-
公开(公告)号：CN102542149A
公开(公告)日：2012-07-04
申请号：CN201110308098.3
申请日：2011-10-11
Applicant: 江苏科技大学
IPC: G06F19/00
Abstract: 本发明基于FPGA的裂变自举粒子滤波算法的硬件实现方法，由采样、权值计算和求和、权值锐化检测、重采样、输出结果、高斯信号发生器、只读ROM和检测控制单元组成；高斯信号发生器用来产生高斯白噪声来初始化粒子和粒子裂变；采用采样单元完成粒子的初始化和更新；采用检测控制单元用于控制采样单元、权值计算和求和单元和输出单元；采用权值计算和求和模块主要用于计算粒子的权值和计算权值和；采用权值锐化检测单元主要用来检测权值锐化程度，如果权值锐化严重则对粒子进行裂变处理，进行裂变处理以后就直接进入采样单元，如果权值锐化程度较弱则进入重采样单元；采用重采样单元主要进行重采样，完成重采样后将粒子送入采样单元进行更新。
-
公开(公告)号：CN102982556B
公开(公告)日：2016-06-15
申请号：CN201210433919.0
申请日：2012-11-01
Applicant: 江苏科技大学
IPC: G06T7/20
Abstract: 本发明公布了一种基于流形上粒子滤波算法的视频目标跟踪方法，所述方法如下：将视频图像的射影变换构造成矩阵李群；将目标的射影变换参数作为状态变量，建立李群上的状态转移模型；采用协方差描述来表示视频图像中的目标区域；采用李群上的粒子滤波算法，沿流形测地线抽取状态样本；采用内蕴高斯牛顿算法来求解内蕴均值，得到系统的状态估计，完成目标跟踪。本发明能够降低欧式空间的噪声统计特性对权值方差的影响，有助于解决粒子退化问题，提高算法的跟踪精度和鲁棒性。
-
公开(公告)号：CN102186241A
公开(公告)日：2011-09-14
申请号：CN201110104871.4
申请日：2011-04-26
Applicant: 江苏科技大学
Abstract: 本发明公开一种基于并行分布式粒子滤波的无线传感器网络目标跟踪方法，采用高斯混合模型代替粒子和权重，对每一个节点并行计算本地重要性采样、本地权重、本地权重和、本地状态估计和方差并传送给融合中心；由融合中心根据传送的数据计算总体的状态估计，得到当前时刻的状态估计值和状态估计方差；将上一时刻算出的状态估计值和状态估计方差值以及用高斯混合模型代替的粒子和权重传送给此时刻的簇头节点，对目标位置进行状态估计；本发明在簇头之间只传送高斯混合模型，当簇头更换时，簇头之间只需传送用高斯混合模型代替的粒子和权重即可，降低了算法的计算量，进一步有效减少带宽，提高实时性和跟踪精度。
-
-
公开(公告)号：CN102752761B
公开(公告)日：2015-04-29
申请号：CN201210203426.8
申请日：2012-06-19
Applicant: 江苏科技大学
Abstract: 本发明针对基本粒子群算法在求解无线传感网络覆盖优化问题的不足，结合最大覆盖算法，提出了一种基于粒子群的无线传感器网络移动节点覆盖优化方法。该算法以移动节点位置向量为输入参数，网络覆盖率为目标函数，同时利用最大覆盖算法中所提到的远离和靠近模块，对节点间的位置进行调整，如果节点间分布过密，则让节点远离；如果节点分布松散，则让节点靠近。结合位置调节和粒子群算法，在粒子群算法速度更新公式中考虑了节点与其最近节点的位置调整，指导粒子进化，这样做有助于扩大节点的覆盖范围，增强粒子群算法搜索全局最优解的能力，即提高了网络覆盖率。最后应用基于位置调节的粒子群算法求解无线传感网络覆盖优化问题。
-
Patent Agency Ranking
-
公开(公告)号：CN102508947A
公开(公告)日：2012-06-20
申请号：CN201110308097.9
申请日：2011-10-11
Applicant: 江苏科技大学
IPC: G06F17/50
Abstract: 本发明一种改进的自举裂变粒子滤波方法及其仿真方法，将权值归一化步骤合并到结果输出、权值锐化检测、重采样等几个步骤中，从而减少了大量的除法运算，降低了硬件开销。根据粒子滤波算法运算量大的特点，选择了TI公司的TMS320VC5509A数字信号处理器(DSP)来实现粒子滤波算法，通过集成在MATLAB 7.1中的CCSLink工具将C5509及其集成开发环境CCS 2.21连接在一起，在DSP中编写了改进FBPF算法的程序，并将数据通过RTDX通道传给MATLAB进行保存、分析和绘图，通过采用MATLAB和CCS联合仿真的方法，分析粒子滤波算法的性能。
-
公开(公告)号：CN102141776A
公开(公告)日：2011-08-03
申请号：CN201110104853.6
申请日：2011-04-26
Applicant: 江苏科技大学
IPC: G05B13/02
Abstract: 本发明公开一种用于对象模型未知且干扰为非线性及非高斯噪声的控制系统的基于粒子滤波和RBF辨识的神经网络PID控制参数自整定方法；先将PID控制器输出和系统输出分别连接RBF神经网络辨识结构输入，系统输出和RBF神经网络辨识结构之间连接粒子滤波部分；再用粒子滤波对系统输出滤波得到粒子滤波输出，将粒子滤波输出和RBF神经网络输出相减的值作为目标函数训练RBF神经网络得到其输出，然后计算系统的雅可比信息，最后将系统参考输入和系统输出之间的偏差信号作为目标函数训练神经元，用雅可比信息指导神经元通过学习算法调整PID控制器。本发明在保留PID控制鲁棒性高和可靠性好等特点的同时能进一步提高控制系统的动态响应性能和抗干扰能力。
-
公开(公告)号：CN105184816A
公开(公告)日：2015-12-23
申请号：CN201510509429.8
申请日：2015-08-18
Applicant: 江苏科技大学
IPC: G06T7/20
CPC classification number: G06T2207/10021
Abstract: 本发明公开一种基于USV的视觉检测和水面目标追踪系统，包括指挥中心、水面无人艇和探查系统；指挥中心为水面无人艇的控制终端，与水面无人艇之间通信连接并向水面无人艇发送指令；水面无人艇接收来自探查系统发送的信息，并通过导航系统完成追踪水面目标任务；探查系统对水面上的目标物体进行检测并定位获知其位置坐标，并将信息发送给水面无人艇，同时等待指挥中心下一步指令；探查系统集成有云台摄像机和毫米波雷达。本发明应用云台摄像机与毫米波雷达这两种传感器共同定位出水面目标的位置，使得检测追踪结果更加精准，提高检测效率，大大节省人力和财力，具有广阔的市场前景。
-
公开(公告)号：CN102982556A
公开(公告)日：2013-03-20
申请号：CN201210433919.0
申请日：2012-11-01
Applicant: 江苏科技大学
IPC: G06T7/20
Abstract: 本发明公布了一种基于流形上粒子滤波算法的视频目标跟踪方法，所述方法如下：将视频图像的射影变换构造成矩阵李群；将目标的射影变换参数作为状态变量，建立李群上的状态转移模型；采用协方差描述来表示视频图像中的目标区域；采用李群上的粒子滤波算法，沿流形测地线抽取状态样本；采用内蕴高斯牛顿算法来求解内蕴均值，得到系统的状态估计，完成目标跟踪。本发明能够降低欧式空间的噪声统计特性对权值方差的影响，有助于解决粒子退化问题，提高算法的跟踪精度和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.03 seconds)
