首页|基于模糊C-回归聚类的T-S模糊粒子滤波算法

基于模糊C-回归聚类的T-S模糊粒子滤波算法

T-S FUZZY PARTICLE FILTER ALGORITHM BASED ON FUZZY C-REGRESSION CLUSTERING

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对非高斯目标动态模型不确定性粒子滤波问题,提出改进的基于模糊C-回归聚类的T-S模糊模型粒子滤波算法.采用T-S模糊模型语义模糊集表示空间特征信息从而高精度近似动态模型,提出基于熵的模糊C-回归聚类方法从而自适应地识别T-S模糊模型的前提参数,调整模型的权重,并使用卡尔曼滤波识别结论参数.通过T-S模糊模型构造重要性密度函数提高采样粒子的鲁棒性和多样性,进一步改进了算法的计算复杂度.仿真验证结果表明,在运动方向突然改变或目标动态模型的先验信息不准确时,该方法可以准确快速地跟踪机动目标.

黄逸凡、粟梅

展开 >

中南大学信息科学与工程学院 湖南 长沙 410012

湖南民族职业学院 湖南 岳阳 414000

T-S 模糊模型 非高斯噪声 模糊C-回归聚类 非线性滤波

国家自然科学基金湖北省自然科学基金

619330112014CFB659

2022

10.3969/j.issn.1000-386x.2022.10.036

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(10)
  • 15