检索结果-南通市图书馆

基于WSN的室内复杂环境自适应目标跟踪的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于WSN的室内复杂环境自适应目标跟踪的研究

作者：陈峘东北大学

学位级别：硕士

无线传感器网络(Wireless Sensor Networks, WSN)是一门融合了多种技术的新兴研究领域,而目标跟踪是其研究中的重要方向之一,被广泛的应用于智能家居、智能交通和环境监测等方面。本文系统介绍了几种滤波算法的原理和优缺点,详细归纳... 详细信息

无线传感器网络(Wireless Sensor Networks, WSN)是一门融合了多种技术的新兴研究领域,而目标跟踪是其研究中的重要方向之一,被广泛的应用于智能家居、智能交通和环境监测等方面。本文系统介绍了几种滤波算法的原理和优缺点,详细归纳了无线传感器网络特有的跟踪策略和评价标准。在此基础之上,针对复杂的室内环境,设计了自适应目标跟踪系统,能够随着环境改变选择参与跟踪的节点并调整跟踪算法中量测方程参数。在室内环境中,由于障碍物较多且分布不均匀,不同的区域环境对无线信号传输的影响也不同,如果只采用固定参数的量测方程,跟踪精度无法得到保障。本次研究使用TI公司的CC2530开发套件,设计了不同环境下基于RSSI路径损耗模型的量测方程参数拟合实验。基于分布在不同环境的传感器节点测得的RSSI值,利用最小二乘法拟合出适用于不同环境下的量测方程参数,并存储在该环境下的跟踪节点上。根据已得到的量测方程参数,设计了基于高斯粒子滤波的自适应目标跟踪实验,在不同的区域选择该区域内的跟踪节点及量测方程参数,采集目标盲节点与跟踪节点之间的RSSI值,并在上位机上采用高斯粒子滤波算法实现了对目标的跟踪。实验结果显示,在室内5m的范围内,基于高斯粒子滤波的自适应目标跟踪系统,可实现对一个移动盲节点的实时跟踪,跟踪精度保持在0.5m范围内。

关键词：自适应目标跟踪室内复杂环境 RSSI 高斯粒子滤波

相控阵及其MIMO模式下的自适应目标跟踪和波束调度研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

相控阵及其MIMO模式下的自适应目标跟踪和波束调度研究

作者：张洁电子科技大学

学位级别：硕士

相控阵雷达与传统机械扫描雷达相比,其波束指向能在微秒间进行捷变。为了使雷达充分发挥系统性能的同时节省雷达系统资源,需要通过自适应目标跟踪与波束驻留调度合理配置雷达的工作参数。本文将针对相控阵雷达的自适应目标跟踪与波束驻... 详细信息

相控阵雷达与传统机械扫描雷达相比,其波束指向能在微秒间进行捷变。为了使雷达充分发挥系统性能的同时节省雷达系统资源,需要通过自适应目标跟踪与波束驻留调度合理配置雷达的工作参数。本文将针对相控阵雷达的自适应目标跟踪与波束驻留调度问题展开研究,在此基础上将相关理论运用至具有MIMO(Multiple Input Multiple output)模式的新体制雷达。首先,介绍了三种滤波算法,分别为:卡尔曼滤波算法,Singer模型滤波算法以及IMM(Interacting Multiple Model)滤波算法。其中,卡尔曼滤波算法适用于非机动目标跟踪,Singer模型与IMM滤波算法适用于机动目标跟踪。仿真表明,Singer模型跟踪误差比较稳定,适用于跟踪机动特性变化较小的目标。IMM算法适用于机动特性变化大的目标的跟踪,且其跟踪精度较高。其次,对相控阵雷达的自适应目标跟踪进行了研究。首先介绍了三种基于IMM滤波的自适应采样周期算法。为提高机动目标采样周期的选取速度,给出了一种基于目标机动参数估计的快速自适应采样周期跟踪方法。在此基础上,提出一种基于采样周期和发射波形联合控制的自适应目标跟踪算法,同时对采样周期与发射波形自适应选择。两种算法都能有效减小雷达的计算资源消耗。接下来,针对相控阵MIMO模式下的自适应目标跟踪,提出了两种MIMO模式下多目标自适应跟踪算法。其中,基于固定分析时刻的MIMO多目标自适应跟踪方法以固定的间隔确定分析时刻,基于可变分析时刻的MIMO多目标自适应跟踪方法根据目标的运动特性,确定可变的分析时刻间隔。两种方法在每个分析时刻都通过建立优化模型并求解,确定最优的雷达工作参数。仿真表明,与相控阵雷达相比,MIMO模式下的自适应目标跟踪可以有效减少雷达系统资源消耗,并有效提高雷达的时间资源利用效率。最后,对相控阵及其MIMO模式下的波束驻留调度展开了研究。其中,充分考虑了目标威胁程度和脉冲交错技术。仿真表明,通过在波束驻留调度算法中添加目标威胁度,有效提高了算法的执行威胁率。

