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

网络化无序量测融合方法综述

自动化与仪器仪表 2010年第4期 134-137,146页

作者：王洵任鹏葛泉波杭州电子科技大学杭州浙江310018 河南工程学院数理系郑州河南451191

传感器网络环境下的融合系统在进行信息采集、传输和处理的过程中,将不可避免的受到网络约束,如节点信息的相关性,信息传输的延迟无序性等。延迟的随机性必然使得有序采样的信息到达融合中心时呈现无序的现象,而信息的无序将导致传统基... 详细信息

传感器网络环境下的融合系统在进行信息采集、传输和处理的过程中,将不可避免的受到网络约束,如节点信息的相关性,信息传输的延迟无序性等。延迟的随机性必然使得有序采样的信息到达融合中心时呈现无序的现象,而信息的无序将导致传统基于有序到达的Kalman滤波算法无法直接有效的应用于无序信息系统。然而,现有的基于传统Kalman滤波框架下的无序量测更新算法的研究复杂性相当高,其推导过程和最后的算法公式也都比较复杂,所以,开展新型框架下的融合算法显得非常迫切,也是当前亟待解决的问题。本文较详细的介绍了当前国内外网络环境下无序量测融合算法的研究现状以及存在的问题,并在此基础上提出了进一步研究的方向以及未来的发展趋势。

关键词：传感器网络传输延迟无序量测 Kalman滤波

在线全文

学校读者我要写书评

暂无评论

多平台传感器跟踪系统无序量测滤波器设计

科技视界 2013年第12期 33-34页

作者：张举中国电子科技集团公司第二十研究所陕西西安710068

目标跟踪技术扩展到多平台传感器时,因为不同类型的传感器具有不同的采样率、预处理时间以及数据通信延迟,导致出现多个传感器量测无序到达融合中心的现象。无序量测带来负时间量测更新问题。本文采用直接更新法进行滤波,即应用无序量... 详细信息

目标跟踪技术扩展到多平台传感器时,因为不同类型的传感器具有不同的采样率、预处理时间以及数据通信延迟,导致出现多个传感器量测无序到达融合中心的现象。无序量测带来负时间量测更新问题。本文采用直接更新法进行滤波,即应用无序量测值更新当前时刻的状态估计,使其达到或逼近量测顺序处理时的滤波精度,通过简单算例验证了该方法的有效性。

关键词：无序量测数据延时负时间更新算法

在线全文

学校读者我要写书评

暂无评论

异步多传感器网络的无序量测融合

异步多传感器网络的无序量测融合

多目标无序量测OOSM-GMPHD滤波算法

2009中国控制与决策会议

作者：葛泉波王洵管冰蕾杭州电子科技大学信息与控制研究所宁波工程学院电信学院

在无线传感器网络融合系统中,不同的传感器采样速率和随机传输延迟易导致有序采样且有序传输的量测无序地到达融合中心,即"无序量测"（"Out-Of-Sequence"Measurements,OOSM）问题.现有的无序量测融合研究大都针对特殊的异步采样无序系统... 详细信息

在无线传感器网络融合系统中,不同的传感器采样速率和随机传输延迟易导致有序采样且有序传输的量测无序地到达融合中心,即"无序量测"（"Out-Of-Sequence"Measurements,OOSM）问题.现有的无序量测融合研究大都针对特殊的异步采样无序系统,不仅不能很好地处理周期内多OOSMs情形,而且算法的通用性也较差.针对上述问题,本文以一类一般性异步无序量测多传感器系统为对象,基于等价量测的异步系统同步化和正交投影技术,建立了集中式扩维OOSM融合算法.理论分析和仿真实验表明该算法不仅能有效地处理任意异步无序量测的多传感器系统的融合问题,而且对于特定的系统其集中式扩维方法的估计精度要优于现有的OOSM算法.

