《表4 4种目标x方向坐标多步预测模型性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进粒子群算法辨识Volterra级数的目标机动轨迹预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了进一步说明本文预测算法与经典卡尔曼滤波预测算法以及以神经网络为主的智能预测算法之间的差异，分别利用Kalman滤波算法、BP神经网络、ELM神经网络以及本文所提的MP-SO-Volterra级数预测算法对目标机动轨迹进行多步预测，具体的实现步骤为：首先通过相空间重构理论构造样本的输入与输出，通过训练得到满足要求的预测器；然后将测试样本[x（n），x（n-1），…，x(n-m+1）]T输入，通过训练好的预测器得到未来的第1个预测值^x（n+1），再将得到的预测值加入到原始的预测序列中，构成新的输入，即令x(n+1）=^x（n+1），再根据构造的新的预测序列[x(n+1），x（n），…，x(n-m+2）]T得到未来第2个时刻预测值^x（n+2），即令x(n+2）=^x(n+2），依次类推可以对目标机动轨迹进行多步预测。本文仅仅采用上述4种算法对目标机动轨迹分别进行2步、4步以及6步预测进行对比分析，性能指标如表4～表6所示。