检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

不确定无序量测系统的最优网络化状态估计

电子学报 2011年第A3期39卷 7-13页

作者：葛泉波冯肖亮徐廷梁杭州电子科技大学信息与控制研究所浙江杭州310018 浙江大学工业控制技术国家重点实验室浙江杭州310027 河海大学计算机与信息工程学院江苏南京210098

本文以线性时不变或系统参数预先确定的单传感器系统为对象,研究带有不确定随机无序量测约束下的最优网络化估计问题.基于线性时不变或参数预先确定系统的滤波器系数矩阵离线计算和线性最小方差估计的线性加权求和特性,首先介绍传统Kal... 详细信息

本文以线性时不变或系统参数预先确定的单传感器系统为对象,研究带有不确定随机无序量测约束下的最优网络化估计问题.基于线性时不变或参数预先确定系统的滤波器系数矩阵离线计算和线性最小方差估计的线性加权求和特性,首先介绍传统Kalman滤波的等价测量值加权求和形式.然后,以该测量值加权求和滤波器为基础,结合布尔二值开关和无序量测直接求和补偿技术,针对两种典型无序量测跟踪系统分别设计全局最优网络化Kalman滤波器.最后,四个仿真例子验证了本文算法的有效性和优越性.

关键词：线性时不变系统不确定延迟无序量测线性最小均方误差估计 Kalman滤波

在线全文

学校读者我要写书评

暂无评论

一种最佳多延迟无序量测处理算法

系统工程与电子技术 2009年第11期31卷 2592-2596页

作者：王炜黄心汉王公宝华中科技大学控制科学与工程系湖北武汉430074 海军工程大学理学院湖北武汉430033

针对集中式多传感器目标跟踪系统存在的无序量测处理问题,基于最优线性固定点平滑思想,提出了一种新的最佳多延迟无序量测处理算法。通过理论分析和仿真试验表明,新提出的W1算法与现有的多步延迟无序量测处理算法M1及Z1一样,都是最佳的。

关键词：状态估计无序量测固定点平滑器多延迟无序量测滤波数据融合

在线全文

学校读者我要写书评

暂无评论

一种新的无序量测处理算法

电子与信息学报 2009年第8期31卷 1996-2000页

作者：王炜黄心汉徐忠昌彭刚华中科技大学控制科学与工程系武汉430074 海军工程大学理学院武汉430033

在中心式多传感器目标跟踪系统中,当从不同的传感器发送量测到处理中心时,会出现不同的时间延迟。这导致源自同样目标的量测会出现无序到达中心的现象,由此产生无序量测处理问题。该文受分布式/航迹融合理论中"中心式估计的重构"思想启... 详细信息

在中心式多传感器目标跟踪系统中,当从不同的传感器发送量测到处理中心时,会出现不同的时间延迟。这导致源自同样目标的量测会出现无序到达中心的现象,由此产生无序量测处理问题。该文受分布式/航迹融合理论中"中心式估计的重构"思想启发,通过组合前向预测与等价量测方法,提出一种新的处理无序量测的方法,该方法涉及到状态估计的去相关问题。最后通过理论分析和仿真试验表明:该算法对于一步延迟是最优的,且当过程噪声很小,系统航迹的更新速率相当高时,该算法表现出的性能下降是很小的。

关键词：目标跟踪无序量测前向预测等价量测

在线全文

学校读者我要写书评

暂无评论

可处理多个无序量测的前向滤波算法

华中科技大学学报（自然科学版） 2012年第7期40卷 11-14页

作者：王炜黄心汉王敏王公宝海军工程大学理学院湖北武汉430033 华中科技大学控制科学与工程系湖北武汉430074

基于等价量测和前向滤波法,推导出一种单个无序量测算法Fl1,并说明了该算法与Al1算法、FPFD算法以及AA1算法之间的等价性.以Fl1算法为基础提出可以处理同时到达融合中心的多个不同单步延迟无序量测的最优算法CZ1.所提新算法的性能不依... 详细信息

基于等价量测和前向滤波法,推导出一种单个无序量测算法Fl1,并说明了该算法与Al1算法、FPFD算法以及AA1算法之间的等价性.以Fl1算法为基础提出可以处理同时到达融合中心的多个不同单步延迟无序量测的最优算法CZ1.所提新算法的性能不依赖过程噪声的离散化模式,且无须对状态转移矩阵求逆.仿真结果表明在过程噪声DCM下CZ1算法与CA1算法的性能是相同的.

