-
公开(公告)号：CN112113572B
公开(公告)日：2023-04-07
申请号：CN202010987602.6
申请日：2020-09-18
Applicant: 桂林电子科技大学
IPC: G01C21/20 , G06F18/25 , G06F18/2415
Abstract: 本发明涉及一种解决分布式标签融合的多目标跟踪方法，解决的是标签不统一信息融合差的技术问题，通过采用步骤一，在各个局部传感器上单独运行标签多伯努利滤波器得到局部估计的LMB后验信息，对局部信息设置阈值进行LMB后验修剪截断操作以减少计算复杂度；步骤二，针对各传感器后验标签不一致进行标签匹配从而使得标签一致化；步骤三，共享各传感器与相邻传感器的信息，对共享信息按照标签的方式进行算术平均融合；步骤四，根据融合结果进行目标状态和目标航迹提取的技术方案，较好的解决了该问题，可用于分布式多传感器多目标检测与跟踪中。
-
公开(公告)号：CN109508444B
公开(公告)日：2022-11-04
申请号：CN201811549885.5
申请日：2018-12-18
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种区间量测下交互式多模广义标签多伯努利的快速跟踪方法，将交互式多模方法与快速算法思想相结合，首先在广义标签多伯努利滤波的框架下，针对目标采样粒子预测阶段，结合区间量测广义似然函数，实现所有粒子对于不同模型的转移预测，随后通过计算模型权概率对粒子进行模型交互，然后通过GLMB滤波更新方程对模型交互后的粒子进行更新。在此基础上结合快速实现方法，将预测与更新相结合，对于每个迭代只需要一个截断过程，降低了算法的计算量，最终解决了机动多目标的检测与跟踪问题。
-
公开(公告)号：CN112113572A
公开(公告)日：2020-12-22
申请号：CN202010987602.6
申请日：2020-09-18
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种解决分布式标签融合的多目标跟踪方法，解决的是标签不统一信息融合差的技术问题，通过采用步骤一，在各个局部传感器上单独运行标签多伯努利滤波器得到局部估计的LMB后验信息，对局部信息设置阈值进行LMB后验修剪截断操作以减少计算复杂度；步骤二，针对各传感器后验标签不一致进行标签匹配从而使得标签一致化；步骤三，共享各传感器与相邻传感器的信息，对共享信息按照标签的方式进行算术平均融合；步骤四，根据融合结果进行目标状态和目标航迹提取的技术方案，较好的解决了该问题，可用于分布式多传感器多目标检测与跟踪中。
-
公开(公告)号：CN107730537B
公开(公告)日：2020-07-07
申请号：CN201710910667.9
申请日：2017-09-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于箱粒子概率假设密度滤波的弱目标检测与跟踪方法，用箱粒子PHD滤波的方法去处理低信噪比条件下的弱目标，先用均值滤波可以弱化单点尖锐噪声的影响，更能突出目标所在的区域，再根据极大不交叉原则获得目标所在区域作为区间量测；以数十个箱粒子代替数百个点粒子，有效的降低了计算复杂度，提高计算效率，同时可以得到较准确的目标状态。
-
公开(公告)号：CN112415468B
公开(公告)日：2024-06-07
申请号：CN202011162121.8
申请日：2020-10-27
Applicant: 桂林电子科技大学
IPC: G01S3/14
Abstract: 本发明公开了一种基于多伯努利滤波的DOA跟踪方法，包括：通过传感器阵列接收叠加的量测数据；获取k‑1时刻多伯努利滤波器得到的滤波后验信息,包括：伯努利分量的存在概率和目标的空间分布概率密度函数；根据多伯努利滤波器对多伯努利分量进行预测，得到k时刻的多伯努利后验信息；根据预测的的多伯努利分量对目标状态进行提取；迭代处理，k＝k+1，直至所有时刻处理完毕。本发明不需要处理量测信息，减少计算量；跟踪时不需要知道信号源个数，直接利用预测先验和当前量测信息对信号源进行实时跟踪。仿真结果表明该算法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN116385967A
公开(公告)日：2023-07-04