关键词：信息融合异步采样无序量测等价量测正交投影

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

传感器与微系统 2017年第11期36卷 154-157,160页

作者：赵凯胡建旺吉兵刘钢军械工程学院信息工程系 71697部队

针对无序量测条件下多目标跟踪问题,提出了一种适用于线性系统的单步滞后无序量测滤波算法(OOSM-GMPHD)。在前向预测框架内,以高斯混合概率假设密度(GMPHD)滤波器为基础滤波算法,对每一高斯分量分别用延迟到达的量测与等价量测进行预测... 详细信息

针对无序量测条件下多目标跟踪问题,提出了一种适用于线性系统的单步滞后无序量测滤波算法(OOSM-GMPHD)。在前向预测框架内,以高斯混合概率假设密度(GMPHD)滤波器为基础滤波算法,对每一高斯分量分别用延迟到达的量测与等价量测进行预测、更新,经剪枝与合并等步骤获得最终的目标数量与状态估计。仿真结果表明:算法可有效消除无序量测的影响,准确估计多目标数目和状态。

关键词：多目标跟踪无序量测单步滞后高斯混合前向预测

多传感器网络系统基于无序估计的分布式信息融合

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2010年第7期32卷 1614-1620页

作者：葛泉波文成林杭州电子科技大学自动化学院杭州310018

无线传感器网络的局部节点往融合中心传输信息时,不确定的随机延迟易使得信息无序现象频繁发生,从而导致传统信息融合方法的应用面临诸多难题和挑战。该文以带有任意随机延迟的多传感器同步采样系统为对象,研究无序估计("Out-Of-Sequenc... 详细信息

无线传感器网络的局部节点往融合中心传输信息时,不确定的随机延迟易使得信息无序现象频繁发生,从而导致传统信息融合方法的应用面临诸多难题和挑战。该文以带有任意随机延迟的多传感器同步采样系统为对象,研究无序估计("Out-Of-Sequence"Estimate,OOSE)信息系统的最优分布式融合问题,最终建立一种新型的通用最优OOSE融合算法。与现有基于集中式框架的无序量测融合方法相比,新算法在融合精度和算法复杂度上均具有显著优势。算法分析和计算机仿真验证了新算法的有效性和优越性。

关键词：数据融合传感器网络延迟无序量测无序估计

在线全文

学校读者我要写书评

暂无评论

后向预测高斯混合概率假设密度滤波算法

探测与控制学报 2017年第3期39卷 118-123页

作者：赵凯胡建旺吉兵解放军军械工程学院河北石家庄050003

针对单步延迟无序量测条件下多目标跟踪中,概率假设密度滤波对目标数量与状态估计误差偏大问题,提出了后向预测高斯混合概率假设密度滤波算法(BP-GMPHD)。该算法在后向预测框架内,以高斯混合概率假设密度滤波器为基础滤波算法,计算各高... 详细信息

针对单步延迟无序量测条件下多目标跟踪中,概率假设密度滤波对目标数量与状态估计误差偏大问题,提出了后向预测高斯混合概率假设密度滤波算法(BP-GMPHD)。该算法在后向预测框架内,以高斯混合概率假设密度滤波器为基础滤波算法,计算各高斯分量的回溯状态并进行再更新,经剪枝与合并等步骤获得最终的目标数量与状态估计。仿真验证表明,该算法在无序量测条件下保持了良好的滤波性能,能够准确估计多目标数目和状态。

关键词：多目标跟踪无序量测单步延迟高斯混合后向预测

SINS/SAR组合导航系统中量测滞后补偿方法研究

在线全文

学校读者我要写书评

暂无评论

测控技术 2014年第6期33卷 20-23,25页

作者：崔曼曼刘思伟高社生西北工业大学自动化学院陕西西安710072 总参测绘研究所陕西西安710072

针对捷联惯导(SINS)/合成孔径雷达(SAR)组合导航系统中,图像匹配耗时所造成的量测输出延迟问题,提出一种补偿量测滞后的无序量测算法。该算法首先求出滞后时刻到当前时刻的等效量测量,然后,计算追溯状态向量以及与追溯状态向量有关的协... 详细信息

针对捷联惯导(SINS)/合成孔径雷达(SAR)组合导航系统中,图像匹配耗时所造成的量测输出延迟问题,提出一种补偿量测滞后的无序量测算法。该算法首先求出滞后时刻到当前时刻的等效量测量,然后,计算追溯状态向量以及与追溯状态向量有关的协方差,对当前时刻的状态估计量进行更新,得到系统状态量的准确估计值,修正捷联惯导系统相应的状态量。将提出的滤波算法应用于SINS/SAR组合导航系统中进行仿真计算,并与不考虑量测滞后的标准卡尔曼滤波比较,结果表明,提出的新算法能够有效补偿量测的输出滞后,提高导航系统的解算精度。

