[发明专利]一种地面目标实时跟踪性能评估方法及系统有效
申请号: | 201711381602.6 | 申请日: | 2017-12-20 |
公开(公告)号: | CN108227750B | 公开(公告)日: | 2021-02-05 |
发明(设计)人: | 毛艳慧;程为彬;汪跃龙;高怡;陈晨 | 申请(专利权)人: | 西安石油大学 |
主分类号: | G05D1/12 | 分类号: | G05D1/12;G06F30/20 |
代理公司: | 北京力量专利代理事务所(特殊普通合伙) 11504 | 代理人: | 王鸿远 |
地址: | 710062 陕西省*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 地面 目标 实时 跟踪 性能 评估 方法 系统 | ||
1.一种地面目标实时跟踪性能评估方法,其特征在于,包括:
获取目标估计器的估计误差概率分布,所述目标估计器为待评估的地面目标实时跟踪状态估计器;
分析所述估计误差概率分布与预设的期望误差概率分布之间的相似度;
根据所述相似度对所述目标估计器进行跟踪性能评估;
在所述分析所述估计误差概率分布与预设的期望误差概率分布之间的相似度之前,所述方法还包括:
判定所述期望误差概率分布的分布类型,根据所述分布类型选取相应的相似度分析模型;
若所述期望误差概率分布为高斯分布或拉普拉斯分布时,采用第一相似度分析模型分析所述估计误差概率分布与所述期望误差概率分布之间的相似度,所述第一相似度分析模型如下:
其中,为相似度,为目标估计器,为估计误差概率分布函数,为期望误差概率分布函数;
若所述期望误差概率分布为非高斯分布和拉普拉斯分布时,采用第二相似度分析模型分析所述估计误差概率分布与所述期望误差概率分布之间的相似度,所述第二相似度分析模型如下:
其中,为相似度,为目标估计器,为估计误差概率分布函数,为期望误差概率分布函数;
若所述估计误差概率分布为离散分布时,离散的估计误差集合为;
所述分析所述估计误差概率分布与预设的期望误差概率分布之间的相似度包括:
从期望分布中随机抽取与估计误差集合相同采样点数量的期望误差集合;
分别对所述和进行标准化,得到和;
分别计算和对应的自相关矩阵
分别计算两两间的相关性,公式如下:
根据估计误差集合与期望采样点集合中各采样点的相关性,确定所述估计误差概率分布与预设的期望误差概率分布之间的相似度。
2.一种地面目标实时跟踪性能评估系统,其特征在于,包括:
估计误差分布获取模块,适于获取目标估计器的估计误差概率分布,所述目标估计器为待评估的地面目标实时跟踪状态估计器;
相似度分析模块,适于分析所述估计误差概率分布与预设的期望误差概率分布之间的相似度;
性能评估模块,适于根据所述相似度对所述目标估计器进行跟踪性能评估;
判定模块,适于在所述相似度分析模块分析所述估计误差概率分布与预设的期望误差概率分布之间的相似度之前,判定所述期望误差概率分布的分布类型,根据所述分布类型选取相应的相似度分析模型;
所述相似度分析模块,具体适于当所述期望误差概率分布为高斯分布或拉普拉斯分布时,采用第一相似度分析模型分析所述估计误差概率分布与所述期望误差概率分布之间的相似度,所述第一相似度分析模型如下:
其中,为相似度,为目标估计器,为估计误差概率分布函数,为期望误差概率分布函数;
所述相似度分析模块,具体适于当所述期望误差概率分布为非高斯分布和拉普拉斯分布时,采用第二相似度分析模型分析所述估计误差概率分布与所述期望误差概率分布之间的相似度,所述第二相似度分析模型如下:
其中,为相似度,为目标估计器,为估计误差概率分布函数,为期望误差概率分布函数;
所述相似度分析模块,具体包括:
采样子模块,适于当所述估计误差概率分布为离散分布,离散的估计误差集合为时,,从期望分布中随机抽取与估计误差集合相同采样点数量的期望误差集合;
标准化子模块,适于分别对所述和进行标准化,得到和;
计算子模块,适于分别计算和对应的自相关矩阵
所述计算子模块,还适于分别计算两两间的相关性,公式如下:
确定子模块,适于根据估计误差集合与期望采样点集合中各采样点的相关性,确定所述估计误差概率分布与预设的期望误差概率分布之间的相似度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安石油大学,未经西安石油大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711381602.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:无人机及其追踪系统
- 下一篇:一种无人机的降落方法及系统