-
公开(公告)号：CN115220025B
公开(公告)日：2025-04-08
申请号：CN202210909795.2
申请日：2022-07-29
Applicant: 电子科技大学
IPC: G01S7/539
Abstract: 本发明公开了一种基于声纳检测系统的水下多目标跟踪方法，包括以下步骤：S1.基于目标的预测的状态中心设置关联门，剔除与目标无关的杂波，形成确认矩阵；S2.根据假设对确认矩阵进行拆分，得到可行矩阵；S3.基于可行矩阵计算目标和量测的互联概率；S4.结合互联概率，使用基于最大相关熵卡尔曼滤波算法对目标进行状态更新。本发明将最大相关熵理论，联合概率数据关联算法相结合，相比其他多目标跟踪算法，可以在具有非高斯噪声的复杂的水下环境工作，具有目标追踪精度更高、误差更小、算法结构更加稳定，鲁棒性更高的优点。
-
Patent Agency Ranking
公开(公告)号：CN115087092A
公开(公告)日：2022-09-20
申请号：CN202210579130.X
申请日：2022-05-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种多传感器最大相关熵拓展信息滤波分层融合方法，包括以下步骤：S1.将传感器网络中的传感器分组，选出多传感器网络中各个分组的头节点传感器；S2.对各传感器使用基于最大相关熵的拓展信息滤波，得到各传感器的状态估计值和协方差矩阵；S3.各个分组的头节点传感器收集同一组内其他子节点传感器的信息，使用分布式拓展信息滤波算法进行信息加权融合，得到每一个传感器分组的状态估计值；S4.根据各个分组头节点的协方差计算权重，将各个分组的状态估计值进行协方差交叉融合，得到多传感器网络的最终状态预测结果。本发明能够融合各传感器结果，得到整体传感器网络输出的更加准确的目标追踪结果。
-
公开(公告)号：CN115220025A
公开(公告)日：2022-10-21
申请号：CN202210909795.2
申请日：2022-07-29
Applicant: 电子科技大学
IPC: G01S7/539
Abstract: 本发明公开了一种基于声纳检测系统的水下多目标跟踪方法，包括以下步骤：S1.基于目标的预测的状态中心设置关联门，剔除与目标无关的杂波，形成确认矩阵；S2.根据假设对确认矩阵进行拆分，得到可行矩阵；S3.基于可行矩阵计算目标和量测的互联概率；S4.结合互联概率，使用基于最大相关熵卡尔曼滤波算法对目标进行状态更新。本发明将最大相关熵理论，联合概率数据关联算法相结合，相比其他多目标跟踪算法，可以在具有非高斯噪声的复杂的水下环境工作，具有目标追踪精度更高、误差更小、算法结构更加稳定，鲁棒性更高的优点。
-
公开(公告)号：CN114609912A
公开(公告)日：2022-06-10
申请号：CN202210272651.0
申请日：2022-03-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于伪线性最大相关熵卡尔曼滤波的仅测角目标追踪方法,包括以下步骤：S1.初始化噪声方差和状态转移矩阵，初始化目标初始位置状态选择高斯核核宽σ以及收敛判定系数εt；S2.利用伪线性方法把仅测角观测方程线性化，计算待追踪目标的先验估计值和先验协方差矩阵Pk|k‑1，根据最大相关熵不定点迭代公式，更新后验估计值计算伪线性卡尔曼滤波的偏差，并且瞬时在后验估计值上进行补偿；S3.当后验估计值的更新满足判定系数εt时，停止更新，计算后验协方差矩阵，开始下一轮迭代。本发明将最大相关熵理论和伪线性卡尔曼滤波相结合，提出了纯方位目标追踪方法，相比其他伪线性方法，在非高斯环境工作下目标追踪精度更高且不易发散。
-
公开(公告)号：CN115087092B
公开(公告)日：2024-02-27
申请号：CN202210579130.X
申请日：2022-05-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种多传感器最大相关熵拓展信息滤波分层融合方法，包括以下步骤：S1.将传感器网络中的传感器分组，选出多传感器网络中各个分组的头节点传感器；S2.对各传感器使用基于最大相关熵的拓展信息滤波，得到各传感器的状态估计值和协方差矩阵；S3.各个分组的头节点传感器收集同一组内其他子节点传感器的信息，使用分布式拓展信息滤波算法进行信息加权融合，得到每一个传感器分组的状态估计值；S4.根据各个分组头节点的协方差计算权重，将各个分组的状态估计值进行协方差交叉融合，得到多传感器网络的最终状态预测结果。本发明能够融合各传感器结果，得到整体传感器网络输出的更加准确的目标追踪结果。(56)对比文件蓝天保.基于单目视觉与IMU融合的室内机器人定位系统研究.中国优秀硕士学位论文全文数据库.2022,全文.邹平辉.无线传感器网络安全及数据融合技术研究.中国博士学位论文全文数据库.2018,全文.Gang Wang;Kai Liu;Jinxin Wang;RuiXue.Distributed Maximum CorrentropyKalman Filter with ConsensusStrategies.2021 7th InternationalConference on Control, Automation andRobotics (ICCAR).2021,全文.Jian Zhang;Chengdong Wu;Peng Ji;YueHuang.Collaborative Target Tracking Basedon Energy Consideration in WSNs.2011 7thInternational Conference on WirelessCommunications, Networking and MobileComputing.2011,全文.Yimao Sun,Fengrui Zhang;QunWan.Wireless Sensor Network-BasedLocalization Method Using TDOAMeasurements in MPR.IEEE SensorsJournal.2019,全文.李妍妍;张伟;陈明燕.一种基于航迹隶属度的动态加权融合算法.计算机应用研究.2013,(第05期),全文.王恒;李春霞;刘守训.基于最大相关熵的雷达扩展卡尔曼滤波算法研究.中国传媒大学学报(自然科学版).2020,(03),全文.
-
公开(公告)号：CN114609912B
公开(公告)日：2023-10-03
申请号：CN202210272651.0
申请日：2022-03-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于伪线性最大相关熵卡尔曼滤波的仅测角目标追踪方法,包括以下步骤：S1.初始化噪声方差和状态转移矩阵，初始化目标初始位置状态#imgabs0#选择高斯核核宽σ以及收敛判定系数εt；S2.利用伪线性方法把仅测角观测方程线性化，计算待追踪目标的先验估计值#imgabs1#和先验协方差矩阵Pk|k‑1，根据最大相关熵不定点迭代公式，更新后验估计值#imgabs2#计算伪线性卡尔曼滤波的偏差，并且瞬时在后验估计值上进行补偿；S3.当后验估计值的更新满足判定系数εt时，停止更新，计算后验协方差矩阵，开始下一轮迭代。本发明将最大相关熵理论和伪线性卡尔曼滤波相结合，提出了纯方位目标追踪方法，相比其他伪线性方法，在非高斯环境工作下目标追踪精度更高且不易发散。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