关键词：自适应目标跟踪 MIMO 波束驻留调度算法雷达资源管理

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征点匹配的自适应目标跟踪算法

微型机与应用 2015年第8期34卷 17-19页

作者：刘静寒钟辉中国电子科技集团公司第三十八研究所安徽合肥230031

由于实际场景复杂多变,目标在运动过程中往往会出现形变、遮挡等问题,增加了跟踪的难度。为了解决上述问题,提出一种基于特征点匹配的自适应目标跟踪算法。算法初始化时在选定的目标区域内提取特征点,跟踪过程中通过对前后两帧的特征点... 详细信息

由于实际场景复杂多变,目标在运动过程中往往会出现形变、遮挡等问题,增加了跟踪的难度。为了解决上述问题,提出一种基于特征点匹配的自适应目标跟踪算法。算法初始化时在选定的目标区域内提取特征点,跟踪过程中通过对前后两帧的特征点进行匹配,计算出目标的位置、尺度和旋转变化,进而实现对目标的跟踪。同时通过对特征点的不断更新,可以使算法具有一定的抗遮挡能力。实验表明,该方法在实际应用中效果很好。

关键词：特征点匹配自适应目标跟踪尺度变化旋转

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

频相混合阵列雷达协同目标探测与跟踪

频相混合阵列雷达协同目标探测与跟踪

作者：刘小平电子科技大学

学位级别：硕士

与相控阵(Phased Array,PA)不同,频控阵(Frequency Diverse Array,FDA)通过阵元间添加频偏,使得发射波束拥有探测距离信息的能力。增添的距离维自由度令频控阵在目标距离参数探测、距离相关杂波抑制等方面有较好的应用潜力。本文在频控... 详细信息

与相控阵(Phased Array,PA)不同,频控阵(Frequency Diverse Array,FDA)通过阵元间添加频偏,使得发射波束拥有探测距离信息的能力。增添的距离维自由度令频控阵在目标距离参数探测、距离相关杂波抑制等方面有较好的应用潜力。本文在频控阵的基础上深入研究了频率分集这一概念,在不同的维度将相控阵与频控阵相结合,并对两部分数据进行协同处理,由此产生了空域频相混合阵列、时域频相混合阵列等不同阵列,分别在低复杂度超分辨目标参数估计、低小慢特征目标检测与低小慢目标自适应跟踪等方面提出算法。下列是本文研究内容和主要创新点:(1)空域频相混合阵列的低复杂度超分辨目标参数估计方法:通过对阵列进行频偏划分,将阵列分为相控阵与频控阵部分,借助相控阵部分角度估计值进行频控阵角度-距离解耦合,由此将二维谱估计降维为两步一维估计。此外,还基于线性最小均方误差准则推导了最优的角度加权值,协同处理两部分阵列的估计信息给出最优结果。并对频相混合阵列的克拉美罗界进行了推导,表明了频相混合阵列与最优角度估计的性能优势。(2)时域频相混合阵列低小慢目标检测:针对城市背景下如无人机、漂浮气球等具有低小慢特征的运动目标检测问题,通过对相控阵不同脉冲间添加频偏,形成时域频相混合阵列。本文基于此频相混合阵列提出了一种多普勒补偿的目标检测算法。基于阵列的距离-多普勒耦合特征,利用多普勒补偿将杂波移出目标单元,实现对杂波的抑制。该算法在复杂强杂波环境下可充分利用目标运动带来的多普勒频移,完成对目标的检测。(3)子阵频相混合阵列自适应动目标跟踪:针对低小慢特征目标检测难问题,本文对相控阵子阵间与脉冲间添加频偏,形成子阵分布的空时频相混合阵列。在此阵列基础上,基于扩展卡尔曼滤波提出了一种自适应发射参数优化目标跟踪算法,结合认知雷达思想,在跟踪过程中根据实时数据快照对发射波束权矢量进行更新,从而实现波束对目标的匹配照射,仿真结果表明,该方法的跟踪误差相比正交发射或加性加权发射更低,具有更高的精度。

