-
公开(公告)号：CN109670142A
公开(公告)日：2019-04-23
申请号：CN201910012689.2
申请日：2019-01-07
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于随机有限集的可分辨机动群目标状态估计方法。现有方法对协作关系考虑的不足，对协作误差估计精度不够，导致跟踪精度不高。本发明方法首先进行系统建模，然后进行误差修正，最后进行状态预测与更新。本发明方法给出了在随机有限集的框架下对可分辨机动群目标的状态估计方法，该方法引入图理论，利用图理论的邻接矩阵描述目标间的协作关系，对目标间的位置向量进行优化，并对状态估计的协作误差进行修正，有效的降低目标间的协作关系部分带来的群目标状态估计的误差，解决了传统算法未考虑目标间协作关系对状态估计效果的影响的问题。
-
公开(公告)号：CN103940430B
公开(公告)日：2016-09-07
申请号：CN201410095853.8
申请日：2014-03-14
Applicant: 杭州电子科技大学
IPC: G01C21/20
Abstract: 本发明涉及一种状态受限移动多传感器配置及多目标跟踪方法，针对多目标跟踪中状态受限移动多传感器配置问题，本发明提出了一种基于线性规划的状态受限条件下移动传感器的选择配置算法，该方法以最小化传感器总功耗为准则，使用凸优化方法选择最佳的传感器及其输入模态观测目标，并且通过该算法同时选择近似最优的传感器和相应的输入模态，解决了移动多传感器的选择与跟踪过程的耦合及传感器模态与跟踪过程的耦合。
-
公开(公告)号：CN105159314A
公开(公告)日：2015-12-16
申请号：CN201510405378.4
申请日：2015-07-09
Applicant: 杭州电子科技大学
IPC: G05D1/10
Abstract: 本发明涉及一种自由移动多传感器配置及多目标跟踪方法，针对多目标跟踪中自由移动多传感器配置问题，本发明提出了一种基于线性规划自由移动传感器的选择配置算法，该方法以最小化传感器使用费用，目标失检率和目标跟踪精度三者的总和为准则，使用凸优化方法选择最佳的传感器及其输入模态观测目标，并且通过该算法同时选择近似最优的传感器和相应的输入模态，解决了在跟踪过程中，多自由移动传感器的选择与跟踪过程的耦合及传感器模态与跟踪过程的耦合。
-
公开(公告)号：CN112597906B
公开(公告)日：2024-02-02
申请号：CN202011560980.2
申请日：2020-12-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于退化先验的水下目标检测方法。本发明方法针对目前基于卷积神经网络的通用目标检测算法在水下场景中检测精度下降严重这一现象而提出的。本发明是通过构建一个包含空间、通道注意力机制，并带有残差结构的特征增强模块对来自卷积神经网络浅层提取的水下图像退化特征做增强，从而提升通用目标检测算法在水下场景中的检测精度。本发明方法基于退化先验，将低质图像的退化特征尽可能映射到其对应清晰图像的特征，从可视化角度来看即，缩小两种特征的边距。本发明方法可以和目前主流的检测算法兼容，不需要专门设计网络结构。实验表明在少量数据时，检测效果尤为突出。
-
公开(公告)号：CN111812637B
公开(公告)日：2022-12-02
申请号：CN202010489566.0
申请日：2020-06-02
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种具有类型概率的L‑RFS混合目标结构建模与估计方法，该方法包括三个方面：混合目标动态建模，混合目标的形状类型分析和混合目标的跟踪估计。首先，结合广义标签多伯努利滤波器建立了混合目标的量测混合模型，并对目标类型进行分析，利用Gibbs采样和BIC准则推导出有限混合模型的参数来对混合目标进行学习跟踪，然后采用等效量测方法来替代扩展目标和群目标所构成的多量测目标产生的量测,对多量测目标形状采用椭圆逼近建模，实现多量测目标形状的估计。该方法可以有效的判断目标类型，并跟踪混合目标。
-
Patent Agency Ranking
公开(公告)号：CN114519832A
公开(公告)日：2022-05-20
申请号：CN202210145390.6
申请日：2022-02-17
