-
公开(公告)号：CN116659508A
公开(公告)日：2023-08-29
申请号：CN202310649032.3
申请日：2023-06-02
Applicant: 南京理工大学
Abstract: 本发明公开了一种纯角度量测下目标被动跟踪与传感器环航导引方法。本申请提供的方法首先在假定传感器运动速率大于目标运动速率前提下，引入一种目标状态粗估计策略，和一种观测器环航粗导引策略。然后，提出一种利用历史量测记录、目标状态估计和当前量测信息的目标纯角度量测虚拟交会定位方法，进而利用卡尔曼滤波器获得目标的精确状态估计。在此基础上，对观测器粗导引策略进行修正，从而实现了传感器更加精确地绕目标环航运动。本发明可为具有环绕航行或有巡飞能力的观测器，提供在仅有角度量测下的对运动目标高精度跟踪和传感器高精度绕目标环航。
-
公开(公告)号：CN115660339A
公开(公告)日：2023-01-31
申请号：CN202211298355.4
申请日：2022-10-23
Applicant: 南京理工大学
IPC: G06Q10/0631 , G06N3/006
Abstract: 本发明公开了一种基于改进粒子群算法的静态无人机集群作战协同火力决策方法，方法为：首先建立一个无人机集群静态武器目标分配模型，其次对武器目标的分配方案进行编码处理，接着初始化粒子群优化算法，最后进行粒子群优化寻优算法并对得到可行解进行解码处理，得到可能的分配方案。本发明提供的一种基于改进粒子群算法的静态无人机集群作战协同火力决策的方法，具有较强的全局搜索能力，能够有效避免陷入局部优，可以较快地搜索到较优解，并能够进一步提高解的质量，能有效解决现有方法算法中出现的寻优耗时过长问题。
-
公开(公告)号：CN110728026B
公开(公告)日：2022-10-21
申请号：CN201910872018.3
申请日：2019-09-16
Applicant: 南京理工大学
IPC: G06F30/20 , G01C21/16 , G06F111/10
Abstract: 本发明公开了一种基于角速度量测的末端弹道目标被动跟踪方法。该方法为：首先，建立末端弹道目标运动模型；其次，建立基于测向交叉定位的跟踪模型：在经典测向交叉定位基础上使用双站，定义观测站分别为主站和副站，建立加入角速度量测的跟踪模型；然后，进行基于UKF的末端弹道目标跟踪滤波，实现末端弹道目标被动跟踪；最后，根据克拉美罗下界与均方根误差对滤波结果进行评估。本发明无需发射电磁波，隐蔽性高，并且提高了末端弹道目标的跟踪精度和滤波算法收敛的速度。
-
公开(公告)号：CN111460636B
公开(公告)日：2022-09-13
申请号：CN202010199440.X
申请日：2020-03-20
Applicant: 南京理工大学
Abstract: 本发明公开了一种不完全量测数据驱动下的机动扩展目标混合交互式强跟踪滤波方法，包括如下步骤：步骤1，建立混合模型集，并确定混合模型集的转移概率矩阵；步骤2，计算交互后子模型滤波器在k采样时刻的输入初值；步骤3，构建子模型滤波器；步骤4，更新k采样时刻模型的模型概率；步骤5，计算k采样时刻的状态估计即协方差，判断终止条件，若目标跟踪过程结束，退出；否则返回步骤2。本发明提出的扩展目标跟踪算法能够有效适应实际工程中的不完全量测环境，具有更高的跟踪精度，且在目标机动时刻，模型切换更快、更准确。
-
公开(公告)号：CN113534834A
公开(公告)日：2021-10-22
申请号：CN202010283032.2
申请日：2020-04-13
Applicant: 南京理工大学
IPC: G05D1/10
Abstract: 本发明公开了一种多无人机协同跟踪定位方法。该方法步骤为：根据无人机通讯网络拓扑结构图，基于图论的方法建立有向连通图，获得无人机传感器节点与相邻节点的连通信息；建立线性连续时间系统模型；利用IKCF滤波算法，对目标未知信息进行估计；采用序贯快速协方差交叉融合算法，对各节点的估计结果进行数据融合，得出确定的目标位置。本发明充分利用了相邻无人机节点的估计信息，提高了系统的实时性，使目标位置估计更加准确。
-
Patent Agency Ranking
公开(公告)号：CN111460636A
公开(公告)日：2020-07-28
申请号：CN202010199440.X
申请日：2020-03-20
Applicant: 南京理工大学
