-
公开(公告)号：CN106033120B
公开(公告)日：2018-04-06
申请号：CN201610494570.X
申请日：2016-06-29
申请人： 电子科技大学
摘要： 本发明公开了一种多站雷达异步多帧联合检测方法，属于雷达目标检测领域。在每个时刻，本发明利用雷达组网中多个雷达站点提供的多帧异步回波数据计算联合广义对数似然比，然后通过求解最优化问题找到一组使联合似然比最大的状态序列作为目标航迹的估计。另外，本发明结合了维特比算法，能够快速高效地实现该最优化求解问题，在保证算法检测实时性的同时，提高系统微弱目标的检测概率，改善雷达系统的探测性能。
-
-
公开(公告)号：CN106054172A
公开(公告)日：2016-10-26
申请号：CN201610502538.1
申请日：2016-06-30
申请人： 电子科技大学
CPC分类号： G01S13/726 , G01S7/42
摘要： 该发明公开了一种随机集理论下的分布式多传感器融合方法，属于多传感器融合领域。首先，通过去除标号，将广义标号多目标伯努利分布转化为广义多目标伯努利分布，然后通过匹配广义多目标伯努利分布的概率假设密度和基数分布信息，对其进行二阶近似，最后假设目标状态之间是分离的，对求和项的分数阶指数次幂进行化简，使得二阶近似的广义多目标伯努利分布的分布式融合成为可能，并建立传感器间航迹关系映射集合。该方法具近似代价小、近似程度高、鲁棒性强、可以在多传感器网络中实现广义标号多目标伯努利融合等特点，有效的解决了在实际应用中常出现的标号空间不匹配现象，实现了在复杂场景下的分布式多传感器融合。
-
公开(公告)号：CN106199584B
公开(公告)日：2018-12-18
申请号：CN201610519551.8
申请日：2016-07-05
申请人： 电子科技大学
摘要： 本文公开了一种基于历史量测信息的航迹起始方法。该算法针对窄发多收边扫描边跟踪雷达系统和被动跟踪系统在实际场景中的目标跟踪。现有的跟踪算法大都假设目标能够被连续观测到且不同目标的量测信息同步，本发明特点：考虑了边扫描边跟踪雷达系统中目标被观测到的时间间隔不定的情况，充分利用历史量测信息，具有更快的航迹起始速度和成功跟踪概率；本发明同时还可以解决集中式跟踪系统和被动跟踪系统中多传感器异步通信时航迹起始的问题。优点：充分利用了历史信息，实现简单，成功跟踪概率更高；有效解决了属于不同目标的量测信息异步时的航迹起始问题。
-
公开(公告)号：CN106405510A
公开(公告)日：2017-02-15
申请号：CN201610801724.5
申请日：2016-09-05
申请人： 电子科技大学
CPC分类号： G01S7/2927 , G01S7/354 , G01S7/415 , G01S13/58 , G01S13/726
摘要： 本发明提供一种基于伪滑窗的航迹删除方法，考虑了在窄波束边扫描变跟踪雷达跟踪系统中，不同目标被观测到的时间间隔不同的情况，跟踪的同时根据雷达波束扫描规律实时判定目标是否被雷达回波照射，雷达实时跟踪情况将滑窗区分为有效和伪滑窗，对航迹进行管理的时候剔除掉伪滑窗，以忽略雷达照射不到目标所在区域时其对航迹删除决策的影响，若航迹在连续L个有效的滑窗内没关联到量测，则认为该航迹为虚假航迹并删除。由于航迹删除过程中，将划窗划分为有效和伪滑窗，只关注有效滑窗，这种方法称为伪滑窗L准则。本发明在跟踪的同时，根据雷达波束的实时监控区域，对滑窗动态调整，并据此对航迹做出合理的判决。
-
公开(公告)号：CN106199581A
公开(公告)日：2016-12-07
申请号：CN201610516979.7
申请日：2016-06-30
申请人： 电子科技大学
IPC分类号： G01S13/66
CPC分类号： G01S13/66
