-
公开(公告)号：CN117353705B
公开(公告)日：2024-10-25
申请号：CN202311296185.0
申请日：2023-10-08
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种带有未知延迟概率的一步时延跟踪滤波方法及系统，该方法包括基于被跟踪目标构建非线性目标跟踪模型及接收数据方程，所述非线性目标跟踪模型包括：状态方程和量测方程；对所述状态方程、量测方程及接收数据方程，采用变分贝叶斯方法的一步随机时延目标跟踪，进行状态扩维、状态时间更新、延迟概率时间更新、参数联合量测迭代更新的操作处理。该方法采用变分贝叶斯方法对未知延迟概率进行估计，并融合容积卡尔曼滤波方法对目标进行跟踪定位。该方法解决了在目标跟踪中由于存在未知延迟概率的一步随机量测延迟导致跟踪精度降低甚至发散的问题。不仅处理一步时延的目标跟踪，而且可以估计出未知时变的延迟概率。
-
公开(公告)号：CN115455670B
公开(公告)日：2024-05-17
申请号：CN202211032734.9
申请日：2022-08-26
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06F18/22 , G06N7/01 , G06F111/08 , G06F119/10
Abstract: 本发明提出了一种基于高斯混合模型的非高斯噪声模型建立方法，首先建立基于概率密度函数的高斯混合模型GMM，得到参数向量的迭代公式；再以最短描述长度MDL为目标函数，通过合并分裂方法SMEM确定混合分量数，估计出高斯混合模型GMM参数；最终根据高斯混合模型GMM和估计出高斯混合模型GMM参数，通过EM算法和KL三都，得到GMM模型参数，完成高斯混合模型；本发明以KL散度为子模型分裂的判别准则，以模型相似度为子模型合并的判别准则，对KL散度最大且分裂后MDL减小的子模型进行分裂，对模型相似度最大并且合并后MDL值减小的子模型对进行合并；以此来控制混合分量数的数量；合并操作以模型相似度为判别准则不需要遍历所有子模型，减少了计算量。
-
公开(公告)号：CN117351042A
公开(公告)日：2024-01-05
申请号：CN202311287762.X
申请日：2023-10-08
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于高斯和滤波的任意步时延目标跟踪方法，涉及目标跟踪领域，将存在多步随机时延的跟踪系统中的似然函数建模为高斯混合的形式，并使用高斯和容积卡尔曼滤波实现对状态的估计，以此完成量测数据存在任意步时延目标的跟踪定位。本发明解决了在非线性跟踪系统中由于存在任意步随机量测数据时延导致的跟踪精度下降甚至发散的问题，提高目标跟踪的准确性。
-
公开(公告)号：CN117350153A
公开(公告)日：2024-01-05
申请号：CN202311281663.0
申请日：2023-10-07
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/126 , G06F111/04 , G06F111/08
Abstract: 本发明公开了一种基于遗传重采样的软约束目标跟踪方法及系统，涉及目标跟踪技术领域，该方法包括：基于被跟踪目标构建目标跟踪模型；根据所述被跟踪目标的状态初始值生成粒子滤波所需的多个粒子；基于所述目标跟踪模型对各粒子进行时间更新，预测各粒子的状态和权重；利用遗传算法对各粒子进行重采样；基于所述量测方程计算重采样后的粒子的修正似然函数；基于所述修正似然函数修正预测后的权重；根据修正后的权重更新预测后的状态，得到所述被跟踪目标的最终估计状态。本发明能够实现在地面移动目标的跟踪中融合已知的非线性不等式软约束，提高地面目标在此类软约束下的跟踪精度。
-
公开(公告)号：CN117353705A
公开(公告)日：2024-01-05
申请号：CN202311296185.0
申请日：2023-10-08
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种带有未知延迟概率的一步时延跟踪滤波方法及系统，该方法包括基于被跟踪目标构建非线性目标跟踪模型及接收数据方程，所述非线性目标跟踪模型包括：状态方程和量测方程；对所述状态方程、量测方程及接收数据方程，采用变分贝叶斯方法的一步随机时延目标跟踪，进行状态扩维、状态时间更新、延迟概率时间更新、参数联合量测迭代更新的操作处理。该方法采用变分贝叶斯方法对未知延迟概率进行估计，并融合容积卡尔曼滤波方法对目标进行跟踪定位。该方法解决了在目标跟踪中由于存在未知延迟概率的一步随机量测延迟导致跟踪精度降低甚至发散的问题。不仅处理一步时延的目标跟踪，而且可以估计出未知时变的延迟概率。