Abstract: 本发明公开了一种不完全量测数据驱动下的机动扩展目标混合交互式强跟踪滤波方法，包括如下步骤：步骤1，建立混合模型集，并确定混合模型集的转移概率矩阵；步骤2，计算交互后子模型滤波器在k采样时刻的输入初值；步骤3，构建子模型滤波器；步骤4，更新k采样时刻模型的模型概率；步骤5，计算k采样时刻的状态估计即协方差，判断终止条件，若目标跟踪过程结束，退出；否则返回步骤2。本发明提出的扩展目标跟踪算法能够有效适应实际工程中的不完全量测环境，具有更高的跟踪精度，且在目标机动时刻，模型切换更快、更准确。
-
公开(公告)号：CN119202533A
公开(公告)日：2024-12-27
申请号：CN202411293673.0
申请日：2024-09-14
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于BP神经网络的机动目标跟踪卡尔曼滤波方法，包括：设置三维环境下机动目标一段运动轨迹，模拟生成测量数据，根据当前统计模型建立机动目标运动模型，利用卡尔曼滤波算法对目标状态进行估计；利用基于当前统计模型的机动目标卡尔曼滤波跟踪算法得到的数据进行BP离线训练，得到卡尔曼滤波算法估计值的补偿值。本发明利用BP神经网络补偿传统的卡尔曼滤波算法，能够有效解决跟踪初期误差大的问题，实现更精确的目标跟踪。
-
公开(公告)号：CN119147038A
公开(公告)日：2024-12-17
申请号：CN202411213541.2
申请日：2024-08-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度神经网络的机动群目标智能跟踪方法，该方法将深度学习引入贝叶斯滤波框架中，基于多个深度神经网络从测量数据中分别提取群目标运动特性和过程噪声统计特性，进而在线估计群目标运动状态转移矩阵和过程噪声方差矩阵，然后通过贝叶斯滤波高精度地估计群目标质心的运动状态；通过将群目标轮廓建模为中心位于群目标质心的椭圆，从而利用高精度的群目标质心运动状态估计结果提高群目标轮廓的估计精度，最终完成对群目标的跟踪。与现有群目标跟踪方法相比，本发明所提出的方法不需要先验信息预先建立目标运动模型，可在复杂环境下对先验信息缺乏的非合作机动群目标实施高精度跟踪。
-
公开(公告)号：CN114219022B
公开(公告)日：2024-09-06
申请号：CN202111514672.0
申请日：2021-12-13
Applicant: 南京理工大学
IPC: G06F18/2321 , G06F18/22 , G06F18/25 , G06N3/006
Abstract: 本发明提供了一种结合聚类分析的基于粒子群优化算法的多传感器多目标跟踪方法，包括：基于DBSCAN(Density‑Based Spatial Clustering of Applications with Noise，基于密度的噪声应用空间聚类)聚类的目标集群聚类划分的方法；基于集群中目标空间拓扑结构信息的抗差关联方法；运用粒子群优化算法进行传感器系统误差估计的方法。针对多传感器多目标跟踪问题，本发明提出的方法能够在多集群密集目标的巨大数据量的情况下降低计算量，保证跟踪算法的实时性，同时提高传感器对同源目标的正确关联率，且能够在目标跟踪初期就获得传感器系统误差更好的估计结果，实现对目标的快速准确跟踪。
-
公开(公告)号：CN111883265B
公开(公告)日：2024-07-09
申请号：CN202010610056.4
申请日：2020-06-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种应用于火控系统的目标状态估计方法。该方法为：首先，设定分布式网络化火控系统的通信拓扑，并建立线性离散目标运动模型；其次，利用无偏量测转换方法将探测器探测到的信息转换到笛卡尔坐标系下，这有助于目标运动分析；然后各个火控单元采用基于事件触发机制的卡尔曼一致性滤波算法得到局部的目标状态估计信息；最后，指挥层根据各火控单元的局部估计利用快速协方差交叉批处理算法得到更精确的目标状态估计值。本发明减轻了火控系统通信网络的负担，使得各火控单元对目标状态信息认知达到高度一致，并提高了系统的鲁棒性和指挥层的估计精度。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.021 seconds)