关键词：信息融合无序量测等价量测前向预测滤波更新算法

在线全文

学校读者我要写书评

暂无评论

噪声相关的一步滞后无序量测递推融合算法

传感技术学报 2009年第1期22卷 54-66页

作者：葛泉波马国进汤显峰文成林杭州电子科技大学信息与控制研究所杭州310018 杭州电子科技大学电子信息学院杭州310018

因传感器网络特殊的通信方式,以及传感器节点预处理量测的时间也各有不同,常会出现源于同一目标有序的测量数据却经网络传输后无序地到达融合中心的现象,即无序量测问题。加之,现有的相关融合算法大都是在各量测数据间噪声独立情况下建... 详细信息

因传感器网络特殊的通信方式,以及传感器节点预处理量测的时间也各有不同,常会出现源于同一目标有序的测量数据却经网络传输后无序地到达融合中心的现象,即无序量测问题。加之,现有的相关融合算法大都是在各量测数据间噪声独立情况下建立的。为此,针对一个由多个子系统组成的传感器网络无序量测系统;其中假定每个子系统均是由两个分别与融合中心同步与异步且采样率相同的传感器组成;并在考虑各传感器测量噪声相关条件下,利用顺序加权融合技术,在融合中心建立一个能实现对目标状态实时估计且在线性最小均方误差意义下最优的递推加权融合算法。理论分析与计算机仿真表明,与现有方法相比,新算法在适用范围、实时处理能力、存储量和融合估计精度等方面均有显著的优势。

关键词：传感器网络信息融合无序量测相关噪声一步滞后

在线全文

学校读者我要写书评

暂无评论

含无序量测的多传感器信息融合算法研究

传感技术学报 2006年第4期19卷 1310-1312页

作者：张希彬秦超英高蕊天津科技大学理学院天津300222 西北工业大学理学院西安710072

由于通信时间的延迟性,在多传感器系统中常常会出现无序量测情况。为提高估计的精度,系统须对无序量测进行处理,状态更新法是处理无序量测问题的一种有效方法。对于多传感器信息融合问题,给出了一种处理无序量测的状态估计更新算法。仿... 详细信息

由于通信时间的延迟性,在多传感器系统中常常会出现无序量测情况。为提高估计的精度,系统须对无序量测进行处理,状态更新法是处理无序量测问题的一种有效方法。对于多传感器信息融合问题,给出了一种处理无序量测的状态估计更新算法。仿真计算表明该算法能有效的提高融合估计的精度。

关键词：无序量测信息融合状态更新

在线全文

学校读者我要写书评

暂无评论

顺序更新式无序量测处理算法

传感技术学报 2012年第2期25卷 224-228页

作者：黄细凤吴钦章中国科学院光电技术研究所成都610209 中国科学院研究生院北京100049

在集中式多传感器目标跟踪系统中,常出现源自同一目标的量测到达处理中心时的乱序现象,即无序量测问题。本文借鉴等价量测与重新滤波法的思想,提出一种基于等价量测的顺序更新式无序量测处理算法。该算法用等价量测来代替重新滤波法中... 详细信息

在集中式多传感器目标跟踪系统中,常出现源自同一目标的量测到达处理中心时的乱序现象,即无序量测问题。本文借鉴等价量测与重新滤波法的思想,提出一种基于等价量测的顺序更新式无序量测处理算法。该算法用等价量测来代替重新滤波法中需要缓存的量测序列,然后从无序量测处开始用无序量测和等价量测进行顺序更新。通过理论分析和仿真实验证明:该算法在处理一步延迟时是最优的,在处理多步延迟时,接近最优;且该算法有较高的滤波精度和较小的额外存储量。

关键词：数据融合无序量测顺序更新多步延迟等价量测

在线全文

学校读者我要写书评

暂无评论

无序量测下的机动弱目标检测前跟踪

火力与指挥控制 2015年第8期40卷 14-18页

作者：谭顺成王国宏于洪波关成斌海军航空工程学院信息融合技术研究所山东烟台264001

针对无序量测(OOSM)情况下的机动微弱目标检测与跟踪问题,提出一种基于OOSM和多模粒子滤波(OOSM-MMPF)的检测前跟踪(TBD)算法。该算法通过直接利用OOSM对粒子权重进行更新,并在此基础上对粒子集进行重采样,从而实现OOSM情况下的目标状... 详细信息