关键词： SINS SAR组合导航图像匹配无序量测量测滞后

在线全文

学校读者我要写书评

暂无评论

可处理任意步延迟OOSMs的最优更新算法

电光与控制 2017年第5期24卷 48-51,81页

作者：赵凯胡建旺吉兵军械工程学院信息工程系石家庄050003

在目标跟踪系统中,因通信延迟会出现传感器量测无序到达融合中心的现象,从而产生无序量测问题。而在系统实际工作过程中,面临的常常是多个无序量测问题。针对此问题,对其常见情形进行分类,在前向预测框架内提出了Dl算法。该算法对无序... 详细信息

在目标跟踪系统中,因通信延迟会出现传感器量测无序到达融合中心的现象,从而产生无序量测问题。而在系统实际工作过程中,面临的常常是多个无序量测问题。针对此问题,对其常见情形进行分类,在前向预测框架内提出了Dl算法。该算法对无序量测融合周期内各时刻状态估计与协方差矩阵进行更新,可处理任意步延迟无序量测。此外,针对其中单个无序量测,推导出融入等价量测的信息滤波器,无需求状态转移矩阵的逆,且不依赖过程噪声离散化模型。仿真结果验证了算法的精确性与有效性。

关键词：目标跟踪系统无序量测前向预测任意步延迟等价量测

在线全文

学校读者我要写书评

暂无评论

具有传输与带宽约束的网络数据融合算法研究

具有传输与带宽约束的网络数据融合算法研究

作者：徐廷梁杭州电子科技大学

学位级别：硕士

随着计算机技术、通信技术、多传感器等技术以及“物联网”的快速发展,网络信息融合技术得到了很大的改进和提高,并被广泛应用于军事和民用领域。同时,网络系统的大型化、复杂化和功能多样化使得网络信息融合技术必将面临着诸多新的问... 详细信息

随着计算机技术、通信技术、多传感器等技术以及“物联网”的快速发展,网络信息融合技术得到了很大的改进和提高,并被广泛应用于军事和民用领域。同时,网络系统的大型化、复杂化和功能多样化使得网络信息融合技术必将面临着诸多新的问题和挑战,因此,开展网络化信息融合理论与方法的研究具有非常重要的理论意义和应用前景。在融合系统中引入有线/无线网络进行数据采集、传输和处理时,将不可避免地遭遇因网络而引起的诸多因素的影响与限制,如信息传输的延迟无序性、网络带宽有限,以及节点测量数据之间的噪声相关性等。因此,解决上述约束条件下的网络融合算法设计已成为传感器信息融合领域研究的热点和难点。针对上述问题,本文致力于研究具有传感器网络数据随机延迟(或无序到达)和带宽有限约束下数据融合算法设计,其主要贡献和创新点如下:(1)以线性时不变或参数预先给定的多传感器目标跟踪系统为对象,利用该类系统的矩阵参数离线计算特性和最优Kalman滤波状态估计的测量值加权求和本质特性,建立一种基于测量值求和的新型多传感器数据融合算法,从而为建立新型计算有效的多传感器同步融合问题提供一个新的思路。(2)多传感器系统的通用时滞Kalman滤波融合算法研究。以多传感器任意随机延迟系统为对象,结合前述建立的测量值加权Kalman滤波融合方法,并利用测量值一步预测估计以及量测新息补偿相结合模式,首先给出两传感器系统的时滞融合算法,而后给出一般通用性的多传感器最优时滞Kalman滤波融合方法。(3)针对一类带宽有限的网络数据融合系统,通过量化测量值建立适用于一般矢量系统的量化方法。然后,引入强跟踪滤波器来处理量化模型不准确的情况,减少估计误差,提高目标跟踪精度。最后,还讨论了不同量化区间和不同带宽比特条件下对滤波器的整体影响。

关键词：信息融合传感器网络无序量测带宽约束