-
公开(公告)号：CN117411462A
公开(公告)日：2024-01-16
申请号：CN202311288914.8
申请日：2023-10-08
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及目标跟踪技术领域，具体涉及一种基于变分贝叶斯高斯和滤波的目标跟踪方法，包括：构建考虑量测噪声的跟踪滤波器非线性跟踪模型；利用上一时刻状态估计值及先验概率密度对当前时刻目标状态进行预测，得到目标状态的一步预测值及其一步预测协方差；利用遗忘因子对待估计的非高斯噪声超参数进行更新；引入随机变量，将高斯混合形式的似然函数改写为高斯层次分布；利用变分贝叶斯方法对目标状态和未知的非高斯噪声超参数进行迭代更新，直至跟踪滤波器的KL散度最小化，得到当前时刻目标状态的后验估计。本发明可实现对受到非高斯且统计特性未知量测噪声干扰的目标进行跟踪定位，并提高跟踪精度。
-
公开(公告)号：CN117406589A
公开(公告)日：2024-01-16
申请号：CN202311289042.7
申请日：2023-10-08
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种针对模型未知的机动目标交互式平滑变结构滤波方法，应用于目标跟踪技术领域，包括：构建由若干子滤波器组成的交互式多模型，若干所述子滤波器包括常速度模型和协同转弯模型；获取机动目标数据并输入所述交互式多模型，将各子滤波器上一时刻的滤波结果按交互概率进行融合，以获取各子模型在当前时刻的滤波初值；各子滤波器根据滤波初值进行并行滤波，分别获得滤波结果；交互式多模型利用量测值对各子滤波器的滤波结果赋不同的权值，获得当前时刻的模型概率；根据当前时刻的模型概率和各子滤波器的滤波结果进行加权融合，获得当前时刻对机动目标的全局估计结果。达到对机动目标且目标运动模型参数未知情况下的有效跟踪。
-
公开(公告)号：CN116699598A
公开(公告)日：2023-09-05
申请号：CN202310834885.4
申请日：2023-07-10
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于一致性滤波的多传感器目标跟踪方法、系统及设备，涉及多传感器目标跟踪领域，该方法包括：根据各传感器对目标上一时刻的状态估计结果和上一时刻的信息矩阵，计算下一时刻的状态估计结果和信息矩阵；基于下一时刻的状态估计结果和信息矩阵计算信息向量；利用各传感器对目标的量测信息对下一时刻的信息矩阵和信息向量进行更新；基于更新后信息矩阵和信息向量进行一致性迭代，得到一致性迭代的信息矩阵和信息向量；根据一致性迭代的信息矩阵和信息向量计算下一时刻目标的状态向量，实现目标的跟踪。本发明采用一致性迭代方法对各传感器的估计结果进行融合，提高了各传感器对目标的估计精度，实现了目标的准确跟踪。
-
公开(公告)号：CN115455670A
公开(公告)日：2022-12-09
申请号：CN202211032734.9
申请日：2022-08-26
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06K9/62 , G06N7/00 , G06F111/08 , G06F119/10
Abstract: 本发明提出了一种基于高斯混合模型的非高斯噪声模型建立方法，首先建立基于概率密度函数的高斯混合模型GMM，得到参数向量的迭代公式；再以最短描述长度MDL为目标函数，通过合并分裂方法SMEM确定混合分量数，估计出高斯混合模型GMM参数；最终根据高斯混合模型GMM和估计出高斯混合模型GMM参数，通过EM算法和KL三都，得到GMM模型参数，完成高斯混合模型；本发明以KL散度为子模型分裂的判别准则，以模型相似度为子模型合并的判别准则，对KL散度最大且分裂后MDL减小的子模型进行分裂，对模型相似度最大并且合并后MDL值减小的子模型对进行合并；以此来控制混合分量数的数量；合并操作以模型相似度为判别准则不需要遍历所有子模型，减少了计算量。
-
Patent Agency Ranking
公开(公告)号：CN117406590A
公开(公告)日：2024-01-16
