-
Patent Agency Ranking
公开(公告)号：CN115685180A
公开(公告)日：2023-02-03
申请号：CN202211249559.9
申请日：2022-10-12
Applicant: 哈尔滨工程大学
IPC: G01S13/72 , G06F30/28 , G06F111/08 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于KD树的水下多目标跟踪航迹平滑方法，属于流体力学实验技术领域。本发明在MeMBer前向滤波的过程中不再计算每个目标的状态转移概率，转而采用KD树方法根据状态的不同进行分类，并利用快速N体蒙特卡洛方法对原算法进行改进，以解决当前标签多伯努利平滑算法计算复杂度过高，计算时间过长的问题。采用本发明所述的基于KD树的水下多目标跟踪航迹平滑算法，形成的轨迹清晰、完整、连续且计算复杂度大大降低，可将其应用于被动声纳目标跟踪、探潜、探导等多方面领域。下面给出了详细的建模与跟踪流程。
-
公开(公告)号：CN115097437B
公开(公告)日：2023-06-09
申请号：CN202210628601.1
申请日：2022-06-06
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下目标跟踪领域，公开了一种基于标签多伯努利检测前跟踪算法的水下目标跟踪轨迹临近交叉解决方法。初始化多伯努利参数集；对水下目标分别建立运动模型和量测模型；对水下目标进行预测，得到多伯努利预测参数集；将多伯努利预测参数集，按存在概率排序后采用一种辅助门限进行选择性更新得到更新后的标签多伯努利参数集；通过剪枝以挑选存在概率大的有限个目标；基于有限个目标，进行重采样对存在概率大的粒子进行复制以进行目标和杂波的明显区分；对上述步骤处理后的目标进行跟踪形成跟踪轨迹。本发明用以解决水下密集目标方位角交叉导致跟踪轨迹合并产生偏差的问题。
-
公开(公告)号：CN114966710A
公开(公告)日：2022-08-30
申请号：CN202210569061.4
申请日：2022-05-24
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于多伯努利RFS算法的水下弱目标跟踪方法及装置，其中，该方法包括：初始化多伯努利参数集；构建待测目标的运动模型和量测模型；对待测目标的状态信息逐步进行预测和更新，分别得到预测多伯努利参数集和更新的参数集；设置存在概率门限以及目标数门限以删去更新的参数集中存在概率小的目标，得到符合门限内目标的参数集；计算符合门限内目标的参数集中每个目标的中心状态，将距离相近的目标合并成一个目标；对每个目标的粒子集根据粒子权重重新采样得到等权值粒子集，并计算势分布以选出最大的nk+1个目标，对nk+1个目标进行跟踪形成跟踪轨迹。该方法有效克服传统数据关联算法的弊端，并提高了跟踪的灵敏度，降低了跟踪误差。
-
公开(公告)号：CN114966710B
公开(公告)日：2024-09-17
申请号：CN202210569061.4
申请日：2022-05-24
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于多伯努利RFS算法的水下弱目标跟踪方法及装置，其中，该方法包括：初始化多伯努利参数集；构建待测目标的运动模型和量测模型；对待测目标的状态信息逐步进行预测和更新，分别得到预测多伯努利参数集和更新的参数集；设置存在概率门限以及目标数门限以删去更新的参数集中存在概率小的目标，得到符合门限内目标的参数集；计算符合门限内目标的参数集中每个目标的中心状态，将距离相近的目标合并成一个目标；对每个目标的粒子集根据粒子权重重新采样得到等权值粒子集，并计算势分布以选出最大的nk+1个目标，对nk+1个目标进行跟踪形成跟踪轨迹。该方法有效克服传统数据关联算法的弊端，并提高了跟踪的灵敏度，降低了跟踪误差。
-
公开(公告)号：CN115097437A
公开(公告)日：2022-09-23
申请号：CN202210628601.1
申请日：2022-06-06
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下目标跟踪领域，公开了一种基于标签多伯努利检测前跟踪算法的水下目标跟踪轨迹临近交叉解决方法。初始化多伯努利参数集；对水下目标分别建立运动模型和量测模型；对水下目标进行预测，得到多伯努利预测参数集；将多伯努利预测参数集，按存在概率排序后采用一种辅助门限进行选择性更新得到更新后的标签多伯努利参数集；通过剪枝以挑选存在概率大的有限个目标；基于有限个目标，进行重采样对存在概率大的粒子进行复制以进行目标和杂波的明显区分；对上述步骤处理后的目标进行跟踪形成跟踪轨迹。本发明用以解决水下密集目标方位角交叉导致跟踪轨迹合并产生偏差的问题。
-
-
-
-
Search Results
5
records
(took 0.092 seconds)
