-
公开(公告)号：CN106199581B
公开(公告)日：2019-07-19
申请号：CN201610516979.7
申请日：2016-06-30
Applicant: 电子科技大学
IPC: G01S13/66
Abstract: 本发明公开了一种基于随机集理论的多机动目标跟踪方法，它的特点是首先，对多目标状态空间进行増广，在原始动力学信息的基础上，增加模型维，从而实现对目标模型信息的表征；然后，基于跳跃马尔科夫系统，对状态转移函数和似然函数进行増广使其含有模型信息；最后，实现増广后的多模型广义标号多目标伯努利滤波器的预测和更新过程，并提取目标状态和估计目标运动模型，从而解决对机动多目标的跟踪问题。该方法具有鲁棒性强、适应性广、估计精度高的特点，可有效的解决在实际应用中常出现的多目标机动性强且不一致的问题，实现了在复杂场景下的机动多目标跟踪以及估计目标运动模型。
-
公开(公告)号：CN106154259B
公开(公告)日：2018-12-18
申请号：CN201610506977.X
申请日：2016-06-30
Applicant: 电子科技大学
IPC: G01S13/72
Abstract: 本发明公开了一种随机集理论下的多传感器自适应管控方法，实现基于广义标号多目标伯努利滤波器的多传感器自适应管控。它的特点是，在滤波阶段，各传感器分别本地滤波并进行分布式融合，从而得到最优的全局性能；在管控阶段，首先，对融合后的多目标分布进行采样；然后，进行伪预测，得到伪预测分布，并通过若干步的滤波迭代以得到伪更新分布，再对伪更新分布进行分布式融合，得到融合后的伪更新分布；最后，通过计算伪预测分布和融合后的伪更新分布之间的柯西施瓦兹散度，从而选取出最优的传感器控制决策。该方法有效地解决了在实际多传感器网络应用中，对多传感器的最优管控问题，从而实现了多传感器自适应管控。
-
公开(公告)号：CN108934028A
公开(公告)日：2018-12-04
申请号：CN201810728259.6
申请日：2018-07-05
Applicant: 电子科技大学
Abstract: 本发明公开了一种多伯努利滤波器分布式融合方法，其包括对传感器网络各传感器节点采用多伯努利滤波器实现本地滤波，并通过通信链路接收其邻近节点的多伯努利后验分布，然后基于广义协方差交集信息熵实现传感器间目标航迹的联合分组，最后在每一目标航迹分组下计算多伯努利滤波器分布式融合的各个参数，并得到融合后验多伯努利分布参数。本发明在大批量目标条件下能够高效地实现多伯努利滤波器分布式融合，并且具有近似误差小，实现复杂度低等优点。
-
公开(公告)号：CN108882271A
公开(公告)日：2018-11-23
申请号：CN201810728033.6
申请日：2018-07-05
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于标签多伯努利分布的非共视多传感器融合方法，属于多传感器融合领域。本发明采用均匀分布补偿各节点融合后验分布，实现了非共视多个节点后验信息的融合；采用网络共识策略，并利用节点间后验信息和标识信息的传递，实现了传感器网络的各节点全局后验信息的融合；通过传感器间目标航迹联合分组，组间LF‑GCI融合算法运算速度提升1‑1.5个数量级，本发明适用于传感器网络任意共视和非共视布局形态的后验信息融合，算法执行效率高，且针对传感器节点间“标号不一致”敏感问题具有鲁棒性。
-
-
Patent Agency Ranking
公开(公告)号：CN106384121A
公开(公告)日：2017-02-08
申请号：CN201610764374.X
申请日：2016-08-30
Applicant: 电子科技大学
CPC classification number: G06K9/6288 , G06K9/00503
Abstract: 本发明公开了一种基于标号空间匹配的标号随机集滤波器分布式融合方法，首先计算来自不同传感器的标号随机集分布对应各目标标号的集合边缘概率密度分布；然后构建关于不同标号空间匹配关系的排列分配问题，包括设计与之相应代价函数与分配矩阵；其次通过求解该排列分配问题得到最优分配矩阵或映射关系，并实现不同标号空间的匹配；最后在标号空间匹配下，基于广义协方差交叉信息准则进行多传感器后验概率融合。本发明的方法为多个目标标号概率密度函数设计并行融合结构，融合算法效率高，具有运算效率高，工程实现复杂度低等特点，并且采用混合高斯模型实现本发明，降低其工程实现复杂度，解决了标号空间不匹配导致的融合结果崩溃难题。
