基于遗传模糊神经网络的交互式多模型算法改进

论文发布时间：[2010-03-30] 范文大全编辑：Voive.net

所有作者：史健芳姜燕

作者单位：太原理工大学信息工程学院

论文摘要：常用交互式多模型（IMM）算法概率更新时需要具有先验知识的模型概率转移矩阵，而对机动的目标而言，该先验知识很难获得，且若与目标机动状态不符会导致跟踪精度降低甚至跟踪丢失。针对以上问题提出了一种基于遗传模糊神经网络的交互式多模型（GA-FNNIMM）算法。该算法将残差量输入到遗传模糊神经网络中，根据遗传模糊神经网络的自学习和自适应能力得到数据融合输出交互时各模型对应的匹配概率，代替了交互式多模型(IMM)算法中的模型概率计算。本文设计了遗传模糊神经网络的结构和算法，并基于改进的交互式多模型算法进行Monte Carlo仿真，仿真结果表明，较之于常用IMM算法，该算法在机动目标跟踪精度方面有所改善。

关键词：目标跟踪交互式多模型算法遗传算法模糊神经网络

免费下载《基于遗传模糊神经网络的交互式多模型算法改进》PDF全文（已停止下载）
　　本站“论文下载”文章收集整理于“中国科技论文在线”，由于各种原因，本站已暂停论文下载！请前往“中国科技论文在线http://www.paper.edu.cn/”免费下载！

〖返回电子通信自动控制论文列表〗

下一篇：TCP拥塞控制的路由缓存策略