-
公开(公告)号：CN111965589B
公开(公告)日：2023-01-31
申请号：CN202010811097.X
申请日：2020-08-13
Applicant: 桂林电子科技大学
IPC: G01S3/02
Abstract: 本发明公开了一种基于空间平滑的多伯努利滤波多源DOA跟踪方法，首先对接收到的所述单快拍量测数据进行前后向的平滑处理，并利用酉矩阵进行修正；其次，利用多伯努利滤波器对多伯努利分量进行预测，接着将修正后的平滑数据进行奇异值分解，并和指定时刻接收的所述单快拍量测数据一起对预测的所述伯努利分量进行更新；最后根据更新后的所述多伯努利分量对目标状态进行提取和迭代，直至算法终止，能在传感器阵列单快拍量测信息不确定性情况下，提高多伯努利滤波多源DOA跟踪性能。
-
公开(公告)号：CN113900090A
公开(公告)日：2022-01-07
申请号：CN202111169378.0
申请日：2021-10-08
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种自适应新生多扩展目标跟踪方法，通过一种新的量测驱动的自适应新生分布方法来处理新生目标位置未知的跟踪问题，首先通过似然和接近度来表示量测与目标的相关性，再利用这种相关性在量测值附近产生新生目标，随后通过贝塔分布描述未知检测概率，通过伽马高斯逆威夏特分布描述扩展目标状态，然后将目标状态和检测概率建模为增广状态，实现未知检测概率下多扩展目标的跟踪问题；此外在每一次迭代中，通过吉布斯采样器截断校正后的PMBM滤波密度，得到高权值的正1‑1向量，在不损失精度的情况下提高了滤波器的效率，解决了现有技术中的检测概率和新生目标位置都未知的多扩展目标跟踪效果较差的技术问题。
-
公开(公告)号：CN107703496B
公开(公告)日：2021-04-30
申请号：CN201710945206.5
申请日：2017-10-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法，在伯努利粒子滤波的基础上，使用交互式多模方法对滤波器中每个目标状态的采样粒子进行预测，再将预测粒子代入到传统的伯努利TBD算法中进行目标存在概率及分布密度的更新估计。本发明在低信噪比情况下，能有效地检测跟踪弱机动目标，且对目标状态的估计更加精准。
-
公开(公告)号：CN107843904A
公开(公告)日：2018-03-27
申请号：CN201711046679.8
申请日：2017-10-31
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种抑制多径干扰的码跟踪环路及方法，通过最小二乘算法对I/Q支路相干积分值进行修正并作为粒子滤波的观测量，同时为提高滤波的估计精度，采用无迹转换的思想取代粒子滤波算法中仅用转移密度函数产生粒子的方式，粒子的产生过程中合理引入了由最小二乘原理修正得到的当前时刻的量测信息，从而引导粒子向高似然区域移动，最小二乘原理和无迹变换思想二者的结合能够有效减小有偏相干积分值所造成的码相位跟踪误差，提高弱信号环境下环路的跟踪性能。
-
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
22
records
(took 0.02 seconds)
