-
公开(公告)号：CN110501006B
公开(公告)日：2022-05-03
申请号：CN201910806278.0
申请日：2019-08-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种异类传感器联合航迹关联与跟踪方法，包括以下步骤：S1、初始化系统参数；S2、通过高斯克吕格投影，将多种数据源映射到统一的笛卡尔坐标系下；S3、通过哈希编码对数据源报文进行粗关联；S4、对报文航迹进行卡尔曼滤波处理；S5、通过线性外推和内插，对滤波后的报文点迹作时间对齐；S6、通过最近邻算法进行点迹的关联；S7、通过(M,C)/N逻辑判断准则进行航迹的关联。本发明具有计算复杂度低，关联正确率高等优点。
-
公开(公告)号：CN108875245B
公开(公告)日：2021-05-04
申请号：CN201810699611.8
申请日：2018-06-29
Applicant: 电子科技大学
IPC: G06F30/20
Abstract: 本发明公开了一种基于GLMB滤波的多传感器自适应角度控制方法，包括以下步骤：S1、采用广义标号多伯努利滤波器进行本地滤波；S2、基于广义协方差交叉准则进行分布式融合；S3、多目标采样处理；S4、采用广义标号多伯努利滤波器进行伪预测；S5、计算每个传感器的理想量测；S6、对传感器进行两两分组，产生决策集合，对决策集合里的传感器对进行分布式融合处理；S7、计算两两配对的控制决策组合下的柯西施瓦兹散度；S8、对各个传感器对选取局部最优的传感器控制决策；S9、将所有的局部最优的传感器控制决策合并成一个集合。本发明能够保证较小的误差损失，解决了精度和计算代价均可实现的基于GLMB滤波的多传感器自适应角度控制。
-
公开(公告)号：CN107273692B
公开(公告)日：2020-06-09
申请号：CN201710472451.9
申请日：2017-06-21
Applicant: 电子科技大学
IPC: G06F17/10
Abstract: 本发明公开一种传感器感知能力受限的随机集理论的分布式融合方法，应用于传感器技术领域；首先，对每部传感器的概率假设密度跟踪采用混合高斯模型进行表示；然后，在融合之前执行以下过程：构造一个距离矩阵，然后对该距离矩阵进行行和列搜索，若存在某一行或列的元素的最小值大于预设门限，则认为该目标只被部分传感器感知到，将该目标状态作为融合结果；搜索结束之后，删除行搜索时满足门限条件的元素所在的行以及列搜索时满足门限条件的元素所在的列，将剩余的矩阵元素记为新的距离矩阵；最后，对新的距离矩阵中的元素采取修正融合权重的GCI融合准则进行融合处理；比未修正的GCI融合过程有较小的估计误差。
-
公开(公告)号：CN108882271B
公开(公告)日：2020-04-07
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。
-
公开(公告)号：CN106896352B
公开(公告)日：2020-01-10
申请号：CN201710248595.6
申请日：2017-04-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于随机集理论的多雷达异步数据分布式融合方法，解决了在随机集融合理论框架下的多部雷达接收数据不同步时的目标跟踪融合问题。它的特点是在融合之前选取固定的融合节点，首先分别对多部雷达检测到的数据建立高斯混合模型，并进行GM‑PHD跟踪滤波，然后在设定的融合区间内分别选取GM‑PHD跟踪后离融合节点最近的概率假设密度，最后利用广义协方差交叉算法进行融合处理，它有效解决了在实际应用中多部雷达对同一检测区域多目标接收数据的不同步而造成目标融合失配跟踪性能差的问题，从而实现了对任意多部雷达的接收数据不同步的跟踪融合处理。
-
Patent Agency Ranking
公开(公告)号：CN104881521B
公开(公告)日：2018-10-16
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。
-
-
公开(公告)号：CN106054172B
公开(公告)日：2018-06-19
申请号：CN201610502538.1
申请日：2016-06-30
Applicant: 电子科技大学
Abstract: 该发明公开了一种随机集理论下的分布式多传感器融合方法，属于多传感器融合领域。首先，通过去除标号，将广义标号多目标伯努利分布转化为广义多目标伯努利分布，然后通过匹配广义多目标伯努利分布的概率假设密度和基数分布信息，对其进行二阶近似，最后假设目标状态之间是分离的，对求和项的分数阶指数次幂进行化简，使得二阶近似的广义多目标伯努利分布的分布式融合成为可能，并建立传感器间航迹关系映射集合。该方法具近似代价小、近似程度高、鲁棒性强、可以在多传感器网络中实现广义标号多目标伯努利融合等特点，有效的解决了在实际应用中常出现的标号空间不匹配现象，实现了在复杂场景下的分布式多传感器融合。
-
公开(公告)号：CN107273692A
公开(公告)日：2017-10-20
申请号：CN201710472451.9
申请日：2017-06-21
Applicant: 电子科技大学
IPC: G06F19/00
Abstract: 本发明公开一种传感器感知能力受限的随机集理论的分布式融合方法，应用于传感器技术领域；首先，对每部传感器的概率假设密度跟踪采用混合高斯模型进行表示；然后，在融合之前执行以下过程：构造一个距离矩阵，然后对该距离矩阵进行行和列搜索，若存在某一行或列的元素的最小值大于预设门限，则认为该目标只被部分传感器感知到，将该目标状态作为融合结果；搜索结束之后，删除行搜索时满足门限条件的元素所在的行以及列搜索时满足门限条件的元素所在的列，将剩余的矩阵元素记为新的距离矩阵；最后，对新的距离矩阵中的元素采取修正融合权重的GCI融合准则进行融合处理；比未修正的GCI融合过程有较小的估计误差。
-
公开(公告)号：CN104793194B
公开(公告)日：2017-06-16
申请号：CN201510189184.5
申请日：2015-04-21
Applicant: 电子科技大学
IPC: G01S7/41
Abstract: 本发明提供一种基于改进的自适应多脉冲压缩的距离‑多普勒估计方法。本发明对每个脉冲对应的回波信号应用约束增益自适应脉冲压缩GCAPC算法进行距离像估计；再将得到的距离像估计对应每个距离单元的结果应用GCAPC算法进行多普勒估计，将多普勒估计表示成距离‑多普勒平面。与现有的自适应多脉冲压缩AMPC算法相比，本发明提出更小的计算量，得到与AMPC相近的距离‑多普勒估计效果。本发明降低了自适应多脉冲压缩算法在距离‑多普勒估计时所需的计算量，同时更好地抑制距离‑多普勒旁瓣。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.039 seconds)
