-
公开(公告)号：CN113866755A
公开(公告)日：2021-12-31
申请号：CN202110818522.2
申请日：2021-07-20
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于多伯努利滤波的雷达微弱起伏目标检测前跟踪算法，本发明在MB‑TBD中除了考虑幅度信息还对相位进行边缘化处理，以提高了目标与噪声的区分度。利用三种Swerling类型的复似然比(CLR)代替平方模似然比(SLR)。为适应起伏目标新生先验信息未知的情况，借鉴目标相继相除的思想提出一种基于量测似然比的多伯努利滤波器自适应新生分布的TBD(LABer‑STC‑TBD)，与现有的MB‑TBD自适应新生算法相比，新算法克服了目标起伏时，较弱目标与较强目标同时出现的检测困难，并在MB‑TBD更新结束后对提出依据距离和粒子权重的算法(DPM)对同一目标的伯努利分量合并。最后比较了所研究的不同情况下的估计和检测性能，并显示了LABer‑STC‑TBD算法在目标幅度波动下的优势。
-
公开(公告)号：CN111964706A
公开(公告)日：2020-11-20
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：CN119022910A
公开(公告)日：2024-11-26
申请号：CN202410999240.0
申请日：2024-07-24
Applicant: 桂林电子科技大学 , 桂林长海发展有限责任公司
IPC: G01C21/00 , G06F18/15 , G06F18/213 , G06F123/02
Abstract: 本发明涉及同时定位与建图技术领域，具体涉及一种重尾噪声下鲁棒概率假设密度SLAM方法，将SLAM问题分解为机器人位姿估计和地图估计两个耦合的子问题，其中机器人位姿建模为粒子，环境地图建模为概率假设密度，然后利用EKF算法对所有表示机器人位姿的粒子进行重要性采样；基于每个粒子进行地图预测，将新生概率假设密度添加到后验概率假设密度中；再将量测噪声建模为学生t分布，利用基于学生t分布的边缘近似似然函数，推导出完整的地图更新表达式；最后利用SC策略更新机器人位姿粒子的权重，并进行状态提取和粒子重采样。本发明有效提高了重尾噪声场景下SLAM问题的估计精度。
-
公开(公告)号：CN107730537A
公开(公告)日：2018-02-23
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。
-
-
Patent Agency Ranking
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：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：CN113959428B
公开(公告)日：2024-05-28
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：CN117235452A
公开(公告)日：2023-12-15
申请号：CN202311163481.3
申请日：2023-09-11
Applicant: 桂林电子科技大学
Abstract: 本发明涉及扩展目标跟踪技术领域，具体涉及一种基于树轨迹模型的多衍生多扩展目标联合跟踪方法，通过将原始目标及其衍生目标的所有状态序列及其系谱建模为树轨迹变量，作为随机有限集泊松多伯努利混合滤波框架的输入项，并建立扩展目标树轨迹泊松多伯努利混合滤波模型；其次，将树轨迹全局数据关联假设转化为全局分支假设，在全局分支假设下推导出扩展目标树轨迹泊松多伯努利混合次优滤波后验分布，并进行参数化转换；然后对参数化的次优滤波后验分布进行预测，并在预测后通过KL散度提取出衍生目标的轨迹信息，最后对预测所得轨迹进行量测更新。本发明改善了杂波环境下基于随机矩阵建模的多衍生多扩展目标联合跟踪问题。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.019 seconds)
