC FieldValueLanguage
dc.contributor.author鄭平寶en_US
dc.contributor.authorZHENG, PING-BAOen_US
dc.contributor.author李福進en_US
dc.contributor.author吳文榕en_US
dc.contributor.authorLI, FU-JINen_US
dc.contributor.authorWU, WEN-RONGen_US
dc.date.accessioned2014-12-12T02:09:08Z-
dc.date.available2014-12-12T02:09:08Z-
dc.date.issued1991en_US
dc.identifier.urihttp://140.113.39.130/cdrfb3/record/nctu/#NT802327025en_US
dc.identifier.urihttp://hdl.handle.net/11536/55812-
dc.description.abstract一般在解決追蹤問題上最常使用的是卡門濾波器(Kalman Filter) ,它是在量測雜訊 是高斯分佈的假設下之最佳解,大部份這方面研究也均假設量測雜訊是高斯分佈,然 而這假設不一定成立,量測雜訊可能不是高斯分佈。在雷達系統中即有一種叫做 glint 的雜訊其分佈為非高斯,且具有長尾形狀,這種雜訊會嚴重地影響到追蹤之準 確度。一般追蹤閃躲(Maneuver)的目標常用之演算法有IMM(Interacting Multiple Model)及IE(Input Estimation),而它們的量測雜訊也均假設是高斯。非高斯量測雜 訊不但會使得卡門濾波器之效率大為降低,而且會使IMM 演算法無法正確判斷各模式 之發生機率,也會使IE演算法無法正確的估測目標物的加速度。本論文即針對此問題 提出改善之辦法,對於IMM 演算法,我們使用一能濾除非高斯雜訊之非線性濾波器以 代替卡門濾波器,並修正各模式之機率分佈。而對於IE演算法,我們則使用次序統計 濾波器(Order Statistics Filter) 做前處理以先濾除非高斯之雜訊。實驗結果顯示 我們所提出之方法,在glint 雜訊之環境中能有效的提高追蹤之準確度。zh_TW
dc.language.isozh_TWen_US
dc.subject量測雜訊zh_TW
dc.subject非線性zh_TW
dc.title穩健追蹤演算法zh_TW
dc.titleRobust tracking algorithmsen_US
dc.typeThesisen_US
dc.contributor.department電控工程研究所zh_TW
Appears in Collections:Thesis