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于仿射逆变换模型的视频全局运动补偿方法。本发明结合SURF和MSAC方法处理，得到视频序列全局运动的仿射变换模型，对视频序列的全局运动进行估计，提出仿射变换的逆变换模型，用于对全局运动的补偿，实现视频序列动态背景到静态背景的转换。首先，在动态背景下的视频序列提取各相邻帧间特征点匹配对，然后剔除不满足运动变换的特征点匹配对，拟合得到描述视频序列全局运动变化的仿射变换矩阵，最后做逆变换，依次作用于各相邻帧，对全局运动进行补偿，并由第一帧图像为标准创建输出视图，输出经全局运动补偿后的视频序列，用于目标检测。本发明方法全局运动补偿后的图像帧失真程度小，具有更好的鲁棒性和准确性。
-
公开(公告)号：CN112484728A
公开(公告)日：2021-03-12
申请号：CN202011179118.7
申请日：2020-10-29
Applicant: 杭州电子科技大学
IPC: G01C21/20
Abstract: 本发明公开了基于OSPA(2)距离的多传感器多目标航迹关联与融合方法。现有方法缺少对整个航迹特征的考虑，导致航迹之间的关联性能降低。本发明方法首先建立系统模型，获取估计航迹集；然后基于OSPA(2)距离度量各个估计航迹集之间的距离，获得属于同一目标的估计航迹集；最后对属于同一目标的估计航迹集采用联邦滤波器融合方法来进行航迹的融合。本发明方法可以准确获得属于同一目标的估计航迹集，其获得的最终航迹的RMSE位置误差低于所有单传感器，可以取得更高的精度。
-
公开(公告)号：CN110596643A
公开(公告)日：2019-12-20
申请号：CN201910740948.3
申请日：2019-08-12
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种多声音阵列移动目标检测定位方法。传统方法存在量测数据中混杂漏检和虚警等不确定情况，不可避免的需要处理数据的关联问题。本发明研究以标签随机有限集为基础，用声音阵列传感器作为主要量测手段的目标跟踪定位问题，解决信号源和目标之间的不确定关系问题。首先根据广义互相关函数计算出一组传感器接收信号的时间差量测，再根据信号接收方向计算每组传感器的角度差量测；然后对这些阵列量测信息进行融合处理，采用吉普斯-广义标签多伯努利算法，结合高斯混合模型检测目标，估计目标状态、轨迹和目标个数。本发明采用真实声音信号，计算阵列量测信息，再通过吉布斯-广义标签多伯努利算法，运行更快，跟踪结果更有效。
-
公开(公告)号：CN110517286A
公开(公告)日：2019-11-29
申请号：CN201910740239.5
申请日：2019-08-12
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于多智能体控制的单目标动态跟踪与围捕方法。目前缺乏运用多智能体控制对运动目标进行编队式跟踪与控制的方法。本发明方法通过使用序列多假设跟踪算法对运动目标状态进行估计，在杂波环境下获得目标状态后，引入基于一致性思想设计分布式控制器实现多智能体对单目标动态围捕，最后通过传感器控制方法对目标估计轨迹进行跟踪。发明方法可以使多智能体系统形成编队、保持编队，并实现对单目标的动态跟踪与围捕，加深了传统算法中对传感器控制问题及目标跟踪问题的结合。
-
公开(公告)号：CN109633588A
公开(公告)日：2019-04-16
申请号：CN201811642321.6
申请日：2018-12-29
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明涉及一种基于深度卷积神经网络的雷达辐射源识别方法。本发明将雷达辐射源模型产生的一维波形信号，经过短时傅里叶变换处理之后转化为频谱图，再针对一维波形信号和频谱图设计不同的网络结构。本发明首先根据8种雷达辐射源信号模型产生数据，生成波形信号；再将波形信号通过短时傅里叶变换变为频谱图，实现数据增强和波形到图像的转换；将波形信号和频谱图分别输入到深度卷积神经网络，进行卷积和池化操作，分别得到各自的特征信息；最后将提取出的特征信息输入到softmax进行分类。采用本发明方法，雷达辐射源信号得到更高的分类识别准确率，雷达信号识别结果会更好。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.029 seconds)
