-
公开(公告)号：CN106767832B
公开(公告)日：2020-11-13
申请号：CN201710032843.3
申请日：2017-01-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于动态多维分配的被动多源多目标跟踪方法，本发明涉及被动多源多目标跟踪领域，是要解决现有的被动多源多目标跟踪算法对目标航迹关联准确度低和算法时间复杂度高的问题。本发明步骤为：一：对应于该目标的航迹p的预选波门；二：构建代价函数和二值变量；三：得到(S+1)‑D分配公式，并给出约束条件；四：对(S+1)‑D分配公式进行降维处理，得到二维分配公式；五：计算二维分配公式的对偶解；步骤六：利用次梯度向量对拉格朗日乘子更新；七：得到航迹p和对应观测值的分配组合；八：利用似然函数进行最大似然估计；九：根据卡尔曼滤波方法估计目标状态，用状态估计值更新航迹，实现多目标跟踪。本发明应用于航空和机载雷达领域。
-
公开(公告)号：CN108490433B
公开(公告)日：2019-05-21
申请号：CN201810120311.X
申请日：2018-02-07
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于序贯滤波的空时偏差联合估计与补偿方法及系统，其中方法包括：利用UKF滤波算法估计目标状态，采用不敏变换计算状态采样点和对应的权值；利用状态采样点和对应的权值计算预测状态采样点，预测状态和预测状态误差协方差矩阵；利用预测状态采样点计算预测量测采样点，以及第k个量测时刻的预测量测向量；利用预测量测采样点和第k个量测时刻的预测量测向量计算新息矩阵以及状态和观测之间的互协方差矩阵，并获得卡尔曼增益；更新扩维状态向量和扩维状态误差协方差矩阵的估计。本发明用空时偏差对目标状态进行扩维，对收到的传感器量测数据进行序贯处理，基于UKF方法对扩维后的状态向量进行估计，实现了目标状态和空时偏差的同时估计。
-
公开(公告)号：CN106767832A
公开(公告)日：2017-05-31
申请号：CN201710032843.3
申请日：2017-01-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于动态多维分配的被动多源多目标跟踪方法，本发明涉及被动多源多目标跟踪领域，是要解决现有的被动多源多目标跟踪算法对目标航迹关联准确度低和算法时间复杂度高的问题。本发明步骤为：一：对应于该目标的航迹p的预选波门；二：构建代价函数和二值变量；三：得到(S+1)‑D分配公式，并给出约束条件；四：对(S+1)‑D分配公式进行降维处理，得到二维分配公式；五：计算二维分配公式的对偶解；步骤六：利用次梯度向量对拉格朗日乘子更新；七：得到航迹p和对应观测值的分配组合；八：利用似然函数进行最大似然估计；九：根据卡尔曼滤波方法估计目标状态，用状态估计值更新航迹，实现多目标跟踪。本发明应用于航空和机载雷达领域。
-
公开(公告)号：CN114002650B
公开(公告)日：2024-04-05
申请号：CN202111267703.7
申请日：2021-10-29
Applicant: 哈尔滨工业大学
IPC: G01S7/40 , G01S13/72 , G06F18/214 , G06F17/18
Abstract: 本发明涉及一种多传感器空时偏差校准及机动目标跟踪方法，包括：基于对应模型n＝1,2,3的扩维状态估计、扩维状态估计协方差及模型概率，计算对应模型m＝1,2,3的混合扩维状态估计与混合扩维状态估计协方差；计算扩维状态估计采样点集合与相应的权重；计算下个时刻扩维状态预测采样点集合及观测预测采样点集合；计算扩维状态预测、扩维状态预测协方差及观测预测；计算观测预测协方差及扩维状态与观测之间的互协方差；更新扩维状态估计及扩维状态估计协方差，计算模型概率；计算融合扩维状态估计及对应协方差，实现下个时刻机动目标状态和空时偏差同时估计。本发明使用具有未知延迟的时间戳，即可处理多传感器观测数据得到估计结果。
-
公开(公告)号：CN108490433A
公开(公告)日：2018-09-04
申请号：CN201810120311.X
申请日：2018-02-07
Applicant: 哈尔滨工业大学
CPC classification number: G01S13/86 , G01C21/165 , G01D21/02
Abstract: 本发明涉及一种基于序贯滤波的空时偏差联合估计与补偿方法及系统，其中方法包括：利用UKF滤波算法估计目标状态，采用不敏变换计算状态采样点和对应的权值；利用状态采样点和对应的权值计算预测状态采样点，预测状态和预测状态误差协方差矩阵；利用预测状态采样点计算预测量测采样点，以及第k个量测时刻的预测量测向量；利用预测量测采样点和第k个量测时刻的预测量测向量计算新息矩阵以及状态和观测之间的互协方差矩阵，并获得卡尔曼增益；更新扩维状态向量和扩维状态误差协方差矩阵的估计。本发明用空时偏差对目标状态进行扩维，对收到的传感器量测数据进行序贯处理，基于UKF方法对扩维后的状态向量进行估计，实现了目标状态和空时偏差的同时估计。
