第十一章模糊和KALMAN滤波目标跟踪系统学生：卢宗庆
第十一章 模糊和KALMAN滤波目标跟踪系统 学生：卢宗庆
内容提要1.模糊和数学模型控制器2.自标实时跟踪系统3.模糊控制器4.KALMAN滤波控制器在第九章我们比较了模糊和神经网5.仿真结果络在倒车控制中的应用，在本章着6.总结重比较模糊系统和KALMAN滤波系统在实时跟踪上的比较
内容提要 1.模糊和数学模型控制器 2.目标实时跟踪系统 3.模糊控制器 4. KALMAN滤波控制器 5. 仿真结果 6. 总结 在第九章我们比较了模糊和神经网 络在倒车控制中的应用，在本章着 重比较模糊系统和KALMAN滤波系 统在实时跟踪上的比较
一模糊和数学模型控制器1.模糊控制器模糊控制器不同于传统的数学模型控制器，模糊系统不需精确的数学模型既：不需根据输入来函数式地描述输出：同时模糊系统对于所描述状态和怎样描述状态并不是不确定的。模糊控制器是一个模糊系统，是一个单位立方体间的映射：F:In→IpI包含属于空间X={xi,x}的所有模糊子集；IP包含属于空间的所有模糊子集。模糊系统將模糊子集X映射成模糊子集Y。通常 和Y可以是连续的、离散的、或集合的
一 模糊和数学模型控制器 1.模糊控制器 模糊控制器不同于传统的数学模型控制器，模糊系统不需精确 的数学模型既：不需根据输入来函数式地描述输出；同时模糊 系统对于所描述状态和怎样描述状态并不是不确定的。 模糊控制器是一个模糊系统，是一个单位立方体间的映 射： 包含属于空间 的所有模糊子集； 包含 属于空间的所有模糊子集。模糊系统 将模糊子集 映射 成模糊子集 。通常 和 可以是连续的、离散的、或集 合的。 n p F : I → I n I { ,., } 1 n X = x x p I F X Y X Y
模糊控制器有一系列的FAM（模糊自联想记忆）“规则”，它描述模糊的专家知识或学习训练好的输入到输出的转变。一个FAM可以总结概括一个特定的数学模型的动作。模糊系统可以非线性地将一个确定的或模糊化的输入转变成一个模糊集输出。这个输出模糊集通过质心化（“去模糊”）可得到一个具体的数值模糊控制器需要我们说明或估计出FAM规则。虽然模糊控制器是一个数字化的系统，但专家可以将他的知识用自然语言总结，这一点对于复杂问题具有重要的意义
模糊控制器有一系列的FAM（模糊自联想记忆）“规 则”，它描述模糊的专家知识或学习训练好的输入到 输出的转变。一个FAM可以总结概括一个特定的数学 模型的动作。模糊系统可以非线性地将一个确定的或 模糊化的输入转变成一个模糊集输出。这个输出模糊 集通过质心化（“去模糊”）可得到一个具体的数值。 模糊控制器需要我们说明或估计出FAM规则。虽然模 糊控制器是一个数字化的系统，但专家可以将他的知 识用自然语言总结，这一点对于复杂问题具有重要的 意义
2.数学模型控制器数学模型控制器通常用概率分布来描述系统的不确定性。概率模型用一阶、二阶统计量既：条件均值和方差来描述系统的特性，它们通常来描述因为噪音带来的偏差
数学模型控制器通常用概率分布来描述系统的不确定 性。概率模型用一阶、二阶统计量既：条件均值和方 差来描述系统的特性，它们通常来描述因为噪音带来 的偏差。 2.数学模型控制器