关键词：频相混合阵列目标参数估计低小慢目标检测自适应目标跟踪

基于ANFIS的自适应机动目标状态估计算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

系统工程与电子技术 2013年第2期35卷 250-255页

作者：徐琰珂梁晓庚贾晓洪中国空空导弹研究院河南洛阳471009 西北工业大学自动化学院陕西西安710072

针对基于当前统计(current statistics,CS)模型的机动目标状态估计算法对机动目标加速度的极限值依赖性大的缺陷,提出了一种利用自适应神经网络-模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)自适应调整目标状态噪声方差... 详细信息

针对基于当前统计(current statistics,CS)模型的机动目标状态估计算法对机动目标加速度的极限值依赖性大的缺陷,提出了一种利用自适应神经网络-模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)自适应调整目标状态噪声方差的方法。首先利用ANFIS算法对目标机动强度进行估计,进而对目标状态噪声协方差矩阵进行自适应调整;然后利用粒子滤波(particle filter,PF)算法对目标状态进行估计。仿真结果表明,与该方法能够有效提高目标状态估计的精度。

关键词：状态估计自适应目标跟踪自适应神经网络-模糊推理系统当前统计模型

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

自然环境下的柑橘目标识别方法研究

自然环境下的柑橘目标识别方法研究

作者：高峰北方工业大学

学位级别：硕士

作为世界上重要的水果生产国,截至2017年我国的柑橘产量已达到3816.78万吨,但水果采摘环境复杂性使得当前水果采摘作业依然以人工采摘为主。随着我国城镇化的快速发展,农业从业人员的大幅下降和劳动力成本的上升使得水果产业面临劳动力... 详细信息

作为世界上重要的水果生产国,截至2017年我国的柑橘产量已达到3816.78万吨,但水果采摘环境复杂性使得当前水果采摘作业依然以人工采摘为主。随着我国城镇化的快速发展,农业从业人员的大幅下降和劳动力成本的上升使得水果产业面临劳动力不足的问题,不利于水果种植行业快速发展。因此,实现水果自动化采摘对于解决水果产业劳动力不足、提高果品的市场竞争力等方面有重要意义。自然环境下的柑橘识别是实现柑橘自动采摘的重要支撑技术。现有的柑橘目标识别算法多数从目标的颜色、纹理和形状等视觉特征入手设计目标识别算法,上述方法在限定的环境条件下取得了较好识别结果。由于自然环境具有复杂、非结构化的特点,目标果实会受到光照变化、亮度不匀、前背景相似、果实及枝叶相互遮挡、阴影覆盖等干扰因素影响,从而使其外观特征随环境的变化而产生较大变化,导致获得覆盖上述环境干扰因素的目标完备特征集较为困难,在多个干扰因素同时出现的情况下,现有算法的果实目标识别效果不理想。深度卷积神经网络业已被证明是一种有效的图像目标特征提取网络,其可从大量训练数据中通过卷积结构提取低层特征,并通过池化结构获得高层特征。通过特征学习方法获得的语义特征对复杂环境具有良好的适应性,为提高复杂环境中的目标识别准确率提供了良好的基础。本文基于深度卷积网络设计了自然采摘环境下的柑橘目标识别算法,识别算法在光照变化、阴影覆盖、着色度变化、枝叶遮挡、果实重叠等不同识别条件下依然具有较高的识别正确率,;同时为保证采摘机器人的采摘末端移动时能够快速的跟踪目标,本文设计了目标尺度自适应KCF跟踪算法以克服目标在图像中尺度变化对跟踪的影响,从而引导机器人采摘末端快速对准柑橘目标。通过综合上述目标识别和目标跟踪方法,实现了自然环境中的柑橘目标识别系统。相较于经典目标识别算法——可变性部件模型(Deformable part model,DPM),本文设计的基于深度卷积网络的目标识别系统在复杂环境下具有良好的目标识别能力。相较于经典的KCF目标跟踪算法,本文设计的目标尺度自适应KCF跟踪算法,在采摘机器人末端移动时,该算法具有良好的目标跟踪能力。本文基于实际采摘现场采集的柑橘目标图像样本构造了符合VOC2007格式的目标数据集,在该数据集上测试本文设计的算法获得良好的识别结果。本文所提出的方法对自然采摘环境具有良好的适应能力,为设计可实际应用的柑橘自动采摘机器人提供了一种可行的目标识别和跟踪的方法。

关键词：自然环境柑橘识别深度卷积神经网络自适应目标跟踪