-
公开(公告)号：CN106291533A
公开(公告)日：2017-01-04
申请号：CN201610599596.0
申请日：2016-07-27
Applicant: 电子科技大学
CPC classification number: G01S13/726 , G01S7/415 , G01S13/58 , G01S13/66 , G01S13/87
Abstract: 本发明公开了一种基于AMD的分布式多传感器融合算法，包括以下步骤：S1、初始化系统参数；S2、利用恒虚警检测器处理雷达回波信息，得到量测信息集合；S3、基于卡尔曼滤波器独立地估计目标状态；S4、利用高维高斯分布表征多目标联合后验概率密度；S5、对联合后验概率密度进行降维操作；S6、将各节点的AMD发送给临近节点；S7、采用基于广义交叉协方差融合算法对AMD进行融合；S8、提取目标状态；S9、令k＝k+1，若k＞K则将S8提取的目标状态作为航迹进行输出；否则返回步骤S2。本发明在考虑不同传感器的估计误差互相关的条件下，实现了多个目标的联合融合，具有更高的自适应性和更好的鲁棒性，有效解决了在传统跟踪系统中多目标联合后验融合的问题。
-
公开(公告)号：CN106199584A
公开(公告)日：2016-12-07
申请号：CN201610519551.8
申请日：2016-07-05
Applicant: 电子科技大学
CPC classification number: G01S13/726 , G01S13/58
Abstract: 本文公开了一种基于历史量测信息的航迹起始方法。该算法针对窄发多收边扫描边跟踪雷达系统和被动跟踪系统在实际场景中的目标跟踪。现有的跟踪算法大都假设目标能够被连续观测到且不同目标的量测信息同步，本发明特点：考虑了边扫描边跟踪雷达系统中目标被观测到的时间间隔不定的情况，充分利用历史量测信息，具有更快的航迹起始速度和成功跟踪概率；本发明同时还可以解决集中式跟踪系统和被动跟踪系统中多传感器异步通信时航迹起始的问题。优点：充分利用了历史信息，实现简单，成功跟踪概率更高；有效解决了属于不同目标的量测信息异步时的航迹起始问题。
-
公开(公告)号：CN106154259A
公开(公告)日：2016-11-23
申请号：CN201610506977.X
申请日：2016-06-30
Applicant: 电子科技大学
IPC: G01S13/72
CPC classification number: G01S13/726
Abstract: 本发明公开了一种随机集理论下的多传感器自适应管控方法，实现基于广义标号多目标伯努利滤波器的多传感器自适应管控。它的特点是，在滤波阶段，各传感器分别本地滤波并进行分布式融合，从而得到最优的全局性能；在管控阶段，首先，对融合后的多目标分布进行采样；然后，进行伪预测，得到伪预测分布，并通过若干步的滤波迭代以得到伪更新分布，再对伪更新分布进行分布式融合，得到融合后的伪更新分布；最后，通过计算伪预测分布和融合后的伪更新分布之间的柯西施瓦兹散度，从而选取出最优的传感器控制决策。该方法有效地解决了在实际多传感器网络应用中，对多传感器的最优管控问题，从而实现了多传感器自适应管控。
-
公开(公告)号：CN104881521A
公开(公告)日：2015-09-02
申请号：CN201510222285.8
申请日：2015-05-05
Applicant: 电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种标号随机集滤波器分布式融合方法，属于多传感器融合领域。首先将标号随机集分布转变为其非标号版本；然后基于一阶统计特性相匹配特性，将非标号版本多目标伯努利分布近似为多目标伯努利分布；其次基于目标状态间是非临近假设，对多目标伯努利分布的分数阶指数次幂进行化简，并将其带入广义协方差交叉信息融合表达式。最后建立传感器间航迹-航迹映射关系集合空间，基于此映射空间，将上述复杂形势的广义协方差交叉信息融合表达式化简为简洁易被理解的闭合形式融合表达式。从而具有对不同标号随机集分布间标号空间不匹配具有鲁棒性，近似代价小，实现复杂度低的效果。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.029 seconds)
