-
公开(公告)号：CN108647182A
公开(公告)日：2018-10-12
申请号：CN201810450931.X
申请日：2018-05-11
申请人： 河南科技大学
IPC分类号： G06F17/15
摘要： 一种证据理论中基于可分配确定度的概率转换方法，包括如下步骤：S1、计算证据中各个命题的信任函数值和似然函数值；S2、根据各个命题的信任函数值计算证据可分配的确定度信息；S3、判断证据是否包括全部单命题；S4、根据S3中的判定结果进行概率转换；S4.1、若证据包括全部单命题，则使用比例分配法对证据的可信度进行概率转换；S4.2、若证据只包括部分单命题，则使用加权组合法进行概率转换。本发明提供一种证据理论中基于可分配确定度的概率转换方法，准确度更高，而且适用范围广泛。
-
公开(公告)号：CN109916407B
公开(公告)日：2023-03-31
申请号：CN201910108561.6
申请日：2019-02-03
申请人： 河南科技大学
摘要： 基于自适应卡尔曼滤波器的室内移动机器人组合定位方法，包括：S1、构建室内机器人的惯导运动学模型和超宽带量测模型，并且初始化自适应卡尔曼滤波器；S2、基于惯导运动学模型和超宽带量测模型生成组合量测方程，并且利用组合量测方程对室内机器人的状态进行量测，得到量测值；S3、对量测值中的野值进行处理，得到修正值；S4、使用自适应估计算法估计修正值的噪声协方差；S5、将噪协方差代入到自适应卡尔曼滤波器中对量测值进行更新，得到优化值。本发明提供一种基于自适应卡尔曼滤波器的室内移动机器人组合定位方法，具有高定位精度和高鲁棒性。
-
公开(公告)号：CN110992396A
公开(公告)日：2020-04-10
申请号：CN201910994688.2
申请日：2019-10-18
申请人： 河南科技大学
摘要： 一种基于K-means++聚类算法的多扩展目标跟踪方法，包括：S1、建立多扩展目标的动力学模型和量测模型；S2、初始化ET-GM-PHD滤波器以建立新生扩展目标强度函数，并且利用状态转移方程对新生扩展目标强度函数中的高斯混合项进行预测；S3、利用量测模型对K-means++聚类算法进行初次改进，得到改进聚类算法；S4、获取多扩展目标的UWB量测数据，并且利用改进聚类算法对UWB量测数据进行聚类，若聚类得到的子集中包含的扩展目标数量不为1则再次对改进聚类算法进行改进；S5、根据聚类的结果对预测的高斯混合项进行更新和计算；S6、对高斯混合项进行删除或者合并；S7、状态提取，并且返回S2。本发明在保证跟踪效果的同时提高了运行速度。
-
公开(公告)号：CN109977763B
公开(公告)日：2022-10-04
申请号：CN201910108544.2
申请日：2019-02-03
申请人： 河南科技大学
摘要： 一种基于改进证据信任度的空中小目标识别方法，包括：S1、识别装置通过多个传感器对空中小目标进行探测，获取探测数据；S2、识别装置根据探测数据提取若干个证据；S3、识别装置利用Jousselme证据距离描述所有证据之间的证据冲突，得到冲突度；S4、识别装置基于冲突度将所有证据均转化为加权均值证据；S5、识别装置计算每个证据与其对应的加权均值证据的自适应相似度；S6、识别装置将每个证据的自适应相似度转化为层间信任度，并且将层间信任度作为证据的权重；S7、识别装置根据证据的权重将证据转化为修正证据；S8、识别装置基于D‑S证据理论对所有修正证据进行融合从而识别空中小目标。
-
公开(公告)号：CN109977763A
公开(公告)日：2019-07-05
申请号：CN201910108544.2
申请日：2019-02-03
申请人： 河南科技大学
摘要： 一种基于改进证据信任度的空中小目标识别方法，包括：S1、识别装置通过多个传感器对空中小目标进行探测，获取探测数据；S2、识别装置根据探测数据提取若干个证据；S3、识别装置利用Jousselme证据距离描述所有证据之间的证据冲突，得到冲突度；S4、识别装置基于冲突度将所有证据均转化为加权均值证据；S5、识别装置计算每个证据与其对应的加权均值证据的自适应相似度；S6、识别装置将每个证据的自适应相似度转化为层间信任度，并且将层间信任度作为证据的权重；S7、识别装置根据证据的权重将证据转化为修正证据；S8、识别装置基于D‑S证据理论对所有修正证据进行融合从而识别空中小目标。
-
公开(公告)号：CN109916407A
公开(公告)日：2019-06-21
申请号：CN201910108561.6
申请日：2019-02-03
申请人： 河南科技大学
摘要： 基于自适应卡尔曼滤波器的室内移动机器人组合定位方法，包括：S1、构建室内机器人的惯导运动学模型和超宽带量测模型，并且初始化自适应卡尔曼滤波器；S2、基于惯导运动学模型和超宽带量测模型生成组合量测方程，并且利用组合量测方程对室内机器人的状态进行量测，得到量测值；S3、对量测值中的野值进行处理，得到修正值；S4、使用自适应估计算法估计修正值的噪声协方差；S5、将噪协方差代入到自适应卡尔曼滤波器中对量测值进行更新，得到优化值。本发明提供一种基于自适应卡尔曼滤波器的室内移动机器人组合定位方法，具有高定位精度和高鲁棒性。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.022 秒)