-
Patent Agency Ranking
公开(公告)号：CN117351042B
公开(公告)日：2024-05-14
申请号：CN202311287762.X
申请日：2023-10-08
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于高斯和滤波的任意步时延目标跟踪方法，涉及目标跟踪领域，将存在多步随机时延的跟踪系统中的似然函数建模为高斯混合的形式，并使用高斯和容积卡尔曼滤波实现对状态的估计，以此完成量测数据存在任意步时延目标的跟踪定位。本发明解决了在非线性跟踪系统中由于存在任意步随机量测数据时延导致的跟踪精度下降甚至发散的问题，提高目标跟踪的准确性。
-
公开(公告)号：CN117406590B
公开(公告)日：2024-04-02
申请号：CN202311289134.5
申请日：2023-10-08
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于平滑变结构滤波的鲁棒机动目标跟踪方法及系统，该方法包括以下步骤：基于被跟踪目标构建非线性目标跟踪模型，包括：状态方程和量测方程；利用平滑变结构滤波器对所述非线性目标跟踪模型进行估计处理；根据获得平滑变结构滤波的估计结果，利用贝叶斯方法对所述估计结果进行修正，实现对机动目标跟踪。该方法将平滑变结构滤波器应用于机动目标跟踪中，同时为实现利用平滑变结构滤波对速度和加速度的准确跟踪，与贝叶斯理论相结合，通过状态误差协方差实现对低维状态向量的有效估计；可以实现对机动目标的准确跟踪。
-
公开(公告)号：CN117173210A
公开(公告)日：2023-12-05
申请号：CN202210591462.X
申请日：2022-05-28
Applicant: 哈尔滨工业大学
Abstract: 一种基于有向图切换的变结构多模型目标跟踪方法。步骤1：基于地面移动目标建立变结构多模型滤波框架；步骤2：基于步骤1的变结构多模型滤波框架内的模型集进行自适应策略；步骤3：将步骤1的变结构多模型滤波框架与与步骤2的模型集自适应策略相结合，得到变结构多模型目标跟踪方法；步骤4：利用步骤3的变结构多模型目标跟踪方法实现强机动目标跟踪。本发明用以解决强机动目标跟踪的问题。
-
公开(公告)号：CN115390560A
公开(公告)日：2022-11-25
申请号：CN202210992794.9
申请日：2022-08-18
Applicant: 哈尔滨工业大学
IPC: G05D1/02
Abstract: 本发明涉及目标轨迹领域，具体涉及一种基于混合网格多模型的地面目标轨迹跟踪方法。步骤1：将地面目标的模型集M分成粗模型子集和细模型子集；步骤2：根据步骤1的分类对粗模型子集进行处理后得到概率更新的粗模型子集并对其进行估计融合；步骤3：步骤1分类的细模型子集根据在线数据和先验知识自适应调整；步骤4：对步骤2的粗模型子集和步骤3的细模型子集分别进行概率更新；步骤5：对步骤4概率更新的粗模型子集和细模型子集再次进行全局估计融合。本发明用以解决现有的技术方案无法对地面目标轨迹进行准确的状态估计。
-
公开(公告)号：CN117406589B
公开(公告)日：2024-07-09
申请号：CN202311289042.7
申请日：2023-10-08
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种针对模型未知的机动目标交互式平滑变结构滤波方法，应用于目标跟踪技术领域，包括：构建由若干子滤波器组成的交互式多模型，若干所述子滤波器包括常速度模型和协同转弯模型；获取机动目标数据并输入所述交互式多模型，将各子滤波器上一时刻的滤波结果按交互概率进行融合，以获取各子模型在当前时刻的滤波初值；各子滤波器根据滤波初值进行并行滤波，分别获得滤波结果；交互式多模型利用量测值对各子滤波器的滤波结果赋不同的权值，获得当前时刻的模型概率；根据当前时刻的模型概率和各子滤波器的滤波结果进行加权融合，获得当前时刻对机动目标的全局估计结果。达到对机动目标且目标运动模型参数未知情况下的有效跟踪。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.029 seconds)
