-
公开(公告)号：CN115795228A
公开(公告)日：2023-03-14
申请号：CN202211553542.2
申请日：2022-12-06
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于意图推定的交互式多模型状态估计方法，用以提高状态估计器的估计精度，减少被跟踪目标做机动时的估计误差和过预测量，进而适应更高精度的目标跟踪需求。在卡尔曼滤波器之后出现的各种滤波器变式或鲁棒滤波器虽能在一定程度上弥补状态方程不精确和非线性的问题，但同样难以满足机动目标快速跟踪领域的状态估计需求。本发明提出一种基于意图推定的交互式多模型状态估计方法，突破了传统滤波方法的局限，可以在被跟踪目标做快速机动的情况下，通过估计被跟踪目标的运动意图和机动方程的关键参数，显著提升估计器的估计精度和估计曲线平滑性，优化估计器的估计效果。
-
公开(公告)号：CN116522055A
公开(公告)日：2023-08-01
申请号：CN202211531483.9
申请日：2022-12-01
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于扩张状态的参数自整定卡尔曼滤波器设计方法，用于降低滤波器对非线性、变轨迹运动目标进行状态估计时的估计误差，增强滤波曲线平滑性，满足更高精度的目标跟踪需求。传统的卡尔曼滤波虽能实现在高斯噪声下的最优估计，但它仅适用于线性的被跟踪目标状态方程，且要求状态方程精确。将它应用于运动目标状态估计领域时，面对通常无法预先建模的甚至具有机动性的被跟踪目标，会无可避免地出现估计误差问题。本发明通过实时估计被跟踪目标的状态方程参数，使滤波器能够应用于非线性甚至变轨迹运动的目标跟踪领域。本发明突破了传统卡尔曼滤波方法的局限，有效提升滤波器的估计精度和滤波曲线平滑性，优化滤波器的估计效果。
-
公开(公告)号：CN116186482A
公开(公告)日：2023-05-30
申请号：CN202211618386.3
申请日：2022-12-15
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于多自适应因子的交互式鲁棒状态估计器设计方法，用于改善观测噪声发生不可预知激增情况下，估计器的估计精度和滤波的曲线平滑性，以满足更高精度的滤波估计需求。标准的鲁棒状态估计方法要求已知观测噪声协方差值，因此无法在观测噪声激增情况下正常使用；结合单一自适应因子的鲁棒滤波方法能一定程度上补偿噪声激增带来的估计误差，但其表现无法在不同噪声激增程度下达成普遍的最优。本发明可以在复杂的观测噪声激增情况下，有效改善状态估计器的估计效果，突破了传统鲁棒状态估计方法的局限，在复杂观测噪声激增的情况下实现对实际观测噪声快速估计，有效提升状态估计器的估计精度和估计曲线平滑性，优化估计器的估计效果。
-
公开(公告)号：CN115859626A
公开(公告)日：2023-03-28
申请号：CN202211553537.1
申请日：2022-12-06
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种针对周期运动目标的自适应无迹卡尔曼滤波器设计方法，用于改善滤波器对周期运动目标进行状态估计时的估计误差和滤波曲线平滑性，以满足更高精度的滤波需求。本发明提出一种针对周期运动目标的自适应无迹卡尔曼滤波器设计方法，可以在被跟踪目标运动方程不完全已知，控制器受采样周期和滤波算法运算时间影响的情况下，有效改善无迹卡尔曼滤波器的滤波效果，同时保证较高的运算效率。本发明突破了传统无迹卡尔曼滤波方法的局限，利用巧妙的被估计状态量设计和公式设计，有效提升无迹滤波器的滤波精度和滤波曲线平滑性，优化滤波器的估计效果。
-
Patent Agency Ranking
公开(公告)号：CN115935632B
公开(公告)日：2025-04-04
申请号：CN202211502311.9
申请日：2022-11-28
Applicant: 中国科学院光电技术研究所
IPC: G06F30/20 , G06F111/10