-
Patent Agency Ranking
公开(公告)号：CN108319570A
公开(公告)日：2018-07-24
申请号：CN201810093126.6
申请日：2018-01-31
Applicant: 哈尔滨工业大学
IPC: G06F17/16
Abstract: 本发明公开一种异步多传感器空时偏差联合估计与补偿方法及装置，所述方法包括：步骤a，计算k-1融合时刻的状态采样点和对应权值；步骤b，计算k融合时刻的预测状态采样点，预测状态和预测状态误差协方差矩阵；步骤c，计算预测量测采样点，预测量测向量；步骤d，计算新息协方差矩阵、状态和观测之间的互协方差矩阵；步骤e，确定k融合时刻的估计状态和估计状态误差协方差矩阵；步骤f，读取目标状态估计、空间偏差估计和时间偏差估计；步骤g，令k＝k+1，重复上述步骤，形成闭环循环操作；所述装置与所述方法对应。这样，在传感器数据率不同的情况下，对扩维后的状态向量进行估计，通过迭代，在获得目标状态估计的同时实现了对空时偏差的有效估计和补偿。
-
公开(公告)号：CN115098609B
公开(公告)日：2025-04-08
申请号：CN202210695174.9
申请日：2022-06-20
Applicant: 哈尔滨工业大学
Abstract: 本发明实施例涉及数据处理技术领域，特别涉及一种多传感器联合空时偏差校准及多目标关联融合方法及装置。方法包括：基于上一时刻的航迹列表，确定航迹列表中每一个航迹对应的扩维状态估计采样点集合和权重集合，结合当前时刻的观测数据列表，计算每一对航迹‑观测数据组合的关联代价，来对航迹与观测数据进行关联，得到关联结果列表、未关联航迹列表和未关联观测数据列表；分别对未关联航迹列表和关联结果列表中的航迹进行更新处理，得到当前时刻的未关联更新航迹列表和已关联航迹列表；对已关联航迹列表进行空时偏差的反馈式融合处理，得到融合后的已关联航迹列表，以得到当前时刻的航迹列表。本发明能够实现有效的多传感器多目标跟踪。
-
公开(公告)号：CN115098609A
公开(公告)日：2022-09-23
申请号：CN202210695174.9
申请日：2022-06-20
Applicant: 哈尔滨工业大学
Abstract: 本发明实施例涉及数据处理技术领域，特别涉及一种多传感器联合空时偏差校准及多目标关联融合方法及装置。方法包括：基于上一时刻的航迹列表，确定航迹列表中每一个航迹对应的扩维状态估计采样点集合和权重集合，结合当前时刻的观测数据列表，计算每一对航迹‑观测数据组合的关联代价，来对航迹与观测数据进行关联，得到关联结果列表、未关联航迹列表和未关联观测数据列表；分别对未关联航迹列表和关联结果列表中的航迹进行更新处理，得到当前时刻的未关联更新航迹列表和已关联航迹列表；对已关联航迹列表进行空时偏差的反馈式融合处理，得到融合后的已关联航迹列表，以得到当前时刻的航迹列表。本发明能够实现有效的多传感器多目标跟踪。
-
公开(公告)号：CN110231620B
公开(公告)日：2020-02-14
申请号：CN201910608489.3
申请日：2019-07-08
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种噪声相关系统跟踪滤波方法，包括：从观测雷达处获取k时刻目标量测数据并建立噪声相关系统的状态空间模型，其中量测数据包括距离量测数据和方位角量测数据；将k时刻距离量测数据和方位角量测数据转换为直角坐标系下目标在x方向和y方向的位置量测数据，计算量测转换中的偏差项以及位置量测协方差矩阵，构建转换后的量测方程，并计算k‑1时刻和k时刻目标位置量测噪声的互协方差；在最小均方误差的准则下构建滤波器，利用k‑1时刻和k时刻量测噪声的互协方差补偿两个时刻噪声之间的相关性，对转换后的位置量测数据进行滤波处理，更新k时刻目标状态估计和状态估计误差协方差，完成目标跟踪。该方法可用于解决噪声相关问题，跟踪结果好，性能稳定。
-
公开(公告)号：CN110231620A
公开(公告)日：2019-09-13
申请号：CN201910608489.3
申请日：2019-07-08
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种噪声相关系统跟踪滤波方法，包括：从观测雷达处获取k时刻目标量测数据并建立噪声相关系统的状态空间模型，其中量测数据包括距离量测数据和方位角量测数据；将k时刻距离量测数据和方位角量测数据转换为直角坐标系下目标在x方向和y方向的位置量测数据，计算量测转换中的偏差项以及位置量测协方差矩阵，构建转换后的量测方程，并计算k-1时刻和k时刻目标位置量测噪声的互协方差；在最小均方误差的准则下构建滤波器，利用k-1时刻和k时刻量测噪声的互协方差补偿两个时刻噪声之间的相关性，对转换后的位置量测数据进行滤波处理，更新k时刻目标状态估计和状态估计误差协方差，完成目标跟踪。该方法可用于解决噪声相关问题，跟踪结果好，性能稳定。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