摘要： 本发明公开了一种基于随机集理论的多机动目标跟踪方法，它的特点是首先，对多目标状态空间进行増广，在原始动力学信息的基础上，增加模型维，从而实现对目标模型信息的表征；然后，基于跳跃马尔科夫系统，对状态转移函数和似然函数进行増广使其含有模型信息；最后，实现増广后的多模型广义标号多目标伯努利滤波器的预测和更新过程，并提取目标状态和估计目标运动模型，从而解决对机动多目标的跟踪问题。该方法具有鲁棒性强、适应性广、估计精度高的特点，可有效的解决在实际应用中常出现的多目标机动性强且不一致的问题，实现了在复杂场景下的机动多目标跟踪以及估计目标运动模型。
-
公开(公告)号：CN107273692B
公开(公告)日：2020-06-09
申请号：CN201710472451.9
申请日：2017-06-21
申请人： 电子科技大学
IPC分类号： G06F17/10
摘要： 本发明公开一种传感器感知能力受限的随机集理论的分布式融合方法，应用于传感器技术领域；首先，对每部传感器的概率假设密度跟踪采用混合高斯模型进行表示；然后，在融合之前执行以下过程：构造一个距离矩阵，然后对该距离矩阵进行行和列搜索，若存在某一行或列的元素的最小值大于预设门限，则认为该目标只被部分传感器感知到，将该目标状态作为融合结果；搜索结束之后，删除行搜索时满足门限条件的元素所在的行以及列搜索时满足门限条件的元素所在的列，将剩余的矩阵元素记为新的距离矩阵；最后，对新的距离矩阵中的元素采取修正融合权重的GCI融合准则进行融合处理；比未修正的GCI融合过程有较小的估计误差。
-
公开(公告)号：CN106896352B
公开(公告)日：2020-01-10
申请号：CN201710248595.6
申请日：2017-04-17
申请人： 电子科技大学
摘要： 本发明公开了一种基于随机集理论的多雷达异步数据分布式融合方法，解决了在随机集融合理论框架下的多部雷达接收数据不同步时的目标跟踪融合问题。它的特点是在融合之前选取固定的融合节点，首先分别对多部雷达检测到的数据建立高斯混合模型，并进行GM‑PHD跟踪滤波，然后在设定的融合区间内分别选取GM‑PHD跟踪后离融合节点最近的概率假设密度，最后利用广义协方差交叉算法进行融合处理，它有效解决了在实际应用中多部雷达对同一检测区域多目标接收数据的不同步而造成目标融合失配跟踪性能差的问题，从而实现了对任意多部雷达的接收数据不同步的跟踪融合处理。
-
公开(公告)号：CN106054172B
公开(公告)日：2018-06-19
申请号：CN201610502538.1
申请日：2016-06-30
申请人： 电子科技大学
摘要： 该发明公开了一种随机集理论下的分布式多传感器融合方法，属于多传感器融合领域。首先，通过去除标号，将广义标号多目标伯努利分布转化为广义多目标伯努利分布，然后通过匹配广义多目标伯努利分布的概率假设密度和基数分布信息，对其进行二阶近似，最后假设目标状态之间是分离的，对求和项的分数阶指数次幂进行化简，使得二阶近似的广义多目标伯努利分布的分布式融合成为可能，并建立传感器间航迹关系映射集合。该方法具近似代价小、近似程度高、鲁棒性强、可以在多传感器网络中实现广义标号多目标伯努利融合等特点，有效的解决了在实际应用中常出现的标号空间不匹配现象，实现了在复杂场景下的分布式多传感器融合。
-
公开(公告)号：CN107273692A
公开(公告)日：2017-10-20
申请号：CN201710472451.9
申请日：2017-06-21
申请人： 电子科技大学
IPC分类号： G06F19/00
摘要： 本发明公开一种传感器感知能力受限的随机集理论的分布式融合方法，应用于传感器技术领域；首先，对每部传感器的概率假设密度跟踪采用混合高斯模型进行表示；然后，在融合之前执行以下过程：构造一个距离矩阵，然后对该距离矩阵进行行和列搜索，若存在某一行或列的元素的最小值大于预设门限，则认为该目标只被部分传感器感知到，将该目标状态作为融合结果；搜索结束之后，删除行搜索时满足门限条件的元素所在的行以及列搜索时满足门限条件的元素所在的列，将剩余的矩阵元素记为新的距离矩阵；最后，对新的距离矩阵中的元素采取修正融合权重的GCI融合准则进行融合处理；比未修正的GCI融合过程有较小的估计误差。
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.039 秒)