公共文化服务平台

蔡如华: 作品数：71 被引量：104H指数：5; 供职机构：桂林电子科技大学更多>>; 发文基金：国家自然科学基金广西壮族自治区自然科学基金广西研究生教育创新计划项目更多>>; 相关领域：自动化与计算机技术电子电信理学机械工程更多>>

合作作者

基于箱粒子概率假设密度滤波的弱目标检测与跟踪方法: 本发明公开一种基于箱粒子概率假设密度滤波的弱目标检测与跟踪方法，用箱粒子PHD滤波的方法去处理低信噪比条件下的弱目标，先用均值滤波可以弱化单点尖锐噪声的影响，更能突出目标所在的区域，再根据极大不交叉原则获得目标所在区域作...; 吴孙勇宁巧娇薛秋条蔡如华刘义强孙希延纪元法; 文献传递

太阳电池最大功率点跟踪的三点比较法理论分析被引量：15: 2007年; 通过对太阳能光伏系统伏安特性的分析,在扰动观察法基础上提出"三点比较法"实现最大功率点跟踪(Maximum Power Point Tracking,MPP)。本文采用新的最大功率点(MPP)判别条件,利用常量Vd调整电压的步长ΔV来控制算法的结束,使得在日照强度急剧变化的情况下,系统并不随日照强度的快速改变而盲目移动操作点,克服了"扰动观察法"误判而导致的部分功率损失。并且给出了初值ΔV,Vd,阈值ε的确定方法。; 龙腾飞丁宣浩蔡如华; 关键词：光伏系统伏安特性 MPPT

基于PHD滤波的雷达起伏目标检测前跟踪算法研究被引量：1: 2022年; 针对雷达微弱起伏目标的检测和跟踪问题,研究了Swerling 0,1,3三类起伏目标模型,提出了概率假设密度滤波下幅度起伏的雷达微弱目标检测前跟踪算法.该算法建立了概率假设密度检测前跟踪算法下复似然比和幅度似然比两种跟踪模型,其中复似然比方法弥补了幅度似然比在计算过程中只考虑量测的幅度信息,而忽略相位信息的缺陷,从而更好地利用了目标原始信息.同时,为解决新生目标状态先验分布信息未知条件下的目标新生问题,提出一种场景划分下基于量测似然比的自适应目标新生算法.仿真实验结果表明,在目标幅度起伏的情况下,复似然比和幅度似然比相比,前者在目标位置和个数的估计性能上优于后者,且计算效率更高.在低信噪比下,复似然比仍然可以有效地检测并跟踪未知数量的微弱目标.; 吴孙勇李东升李东升薛秋条蔡如华; 关键词：检测前跟踪概率假设密度滤波器

基于交互式伯努利滤波的机动目标TBD算法: 2018年; 低信噪比环境下,原始数据未知门限的机动目标跟踪是一个比较棘手的问题。提出了一种交互式多模型伯努利(IMM-Bernoulli)检测前跟踪(TBD)算法,该算法结合交互式多模型算法对滤波器中每个目标状态的采样粒子进行预测,利用伯努利滤波对目标粒子进行递归,粒子更新阶段结合TBD算法进行,最终实现目标存在概率及分布密度的更新估计。算法对粒子预测时采用多个模型参与转移预测,使得预测粒子更加接近目标真实运动状态,兼备了伯努利TBD算法和交互式多模算法的特点,可用于处理低信噪比环境下机动弱目标检测跟踪问题,且对目标状态的估计更加精准。仿真实验表明,该滤波器能够实时地估计出目标位置,比传统的伯努利TBD算法具有更好的滤波性能。; 吴孙勇刘义强蔡如华蔡如华孙希延; 关键词：机动目标跟踪检测前跟踪

MPPT的三点比较法与登山法比较分析被引量：25: 2007年; 文章首先介绍了光伏系统最大功率点跟踪(MPPT)控制中的三点比较法和登山法的跟踪原理,详细讨论了它们各自的优劣并作了算法上的比较,指出登山法两大不完善之处;最后得出结论:三点比较法在跟踪稳定性方面效果更好,可应用于光强变化较大的场合;登山法算法简单投入成本相对较低,,适用于静止安装的光伏系统。; 龙腾飞丁宣浩蔡如华; 关键词：功率损失

关于一类紧支撑小波的研究: 2009年; 文章通过比较一类广义紧支撑小波与一般双正交小波,得出了它们构造小波时所用的低通滤波器和高通滤波器之间的一些关系,并分析了这类小波的分解和重构算法,最后给出了具体的分解和重构公式。; 张硕蔡如华蒋英春; 关键词：双正交小波

小波瀑布型多重网格法: 2014年; 为了提高偏微分方程的计算精度,由瀑布型多重网格的速度收敛快以及小波多分辨分析的性质,通过改进传统瀑布型多重网格算法中的插值算子,提出一种新的小波瀑布型多重网格方法。数值结果表明,小波瀑布型多重网格方法比传统的瀑布型多重网格方法具有更高精度。; 胡永明蔡如华李郴良; 关键词：小波滤波器

一种自适应新生多扩展目标跟踪方法: 本发明公开了一种自适应新生多扩展目标跟踪方法，通过一种新的量测驱动的自适应新生分布方法来处理新生目标位置未知的跟踪问题，首先通过似然和接近度来表示量测与目标的相关性，再利用这种相关性在量测值附近产生新生目标，随后通过贝塔...; 吴孙勇周于松谢芸薛秋条孙希延蔡如华纪元法符强严素清邓洪高; 文献传递

交互式箱粒子标签多伯努利机动目标跟踪算法被引量：3: 2020年; 针对多机动目标追踪问题,将交互式多模型(Interacting multiple model,IMM)思想与箱粒子标签多伯努利滤波器(Box-labeled multi-bernoulli filter,Box-LMB)相结合,提出交互式箱粒子标签多伯努利滤波器(IMM-Box-LMB)算法.该算法首先通过扩展多目标状态,引入模型匹配概率变量,并利用量测信息在预测阶段更新模型匹配概率,进而使用交互式多模型算法对每个箱粒子状态进行混合估计.其次,在更新阶段提出二次收缩算法,通过二次收缩算法使更新后的箱粒子具有更大的区间和存活概率,也更加接近真实目标位置,从而达到提升后续时刻箱粒子多样性的目的.仿真结果表明,二次收缩算法能够有效地提升箱粒子的多样性.将二次收缩算法应用于IMM-Box-LMB算法,能够在不同信噪比下稳定准确地估计机动目标的个数.相同条件下,与匀速直线运动(Constant velocity,CV)模型下的Box-LMB算法相比,IMM-Box-LMB算法能够对多机动目标的数目以及状态进行更加有效的估计.; 蔡如华杨标吴孙勇孙希延

基于PHD滤波雷达起伏微弱多目标的检测前跟踪方法: 本发明公开了一种基于PHD滤波雷达起伏微弱多目标的检测前跟踪方法，解决的是幅度波动下目标的检测和跟踪问题，研究了swerling0,1,3三类起伏目标模型，建立了PHD‑TBD算法下复似然和幅度似然的两种跟踪模型，其中复...; 吴孙勇李东升薛秋条孙希延纪元法蔡如华符强王守华严素清