-
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：CN110262529A
公开(公告)日：2019-09-20
申请号：CN201910510327.6
申请日：2019-06-13
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于卷积神经网络的无人机监控方法，包括：采集视频序列，将所述视频序列输到图像处理器中；对采集的视频数据进行预处理，并通过链队列将预处理后的视频数据进行缓存；通过提前预训练好的卷积神经网络模型对链队列中存取的视频数据进行分析，分析后的输出结果为无人机的空间坐标，并将无人机空间坐标下发到监控终端；读取无人机的空间坐标，对所述空间坐标进行分析，计算出舵机转动量，将所述舵机转动量发送到舵机中，控制舵机转动。本发明将卷积神经网络模型应用于无人机监控，并采用多线程链队列等技术进一步优化性能。
-
公开(公告)号：CN102866627A
公开(公告)日：2013-01-09
申请号：CN201210363042.2
申请日：2012-09-26
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种北斗无缝高精度授时系统，其主要由北斗卫星、用户接收终端、伪卫星主站和至少3个伪卫星副站组成；伪卫星主站和至少3个伪卫星副站分别固定安装在空间的不同位置处；伪卫星主站同时接收至少4颗北斗卫星发来的信号；伪卫星副站接收伪卫星主站发来的信号；用户接收终端同时接收伪卫星主站和至少3个伪卫星副站、以及北斗卫星发来的信号。本发明不但可以单独利用伪卫星实现用户授时，还可以单独利用北斗卫星导航系统完成用户授时，也可以利用北斗卫星导航系统和伪卫星组合授时，具有精度高、抗干扰能力强的特点。
-
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。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN111965589A
公开(公告)日：2020-11-20
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：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：CN110262529B
公开(公告)日：2022-06-03
申请号：CN201910510327.6
申请日：2019-06-13
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于卷积神经网络的无人机监控方法，包括：采集视频序列，将所述视频序列输到图像处理器中；对采集的视频数据进行预处理，并通过链队列将预处理后的视频数据进行缓存；通过提前预训练好的卷积神经网络模型对链队列中存取的视频数据进行分析，分析后的输出结果为无人机的空间坐标，并将无人机空间坐标下发到监控终端；读取无人机的空间坐标，对所述空间坐标进行分析，计算出舵机转动量，将所述舵机转动量发送到舵机中，控制舵机转动。本发明将卷积神经网络模型应用于无人机监控，并采用多线程链队列等技术进一步优化性能。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.026 seconds)
