-
Patent Agency Ranking
公开(公告)号：CN108121846A
公开(公告)日：2018-06-05
申请号：CN201611106457.6
申请日：2016-11-29
Applicant: 南京航空航天大学
IPC: G06F17/50
Abstract: 本发明公布了一种基于熵惩罚的EM未知杂波估计的PHD多目标跟踪方法，主要解决了概率假设密度多目标跟踪方法中存在的杂波强度未知的问题。所示方法包括：首先采用有限混合模型对未知杂波密度建模；其次分别对混合权重及缺失参数施加熵惩罚因子；然后通过自适应动态系数调节，使得混合模型低权值分量加速消亡，减少了迭代次数，且对初始参数不敏感。该方法在杂波强度未知的环境下，具有跟踪精度高且稳定的优势，提高了PHD滤波器在多目标跟踪中的性能。
-
公开(公告)号：CN108121846B
公开(公告)日：2022-01-11
申请号：CN201611106457.6
申请日：2016-11-29
Applicant: 南京航空航天大学
IPC: G06F30/23
Abstract: 本发明公布了一种基于熵惩罚的EM未知杂波估计的PHD多目标跟踪方法，主要解决了概率假设密度多目标跟踪方法中存在的杂波强度未知的问题。所示方法包括：首先采用有限混合模型对未知杂波密度建模；其次分别对混合权重及缺失参数施加熵惩罚因子；然后通过自适应动态系数调节，使得混合模型低权值分量加速消亡，减少了迭代次数，且对初始参数不敏感。该方法在杂波强度未知的环境下，具有跟踪精度高且稳定的优势，提高了PHD滤波器在多目标跟踪中的性能。
-
公开(公告)号：CN105844217A
公开(公告)日：2016-08-10
申请号：CN201610146365.4
申请日：2016-03-11
Applicant: 南京航空航天大学
IPC: G06K9/00
CPC classification number: G06K9/00335
Abstract: 本发明公布了一种基于量测驱动新生目标强度估计PHD滤波的多目标跟踪方法，主要解决了新生目标强度未知时的多目标运动状态与目标数目估计问题。所述方法包括：采用增广状态空间方法，将目标状态与杂波状态进行分别估计，避免了未知杂波对目标强度估计的干扰；构造新生目标量测集，采用量测驱动方式对新生目标强度进行估计，避免了对新生目标强度先验知识的依赖；采用高斯混合概率假设密度滤波对以上方法进行实现。该方法具有对目标数目变化敏感的优势，同时可降低计算复杂度，明显提高跟踪精度。
-
公开(公告)号：CN105828287B
公开(公告)日：2019-03-29
申请号：CN201610146721.2
申请日：2016-03-11
Applicant: 南京航空航天大学
Abstract: 本发明公布了一种基于强化学习的无线传感器网络协同跟踪方法，主要解决了无线传感器网络协同跟踪过程中跟踪精度与能量消耗矛盾的问题。所述方法包括：采用Q学习方法，对协同跟踪过程中的簇首及簇成员进行了最优选择；通过制定簇首选择及切换强化学习函数与回报函数，得出了簇首最优选择策略及最优切换时机；在保证跟踪精度的前提下，通过减少簇成员个数和动态选择采样时间间隔的方式降低了网络能量消耗。该方法在满足跟踪精度的前提下，通过减少簇内成员的使用数量以及采样次数，从而减少了节点的能量消耗，进而延长了网络的工作寿命。
-
公开(公告)号：CN105828287A
公开(公告)日：2016-08-03
申请号：CN201610146721.2
申请日：2016-03-11
Applicant: 南京航空航天大学
CPC classification number: Y02D70/00 , H04W4/02 , H04W52/0209 , H04W84/18
Abstract: 本发明公布了一种基于强化学习的无线传感器网络协同跟踪方法，主要解决了无线传感器网络协同跟踪过程中跟踪精度与能量消耗矛盾的问题。所述方法包括：采用Q学习方法，对协同跟踪过程中的簇首及簇成员进行了最优选择；通过制定簇首选择及切换强化学习函数与回报函数，得出了簇首最优选择策略及最优切换时机；在保证跟踪精度的前提下，通过减少簇成员个数和动态选择采样时间间隔的方式降低了网络能量消耗。该方法在满足跟踪精度的前提下，通过减少簇内成员的使用数量以及采样次数，从而减少了节点的能量消耗，进而延长了网络的工作寿命。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
