-
公开(公告)号：CN109710978B
公开(公告)日：2022-05-03
申请号：CN201811453194.5
申请日：2018-11-30
Applicant: 电子科技大学
Abstract: 本发明属于信号处理领域，提供一种基于时延和多普勒的分布式异构网络粒子滤波直接跟踪定位方法，将传统同构网络下的基于时延和多普勒的分布式粒子滤波跟踪算法扩展到了异构网络，充分利用了粒子数对粒子滤波器性能的影响，在每个接收机实现粒子数的自适应调整，提高了粒子滤波器的效率，相对于同构网络的分布式粒子滤波直接目标跟踪算法，可以实现更好的跟踪效果，提升了分布式异构粒子滤波目标跟踪方法的有效性；本发明为异构网络开发了一种组合系数自适应变化的方案，可应用于信噪比恶劣的情况，一定程度提升了分布式异构粒子滤波目标跟踪方法的稳健性和鲁棒性。
-
公开(公告)号：CN111211760A
公开(公告)日：2020-05-29
申请号：CN202010042906.5
申请日：2020-01-15
Applicant: 电子科技大学
IPC: H03H21/00
Abstract: 本发明属于信号处理领域，涉及信号处理领域的目标跟踪问题，具体为一种基于分布式扩散策略的反馈粒子滤波方法。本发明基于分布式网络框架，网络中的每个节点通过与邻居节点交换信息完成对目标的跟踪，降低了网络运算负担，且具有更强的稳健性；同时，本发明通过引入由目标状态的真实后验分布与粒子后验分布之间的Kullback-Leibler(K-L)散度定义代价函数，使每个粒子在基于其自身状态和经验分布特征的反馈控制下演化，从而不需要再构造建议分布和进行重采样过程；另外，本发明与经典分布式粒子滤波方法相比，能够实现更高的跟踪精度，更好的跟踪性能，且对粒子数变化敏感度低，稳定性更好。
-
公开(公告)号：CN109031358A
公开(公告)日：2018-12-18
申请号：CN201811186658.0
申请日：2018-10-12
Applicant: 电子科技大学
IPC: G01S19/21
CPC classification number: G01S19/21
Abstract: 本发明属于全球卫星导航通信领域，提供一种基于双极化天线阵列的零陷展宽空时导航抗干扰方法，旨在解决高动态情形下干扰实时来向或极化信息与极化空域零陷对应位置不匹配而导致抗干扰性能严重下降的问题；本发明利用极化空时域联合锥化矩阵对接收信号自相关矩阵进行锥化处理，得到经过锥化的自相关矩阵后，对其利用功率倒置方法求得权向量，用该权向量对具有扰动的阵列接收信号进行滤波得到干扰抑制的输出信号。相比极化空域零陷展宽方法，本发明可以抑制具有零陷失配的宽带干扰信号；相比标量阵零陷展宽方法，本发明具有能够抑制与GNSS信号来波方向相同的干扰、自由度更高的优点；本发明方法可以抑制除均匀分布扰动以外的其他扰动的干扰信号。
-
公开(公告)号：CN111211760B
公开(公告)日：2023-04-11
申请号：CN202010042906.5
申请日：2020-01-15
Applicant: 电子科技大学
IPC: H03H21/00
Abstract: 本发明属于信号处理领域，涉及信号处理领域的目标跟踪问题，具体为一种基于分布式扩散策略的反馈粒子滤波方法。本发明基于分布式网络框架，网络中的每个节点通过与邻居节点交换信息完成对目标的跟踪，降低了网络运算负担，且具有更强的稳健性；同时，本发明通过引入由目标状态的真实后验分布与粒子后验分布之间的Kullback‑Leibler(K‑L)散度定义代价函数，使每个粒子在基于其自身状态和经验分布特征的反馈控制下演化，从而不需要再构造建议分布和进行重采样过程；另外，本发明与经典分布式粒子滤波方法相比，能够实现更高的跟踪精度，更好的跟踪性能，且对粒子数变化敏感度低，稳定性更好。
-
公开(公告)号：CN109671100B
公开(公告)日：2020-09-25
申请号：CN201811453217.2
申请日：2018-11-30
Applicant: 电子科技大学
Abstract: 本发明属于信号处理领域，提供一种基于时延和多普勒的分布式网络粒子滤波可变扩散组合系数直接跟踪定位方法，旨在解决在网络信噪比环境复杂或恶劣时，固定权系数的方法追踪性能恶化的问题；本发明提出利用局部中间状态估计值构造局部最优代价函数，应用子空间投影的方法将有约束问题转化为无约束问题，进一步通过RLS迭代方法求得最优解来获得自适应变化的组合系数，与传统的基于时延和多普勒的分布式粒子滤波目标直接跟踪方法相比，能够实现更好的追踪效果；本发明可应用于信噪比恶劣的情况，提高了分布式自适应粒子滤波直接跟踪方法的鲁棒性和稳健性。
