CALIS IR
English   中文  

| Receive email updates | My CALIS IR | Edit Profile |

   Search

 

Communities& Collections | Browse by Issue Date | Browse by Author | Browse byTitle | Browse by Subject

Refine Results



   Search Results

  Search Use 10 ms        
 
基于蚁群算法的目标量测数据关联
作者: 张珂磬, 黄敬雄, 谢维信, 康莉 主题: 蚁群算法, 数据关联, 扩展卡尔曼滤波 年份: 2012
摘要: 本文提出了基于蚁群算法的多目标量测数据关联方法。该方法首先针对目标与量测之间的距离信息和方位信息,将蚁群算法中单纯求路径最短,替换为两者间距离以及方位的变化量的加权和,然后利用蚁群算法的内在机制,确定目标航迹和量测的正确关联。最后,我们采用扩展卡尔曼滤波进行状态估计,验证关联正确性。从实验结果看,考虑方位信息的蚁群算法较不考虑方位信息的蚁群算法能获得更高的正确关联率,且运行时间较短。
SIS框架下基于蚁群算法的数据关联方法
作者: 康莉, 谢维信, 黄敬雄, 张珂磬 主题: SIS, 蚁群算法, 跟踪, 数据关联 年份: 2012
摘要: 提出一种新的多目标跟踪方法。鉴于蚁群算法解决复杂问题的优势,对其进行适当修改后,用于解决多目标跟踪中的数据关联问题,并且采用sis(sequential importance sampling,序贯重要性采样)对目标进行跟踪。实验对二维平面中的多个目标进行了仿真,结果表明,将基于sis框架和蚁群算法实现多目标的跟踪是行之有效的。
顾及目标运动多信息特征的蚁群数据关联方法
作者: 康莉, 谢维信, 黄建军 主题: 蚁群算法, 数据关联, 目标跟踪 年份: 2011
摘要: 针对多目标跟踪的数据关联问题,提出一种将目标运动信息多特征进行融合的蚁群数据关联方法。首先,根据数据关联的具体问题,重新定义了蚁群数据关联方法中路径与路径长度两个概念。其次,考虑目标运动过程中的多种信息特征,即距离信息、方向信息以及灰度信息,将这三种信息特征有机融合,共同作为数据关联标准实现多目标的蚁群数据关联。在多目标跟踪实验中,论文采用ekf滤波方法对目标运动状态进行估计。仿真实验对两个目标交叉运动的情况进行了跟踪估计。实验结果表明,考虑多信息特征后的基于蚁群数据关联的方法在计算量相当的情况下,能较未考虑方向信息以及灰度信息的蚁群数据关联方法获得更高的正确关联率,算法的综合性能优于现有的数据关联方法。
被动传感器阵列中基于视线距离的数据关联
作者: 李良群, 谢维信, 黄敬雄, 郝润泽 主题: 被动传感器阵列, 数据关联, 视线距离 年份: 2009
摘要: 针对低检测概率环境下被动传感器阵列中的数据关联问题,提出了一种基于视线距离的数据关联新算法。首先详细分析了传统基于视线距离数据关联方法的不足,提出各个观测站对于同一个目标的平均视线距离应最小。同时,认为同一个目标只要被超过2/3的传感器所观测,此关联组合就有效。最后,利用关联组合的平均视线距离和有效传感器个数来设计模糊隶属度函数,以模糊关联隶属度最大为关联准则构建数据关联算法,给出了算法流程。实验结果表明,在检测概率不为1、误差较大的多目标环境下,提出的算法要明显优于传统方法。
被动传感器网基于模糊综合贴近度的航迹起始
作者: 刘宗香, 谢维信, 黄敬雄, 杨烜 主题: 数据融合, 数据关联, 被动传感器, 航迹起始, 模糊集 年份: 2007