针对无序量测(OOSM)情况下的机动微弱目标检测与跟踪问题,提出一种基于OOSM和多模粒子滤波(OOSM-MMPF)的检测前跟踪(TBD)算法。该算法通过直接利用OOSM对粒子权重进行更新,并在此基础上对粒子集进行重采样,从而实现OOSM情况下的目标状态更新。由于充分利用了OOSM包含的信息,该算法可以有效提高机动微弱目标的正确检测概率与跟踪精度。仿真结果表明,该算法可以有效处理OOSM问题,实现对机动弱目标的有效检测和跟踪,其算法性能接近顺序量测滤波时的MMPF算法性能。

关键词：无序量测多模粒子滤波检测前跟踪机动弱目标

在线全文

学校读者我要写书评

暂无评论

无序量测下一类高效粒子滤波算法研究

无序量测下一类高效粒子滤波算法研究

作者：郑林垚西安电子科技大学

学位级别：硕士

在多传感器系统中,由于传感器性能差异或者通信网络滞后,往往会导致传感器获得的量测时间戳与该量测实际到达融合中心的时间顺序不一致,较早时刻的量测会在较晚时刻的量测之后到达融合/估计中心,即所谓“无序量测”。进一步地,由于状态... 详细信息

在多传感器系统中,由于传感器性能差异或者通信网络滞后,往往会导致传感器获得的量测时间戳与该量测实际到达融合中心的时间顺序不一致,较早时刻的量测会在较晚时刻的量测之后到达融合/估计中心,即所谓“无序量测”。进一步地,由于状态演化和量测转换的复杂性,实际系统中广泛存在模型非线性甚至非高斯的情况。针对上述无序量测下非线性非高斯动态系统,传统的贝叶斯滤波难以获得解析解,需要通过数值近似的方法实现贝叶斯递推。粒子滤波（Particle Filter,PF）通过大量的权值样本近似后验概率密度函数给出了递推贝叶斯滤波的有效高精度实现。但是,传统的基于序贯重要采样-重抽样（Sequential Importance Sampling-Resampling,SIR）的粒子滤波（SIR-PF）仅从单一的建议分布中采样,在无序量测的情况下,这种单一性的重要性采样函数的设计由于需要考虑不同时刻量测存在的可能性会变得异常复杂,并加剧粒子贫乏的问题。为克服上述问题,本文提出了无序量测下多重重要采样粒子滤波算法,从多个建议分布组成的混合分布中采样,增加了采样粒子的多样性,以改善粒子贫乏的问题。主要工作内容如下:（1）针对无序量测下非线性系统的递推滤波问题,提出了多重重要采样粒子滤波算法。利用确定性混合多重重要采样（Deterministic Mixture Multiple Importance Sampling,DMMIS）,设计了基于正常量测下多重重要采样粒子滤波（DMMIS-PF）算法;进一步地,考虑量测抵达时滞性,提出了无序量测下多重重要采样粒子滤波算法;利用每个粒子构造自身采样分布并通过重组,构成确定性混合多重采样分布以进行权重更新,给出了所提算法的数值近似实现。在量测顺序抵达且过程噪声多模态的目标跟踪场景,所提DMMIS-PF相比于SIR-PF具有更高的估计性能;在单步、多步无序量测下的随机游动模型仿真场景,所提无序量测下DMMIS-PF具有比无序量测下SIR-PF更高的估计精度。（2）针对系统参数多模态下建模为跳变马尔可夫系统的估计问题,考虑量测无序性,提出了多重重要采样下多模型粒子滤波。在多模型框架下,设计了正常量测下多重重要采样的多模型粒子滤波（IMM-DMMIS-PF）;进一步地,结合RTS平滑方法,提出了无序量测下基于多重重要采样的多模型粒子滤波,克服模型切换与量测时滞耦合导致的后验概率多模态引起的重要性采样函数难以设计的问题。在多模型机动目标跟踪场景,所提正常量测下IMM-DMMIS-PF相比于多模型SIR-PF具有更好的估计精度;在过程噪声协方差服从跳变马尔可夫过程的随机游动仿真场景,考虑单步滞后无序量测,所提方法的估计精度优于相应无序量测下多模型SIR-PF。

关键词：无序量测粒子滤波多重重要采样多模型方法