-
Patent Agency Ranking
公开(公告)号：CN110334322A
公开(公告)日：2019-10-15
申请号：CN201910562207.0
申请日：2019-06-26
Applicant: 电子科技大学
Abstract: 本发明属于信号处理领域，涉及信号处理领域的粒子滤波问题，具体为一种粒子滤波器的粒子数自适应方法，用于在估计过程中实时调整样本集的大小，以提高粒子滤波器的跟踪性能。本发明方法的关键思想是约束由粒子滤波器的基于采样表示引入的近似误差，并且通过时变的粒子后验分布来自适应容器大小，如果粒子的后验分布集中在状态空间的一小部分上，本发明方法会选择小的容器，适当增加样本数量来提高跟踪精度，如果粒子状态不确定性很高，本发明方法会选择大的容器，来削弱粒子数的激增。使用分布式和集中式目标跟踪作为测试实例的实验表明，本发明方法比固定样本集大小的粒子滤波器产生了显著的改进。
-
公开(公告)号：CN110334322B
公开(公告)日：2023-03-14
申请号：CN201910562207.0
申请日：2019-06-26
Applicant: 电子科技大学
Abstract: 本发明属于信号处理领域，涉及信号处理领域的粒子滤波问题，具体为一种粒子滤波器的粒子数自适应方法，用于在估计过程中实时调整样本集的大小，以提高粒子滤波器的跟踪性能。本发明方法的关键思想是约束由粒子滤波器的基于采样表示引入的近似误差，并且通过时变的粒子后验分布来自适应容器大小，如果粒子的后验分布集中在状态空间的一小部分上，本发明方法会选择小的容器，适当增加样本数量来提高跟踪精度，如果粒子状态不确定性很高，本发明方法会选择大的容器，来削弱粒子数的激增。使用分布式和集中式目标跟踪作为测试实例的实验表明，本发明方法比固定样本集大小的粒子滤波器产生了显著的改进。
-
公开(公告)号：CN110121184B
公开(公告)日：2021-02-02
申请号：CN201910342121.7
申请日：2019-04-26
Applicant: 电子科技大学
Abstract: 本发明方法属于信号处理领域，具体为一种非负约束条件下的分布式在线自适应扩散组合系数优化方法。本发明通过构造全局代价函数，应用KKT条件和定点迭代方案，将非负组合系数的在线优化问题转化为最小方差无偏估计问题，进而分别得到组合系数的闭式解和自适应解。与静态组合系数方案(Uniform)相比，本发明能够提高各种分布式算法对网络环境的空间变化的鲁棒性和稳健性；与现有的分布式自适应组合系数在线优化方法(Stochastic g radient)相比，嵌入本发明方法的分布式跟踪算法的暂态和稳态性能均有所提升；同时，本发明方法具有计算复杂度低的优点，且能够满足更多非负性约束条件下的实际信号处理系统的要求。
-
公开(公告)号：CN110516198A
公开(公告)日：2019-11-29
申请号：CN201910645592.5
申请日：2019-07-17
Applicant: 电子科技大学
Abstract: 本发明本发明属于信号处理领域，具体为一种分布式非线性卡尔曼滤波方法，用后验分布函数来描述目标的真实状态，并用一个指数族分布的函数来近似该后验分布函数；首先，本发明通过优化每个节点中间后验分布近似函数与真实后验分布函数之间的后向KL散度以获取中间状态估计；然后，通过优化每个节点的最终后验分布近似函数与其邻居节点的中间后验分布近似函数之间前向KL散度的凸组合来计算每个节点的最终状态估计结果。本发明收敛速度快，并且采用多个节点同时工作的方式，能有效节约计算成本，大大提高计算效率，被广泛应用于涉及分布式无限传感器和非线性动力系统的定位，目标跟踪等领域中。
-
公开(公告)号：CN109671100A
公开(公告)日：2019-04-23
申请号：CN201811453217.2
申请日：2018-11-30
Applicant: 电子科技大学
Abstract: 本发明属于信号处理领域，提供一种基于时延和多普勒的分布式网络粒子滤波可变扩散组合系数直接跟踪定位方法，旨在解决在网络信噪比环境复杂或恶劣时，固定权系数的方法追踪性能恶化的问题；本发明提出利用局部中间状态估计值构造局部最优代价函数，应用子空间投影的方法将有约束问题转化为无约束问题，进一步通过RLS迭代方法求得最优解来获得自适应变化的组合系数，与传统的基于时延和多普勒的分布式粒子滤波目标直接跟踪方法相比，能够实现更好的追踪效果；本发明可应用于信噪比恶劣的情况，提高了分布式自适应粒子滤波直接跟踪方法的鲁棒性和稳健性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