摘要: 提出了适用于被动传感器网数据关联的模糊数学模型,定义了模糊综合贴近度,基于模糊综合贴近度提出了模糊航迹起始算法.研究了最速下降法中搜索起始点选取、候选目标初始状态估计、目标检测、多义性处理等问题.模糊航迹起始算法的优点是不必已知杂波特性及目标探测概率.仿真实验结果表明,该算法能有效实现航迹起始.
一种基于蚁群算法的多目标跟踪数据关联方法
作者: 康莉, 谢维信, 黄敬雄 主题: 目标跟踪, 数据关联, 蚁群算法, 信息素 年份: 2008
摘要: 针对多目标跟踪问题,提出基于蚁群算法的数据关联方法.首先将多目标跟踪问题描述为组合优化问题.利用蚁群算法解决组合优化问题的优势,在对其路径和路径长度概念重新定义的基础上,将其应用于选择多目标跟踪中的轨迹-观测关联集合.详细介绍了蚁群算法应用于数据关联问题的具体方法,建立了基于蚁群算法的数据关联模型.实验结果表明,论文提出的基于蚁群算法的数据关联方法是行之有效的.
基于蚁群算法的多目标跟踪方法
作者: 康莉, 谢维信, 黄敬雄 主题: 目标跟踪, 数据关联, 蚁群算法, 信息素 年份: 2008
摘要: 提出了一种新的基于蚁群算法的多目标跟踪方法。方法采用蚁群算法实现多目标跟踪中的数据关联,首先将多目标跟踪中的数据关联问题表示为具有约束条件的优化问题,用蚁群算法对该优化问题求解,得到的解即为最优关联。为验证该算法的有效性,在两种状态估计方法ekf(extended kalman filter)和sis(sequential im-portance sampling)的基础上进行了多目标跟踪实验,并且与传统的nn(nearest neighbor)方法进行了比较。在与sis框架结合时,算法中采样粒子包括状态矢量和关联矢量,状态矢量通过序贯重要性重采样获得,关联矢量通过蚁群算法求得。实验结果表明,将蚁群算法融合进sis算法进行多目标跟踪是有效的。
模糊观测数据的关联和目标跟踪
作者: 刘宗香, 谢维信, 黄敬雄 主题: 数据融合, 数据关联, 目标跟踪, 模糊集 年份: 2005
摘要: 本文针对侦察预警网中观测数据具有不确定性和模糊性的特点,提出了一种数据关联和目标跟踪的方法。该方法采用模糊逻辑推理进行数据关联,加权最小二乘滤波器进行目标跟踪。文中给出了观测数据的模糊集合定义,推导出关联判断隶属度。仿真实验表明,对于模糊观测数据,本文的方法仍能有效地进行数据关联和目标跟踪。
被动传感器系统分层快速关联算法
作者: 刘宗香, 谢维信, 杨? 主题: 数据关联, 视线测量, 被动传感器 年份: 2004
摘要: 被动传感器系统的核心问题是测量数据关联问题 .在被动传感器系统中 ,多维分配算法是一种有效的关联算法 ,但多维分配本身是一个np hard问题并且建立候选分配树需耗费大量时间 .为解决被动传感器系统中测量数据快速关联问题 ,本文提出了分层快速关联算法 .该算法通过统计量检验减少候选关联 ,分层搜索寻找正确关联 .仿真实验结果表明 ,分层快速关联算法是一种有效的关联算法 ,正确关联率高于拉格朗日松驰算法
分布式网状被动传感器系统量测数据关联
作者: 刘宗香, 谢维信, 杨? 主题: 数据融合, 数据关联, 统计量检验, 被动传感器 年份: 2004
摘要: 为解决漏检、虚警、监视区目标数量未知情况下被动传感器系统量测数据关联问题提出了统计量检验及关联度极大寻优关联算法。该算法首先采用统计量检验删除不可能的候选关联,减小候选关联集,然后按关联度分层搜索得到正确关联。构建了检验统计量并给出了算法的实现步骤。仿真实验验证了关联算法的可行性。
  • 返回 11 个结果  
  • 1
  • 2

 

Copyright © 2001-2012  CALIS (Developed Based on CALIS IR Software) - Feedback Number of User on Line: 100     Total of Site Visit: 6609961