公开(公告)号：CN111007880A

公开(公告)日：2020-04-14

申请号：CN201911350055.4

申请日：2019-12-24

Applicant: 桂林电子科技大学

Inventor： 蒋留兵 ,  温和鑫 ,  车俐 ,  杨凯 ,  魏光萌

IPC: G05D1/12 ,  G05D1/02

Abstract: 本发明公开一种基于汽车雷达的扩展目标跟踪方法，根据状态集建立实际目标汽车的随机有限集模型，根据测量集建立量测目标汽车的随机有限集模型，修正异常多普勒速度，在方位-多普勒速度预分区处理后使用吉布斯采样进行数据关联，关联成功则更新多目标PMBM后验密度，再预测下一时刻的多目标PMBM先验密度，关联不成功则判断是否有新目标进入，对于新目标则预测下一时刻的多目标PMBM先验密度，再结合完全状态向量计算输出结果，否则剔除该杂波，本发明增加少量的时间复杂度便能大幅度提升跟踪效率，提高跟踪精度。

公开(公告)号：CN111007880B

公开(公告)日：2022-09-02

申请号：CN201911350055.4

申请日：2019-12-24

Applicant: 桂林电子科技大学

Inventor： 蒋留兵 ,  温和鑫 ,  车俐 ,  杨凯 ,  魏光萌

IPC: G05D1/12 ,  G05D1/02

Abstract: 本发明公开一种基于汽车雷达的扩展目标跟踪方法，根据状态集建立实际目标汽车的随机有限集模型，根据测量集建立量测目标汽车的随机有限集模型，修正异常多普勒速度，在方位‑多普勒速度预分区处理后使用吉布斯采样进行数据关联，关联成功则更新多目标PMBM后验密度，再预测下一时刻的多目标PMBM先验密度，关联不成功则判断是否有新目标进入，对于新目标则预测下一时刻的多目标PMBM先验密度，再结合完全状态向量计算目标输出结果，否则剔除该杂波，本发明增加少量的时间复杂度便能大幅度提升跟踪效率，提高跟踪精度。

公开(公告)号：CN109948532A

公开(公告)日：2019-06-28

申请号：CN201910207974.X

申请日：2019-03-19

Applicant: 桂林电子科技大学

Inventor： 蒋留兵 ,  魏光萌 ,  车俐 ,  杨凯 ,  郑朋 ,  汪林

IPC: G06K9/00 ,  G01S13/88 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度卷积神经网络的超宽带雷达人体动作识别方法，利用超宽带雷达的高距离分辨力，并针对人体动作的动态特性，先提取出人体目标的距离—时间二维特征，弥补了单一距离特征的不足，后设计一种深度卷积神经网络模型进行训练和识别。并且通过采用Drop-out层、添加L2正则化项、LRN(局部响应归一化)层等对卷积神经网络进行优化和改进，来避免过拟合现象，提高识别准确率。实验证明，本方法能够在多个人体动作识别任务中取得较高的识别准确率，本发明具有较好的可行性和有效性。