Abstract: 本发明公开了一种基于历史状态的变参数卡尔曼滤波器设计方法，用于改善经典卡尔曼滤波方法在模型非线性或不确定时的预测效果，可以有效降低滤波器的估计误差，提升预测曲线平滑性，以满足更高精度的状态估计要求。本发明提出一种基于历史状态的变参数卡尔曼滤波器算法，其参数设定方法包含常比例参数、变比例参数、离线线性回归参数、在线定存储量线性回归参数、在线增量法线性回归参数五种，均可有效改善滤波器的预测效果，同时只花费较少的额外计算复杂度。本发明突破了传统卡尔曼滤波方法的局限，用较少的额外计算复杂度，有效提升卡尔曼滤波器对机动目标的预测精度和预测曲线平滑性，优化滤波器的估计效果。
-
公开(公告)号：CN116124124A
公开(公告)日：2023-05-16
申请号：CN202310121401.1
申请日：2023-02-16
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于删除合并深度回声状态网络的轨迹预测方法，用节点删除合并的方法优化深度回声状态网络，依据节点相似度评估来选取最相似的两个节点，对同一储备池的相似节点进行合并；对不同储备池中处于更高层的相似节点进行删除，可以自适应优化储备池结构，删除网络中的冗余节点，经此方法优化后的网络，用于完成光电跟踪系统中的目标轨迹预测任务，可以提高预测精度和预测速度，从而提高光电跟踪系统性能。
-
公开(公告)号：CN112713877A
公开(公告)日：2021-04-27
申请号：CN202011502653.1
申请日：2020-12-17
Applicant: 中国科学院光电技术研究所
IPC: H03H21/00
Abstract: 本发明公开了一种基于卡方自适应因子的鲁棒滤波方法，用于改善观测噪声发生不可预知激增情况下，鲁棒滤波器的估计误差和滤波曲线平滑性，以满足更高精度的滤波估计需求。标准的鲁棒滤波方法要求已知观测噪声协方差值，因此无法在观测噪声激增情况下正常使用。本发明提出一种改进的鲁棒滤波方法，可以在观测噪声激增情况下，有效改善鲁棒滤波器的滤波效果，同时只消耗较少的额外计算复杂度。本发明突破了传统鲁棒滤波方法的局限，在观测噪声激增的情况下使用统计学方法对实际观测噪声进行快速估计，有效提升鲁棒滤波器的滤波精度和滤波曲线平滑性，优化滤波器的估计效果。
-
公开(公告)号：CN118821841A
公开(公告)日：2024-10-22
申请号：CN202411108174.X
申请日：2024-08-13
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于回声状态网络优化的时间序列数据补全方法，包括：初始化回声状态网络；使用输入数据的前1000个点运行回声状态网络，以更新存储层的状态向量，得到一组存储层输出的训练信号；采用线性回归方法优化存储层与输出层之间的输出矩阵；预测输入数据的第1000‑1200个点的预测值，其中第1000‑1100个点缺失；将后100个预测值视为未缺失部分，计算第1100‑1200个点的预测值与实际数据之间的均方误差，基于所述均方误差调整回声状态网络的参数；通过调整后的回声状态网络，生成第1000‑1100个点的预测值。根据本发明，能够有效利用现有的时间序列数据，显著还原缺失的数据信息。
-
公开(公告)号：CN115935632A
公开(公告)日：2023-04-07
申请号：CN202211502311.9
申请日：2022-11-28
Applicant: 中国科学院光电技术研究所
IPC: G06F30/20 , G06F111/10
Abstract: 本发明公开了一种基于历史状态的变参数卡尔曼滤波器设计方法，用于改善经典卡尔曼滤波方法在模型非线性或不确定时的预测效果，可以有效降低滤波器的估计误差，提升预测曲线平滑性，以满足更高精度的状态估计要求。本发明提出一种基于历史状态的变参数卡尔曼滤波器算法，其参数设定方法包含常比例参数、变比例参数、离线线性回归参数、在线定存储量线性回归参数、在线增量法线性回归参数五种，均可有效改善滤波器的预测效果，同时只花费较少的额外计算复杂度。本发明突破了传统卡尔曼滤波方法的局限，用较少的额外计算复杂度，有效提升卡尔曼滤波器对机动目标的预测精度和预测曲线平滑性，优化滤波器的估计效果。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.026 seconds)