申请号：CN202311289134.5
申请日：2023-10-08
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于平滑变结构滤波的鲁棒机动目标跟踪方法及系统，该方法包括以下步骤：基于被跟踪目标构建非线性目标跟踪模型，包括：状态方程和量测方程；利用平滑变结构滤波器对所述非线性目标跟踪模型进行估计处理；根据获得平滑变结构滤波的估计结果，利用贝叶斯方法对所述估计结果进行修正，实现对机动目标跟踪。该方法将平滑变结构滤波器应用于机动目标跟踪中，同时为实现利用平滑变结构滤波对速度和加速度的准确跟踪，与贝叶斯理论相结合，通过状态误差协方差实现对低维状态向量的有效估计；可以实现对机动目标的准确跟踪。
-
公开(公告)号：CN117331070A
公开(公告)日：2024-01-02
申请号：CN202311268058.X
申请日：2023-09-28
Applicant: 哈尔滨工业大学
IPC: G01S13/72
Abstract: 本发明公开了一种基于变分贝叶斯的交互式多模型目标跟踪方法及系统，涉及目标跟踪领域，该方法包括：建立被跟踪目标的目标跟踪模型；所述目标跟踪模型包括目标运动学模型和量测模型；采用多个滤波器根据对应的目标运动学模型对所述被跟踪目标进行状态估计；基于变分贝叶斯方法对各滤波器的状态估计结果进行融合，得到所述被跟踪目标的最终状态估计。本发明提高了目标跟踪精度，解决传统多模型将多个滤波器的估计结果简化为单一的高斯分布，损失了估计精度的问题。
-
公开(公告)号：CN117331069A
公开(公告)日：2024-01-02
申请号：CN202311268048.6
申请日：2023-09-28
Applicant: 哈尔滨工业大学
IPC: G01S13/72
Abstract: 本发明公开了一种基于概率密度截断的路径约束目标跟踪方法及系统，涉及目标跟踪技术领域，该方法包括：构建被跟踪目标的目标跟踪模型；所述目标跟踪模型包括状态方程、量测方程和道路约束不等式方程；基于所述目标跟踪模型，利用扩展卡尔曼滤波对被跟踪目标进行无约束估计；根据约束条件对无约束估计的概率密度函数进行截断，获得所述被跟踪目标的约束估计，实现目标跟踪。本发明在地面移动目标的估计中融合已知的非线性不等式道路约束，提高了地面目标在道路约束下的估计精度。
-
公开(公告)号：CN115390560B
公开(公告)日：2023-09-15
申请号：CN202210992794.9
申请日：2022-08-18
Applicant: 哈尔滨工业大学
IPC: G05D1/02
Abstract: 本发明涉及目标轨迹领域，具体涉及一种基于混合网格多模型的地面目标轨迹跟踪方法。步骤1：将地面目标的模型集M分成粗模型子集和细模型子集；步骤2：根据步骤1的分类对粗模型子集进行处理后得到概率更新的粗模型子集并对其进行估计融合；步骤3：步骤1分类的细模型子集根据在线数据和先验知识自适应调整；步骤4：对步骤2的粗模型子集和步骤3的细模型子集分别进行概率更新；步骤5：对步骤4概率更新的粗模型子集和细模型子集再次进行全局估计融合。本发明用以解决现有的技术方案无法对地面目标轨迹进行准确的状态估计。
-
公开(公告)号：CN116699597A
公开(公告)日：2023-09-05
申请号：CN202310834882.0
申请日：2023-07-10
Applicant: 哈尔滨工业大学
Abstract: 本发明公开一种基于自适应多模型算法的联合参数估计方法及系统，涉及联合参数估计技术领域。所述方法包括得到当前时刻滤波器的状态估计值以及误差协方差估计值；根据各时刻滤波器对目标的加速度估计值得到残差的方差；根据残差的方差进行滤波得到当前时刻滤波器的稳态误差；根据当前时刻滤波器的新息序列之和得到当前时刻滤波器的测量灵敏度；基于当前时刻滤波器的稳态误差以及当测量灵敏度得到当前时刻滤波器的似然函数值；基于当前时刻所有滤波器的状态估计值、误差协方差估计值以及似然函数值得到当前时刻所有滤波器融合后的状态估计值以及误差协方差估计值。本发明可提高联合参数估计结果的精度。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.024 seconds)
