-
公开(公告)号：CN104331623B
公开(公告)日：2017-07-28
申请号：CN201410623435.1
申请日：2014-11-06
Applicant: 西北工业大学
Abstract: 本发明提供了一种机动策略自适应的目标跟踪信息滤波算法，首先建立多机动策略和多运动模式的目标跟踪模型，然后进行多机动策略多模型下的目标跟踪信息滤波算法，得到目标跟踪轨迹。本发明引入了机动决策的概念，建立了多机动策略、多运动模型的目标跟踪模型，并通过不匹配机动策略的误差压缩率，利用后验信息实时校正机动策略转移概率矩阵，显著提高目标跟踪过程中机动策略的匹配度，进而提高运动模型的匹配度。同时，通过结合自适应变结构模型和卡尔曼信息滤波，有效融合多传感器量测信息，显著提高目标跟踪精度和稳定度。
-
Patent Agency Ranking
公开(公告)号：CN103411628B
公开(公告)日：2016-01-13
申请号：CN201310354789.6
申请日：2013-08-14
Applicant: 西北工业大学
IPC: G01C25/00
Abstract: 本发明提供了一种MEMS陀螺仪随机漂移误差的处理方法，首先确定RBF神经网络结构，然后获取学习样本，利用学习样本采用遗传算法（GA）优化，训练RBF神经网络，最后得到随机漂移误差抑制后的角速度数据。本发明针对MEMS陀螺仪的随机漂移误差，采用实时均值法来抑制随机漂移误差，利用基于遗传算法优化的RBF神经网络控制实时均值法的计算步长。本发明不需要对随机漂移误差建模，计算量小，可便捷实现MEMS陀螺仪实时的随机漂移误差抑制。
-
公开(公告)号：CN106599537A
公开(公告)日：2017-04-26
申请号：CN201611013169.6
申请日：2016-11-17
Applicant: 西北工业大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明提供了一种基于多目标克隆进化算法的大规模武器‑目标分配方法，属于计算机仿真与方法优化技术领域，首先根据武器的数量生成多个初始子种群，并计算所有子种群的pareto最优解，用这些最优解构成优势种群；其次，算法采用克隆机制对优势种群中的所有个体进行克隆，形成多个新的子种群；然后，算法给出了三种特殊的进化算子，并用这三种进化算子对个体进行进化。本发明针对大规模武器‑目标分配问题，设计了相应的进化算子和进化方法，能够有效解决大规模武器‑目标分配问题，能够在大规模武器和目标的环境下，得到完整的pareto最优解，具备较好的收敛效果。
-
公开(公告)号：CN106599537B
公开(公告)日：2019-03-29
申请号：CN201611013169.6
申请日：2016-11-17
Applicant: 西北工业大学
IPC: G06F17/50
Abstract: 本发明提供了一种基于多目标克隆进化算法的大规模武器‑目标分配方法，属于计算机仿真与方法优化技术领域，首先根据武器的数量生成多个初始子种群，并计算所有子种群的pareto最优解，用这些最优解构成优势种群；其次，算法采用克隆机制对优势种群中的所有个体进行克隆，形成多个新的子种群；然后，算法给出了三种特殊的进化算子，并用这三种进化算子对个体进行进化。本发明针对大规模武器‑目标分配问题，设计了相应的进化算子和进化方法，能够有效解决大规模武器‑目标分配问题，能够在大规模武器和目标的环境下，得到完整的pareto最优解，具备较好的收敛效果。
-
公开(公告)号：CN104331623A
公开(公告)日：2015-02-04
申请号：CN201410623435.1
申请日：2014-11-06
Applicant: 西北工业大学
Abstract: 本发明提供了一种机动策略自适应的目标跟踪信息滤波算法，首先建立多机动策略和多运动模式的目标跟踪模型，然后进行多机动策略多模型下的目标跟踪信息滤波算法，得到目标跟踪轨迹。本发明引入了机动决策的概念，建立了多机动策略、多运动模型的目标跟踪模型，并通过不匹配机动策略的误差压缩率，利用后验信息实时校正机动策略转移概率矩阵，显著提高目标跟踪过程中机动策略的匹配度，进而提高运动模型的匹配度。同时，通过结合自适应变结构模型和卡尔曼信息滤波，有效融合多传感器量测信息，显著提高目标跟踪精度和稳定度。
-
公开(公告)号：CN103411628A
公开(公告)日：2013-11-27
申请号：CN201310354789.6
申请日：2013-08-14
Applicant: 西北工业大学
IPC: G01C25/00
Abstract: 本发明提供了一种MEMS陀螺仪随机漂移误差的处理方法，首先确定RBF神经网络结构，然后获取学习样本，利用学习样本采用遗传算法（GA）优化，训练RBF神经网络，最后得到随机漂移误差抑制后的角速度数据。本发明针对MEMS陀螺仪的随机漂移误差，采用实时均值法来抑制随机漂移误差，利用基于遗传算法优化的RBF神经网络控制实时均值法的计算步长。本发明不需要对随机漂移误差建模，计算量小，可便捷实现MEMS陀螺仪实时的随机漂移误差抑制。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