申请号：CN202310356458.X
申请日：2023-04-06
Applicant: 桂林电子科技大学
Abstract: 本发明涉及轨迹跟踪技术领域，具体涉及一种鲁棒轨迹泊松多伯努利混合的多扩展目标跟踪方法，首先通过Beta分布描述未知检测概率，通过GGIW分布描述扩展目标轨迹状态，然后将轨迹目标状态和检测概率建模为增广轨迹状态，从而实现未知检测概率下多扩展目标轨迹的跟踪问题。仿真结果表明，无论目标在监控场景中出现在何处，本发明所提方法都能准确估计目标位置，并通过大量实验验证了本发明方法在多个挑战性跟踪场景中的有效性和鲁棒性。
-
公开(公告)号：CN111964706B
公开(公告)日：2022-07-05
申请号：CN202010810319.6
申请日：2020-08-13
Applicant: 桂林电子科技大学
IPC: G01D18/00
Abstract: 本发明公开了一种分布式视场互补多伯努利关联算术平均融合跟踪方法，首先通过对每个传感器视场互补扩大传感器感知范围，以此让每个传感器的量测覆盖整个跟踪场景；其次，每个传感器分别运行局部多伯努利滤波，通过对滤波后验结果进行泛洪通信关联，将对应于同一目标的伯努利成分关联到同一个子集中，并对每个关联子集进行算术平均融合完成融合状态估计。该方法的主要特点是通过视场互补使得不同传感器之间的量测信息得到互补，同时又不会重复共享，能有效减少计算量从而提高计算效率；另外通过伯努利关联可以将同一目标的伯努利成分关联到一起然后进行算术平均融合，有效提升跟踪性能。
-
公开(公告)号：CN113959428A
公开(公告)日：2022-01-21
申请号：CN202111135243.2
申请日：2021-09-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种用于跟踪非刚性多扩展目标的PHD滤波方法，首先，利用时空高斯过程对目标扩展的关键点进行建模，并利用运动学内部参考点来构建扩展目标的状态，然后采用概率假设密度滤波器传播非刚性多扩展目标随机有限集的一阶矩；此外，建立量测跟踪门挑选目标以及对应的量测，然后对目标和量测分群，给出一种合适的非刚性多扩展目标最优划分的预测似然，并提供了滤波器递归以及必要的近似和假设，最后通过将后验密度转换为高斯混合形式，得到了其闭式解及其相应的平滑滤波器的闭式解，在杂波、漏检和噪声存在的情况下能够准确估计非刚性目标的数量、运动状态和形状。
-
公开(公告)号：CN113093174A
公开(公告)日：2021-07-09
申请号：CN202110235449.6
申请日：2021-03-03
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于PHD滤波雷达起伏微弱多目标的检测前跟踪方法，解决的是幅度波动下目标的检测和跟踪问题，研究了swerling0,1,3三类起伏目标模型，建立了PHD‑TBD算法下复似然和幅度似然的两种跟踪模型，其中复似然的方法弥补了幅度似然在计算过程中只考虑量测的幅度信息，而忽略相位信息的缺陷，从而更好的利用目标原始信息。本发明的方法在目标幅度波动的情况下，复似然和幅度似然相比，前者在目标位置和个数的估计性能上优于后者，且计算效率更高。在低信噪比下，复似然仍然可以有效地检测并跟踪未知数量的微弱目标。
-
公开(公告)号：CN112415468A
公开(公告)日：2021-02-26
申请号：CN202011162121.8
申请日：2020-10-27
Applicant: 桂林电子科技大学
IPC: G01S3/14
Abstract: 本发明公开了一种基于多伯努利滤波的DOA跟踪方法，包括：通过传感器阵列接收叠加的量测数据；获取k‑1时刻多伯努利滤波器得到的滤波后验信息,包括：伯努利分量的存在概率和目标的空间分布概率密度函数；根据多伯努利滤波器对多伯努利分量进行预测，得到k时刻的多伯努利后验信息；根据预测的的多伯努利分量对目标状态进行提取；迭代处理，k＝k+1，直至所有时刻处理完毕。本发明不需要处理量测信息，减少计算量；跟踪时不需要知道信号源个数，直接利用预测先验和当前量测信息对信号源进行实时跟踪。仿真结果表明该算法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.062 seconds)
