石杰
- 作品数:7 被引量:6H指数:1
- 供职机构:南京理工大学自动化学院更多>>
- 发文基金:国家自然科学基金更多>>
- 相关领域:自动化与计算机技术自然科学总论一般工业技术电子电信更多>>
- 不完全量测下基于机器视觉的被动跟踪算法被引量:1
- 2017年
- 针对不完全量测下利用电视摄像机的单站水面目标被动跟踪问题,提出了一种基于机器视觉被动测距的联邦目标跟踪算法.首先,利用机器视觉技术设计了目标距离的被动测量方法;其次,依据测量机理将测量通道分解为机器视觉被动测距通道和传统测角通道,基于验后置信度残差检测的平方根容积卡尔曼滤波(SRCKF)设计了双通道子滤波器,并对子滤波器估计结果进行联邦结构融合得到最终估计结果.通过OpenGL仿真目标图像和真实水面目标视频的测量结果证明了机器视觉测距的有效性,且在不完全量测下,该跟踪算法比传统基于质点的被动跟踪算法具有更高的跟踪精度.
- 石杰李银伢戚国庆盛安冬
- 关键词:目标跟踪电视摄像机机器视觉联邦滤波
- 基于非质点模型的纯方位解距离方法被引量:1
- 2013年
- 目标距离是战场进行作战决策和武器使用时考虑的一个重要参数。在传统的二维被动跟踪系统基础上,将目标建模为椭圆刚体。论文借鉴修正极坐标(MPC)的思想,利用刚体目标的尺寸参数,建立目标的状态模型和测量模型。采用无迹卡尔曼滤波(UKF)算法进行解距离,为工程实现提供了可能性,并从不同的初始条件下分析了距离误差。Monte-Carlo仿真表明:在新的状态模型下利用UKF算法进行解距离,可以达到较高的精度。其中传感器与目标的相对速度和刚体目标的尺寸对距离解的精度影响较大。
- 石杰戚国庆盛安冬
- 关键词:纯方位非线性滤波器
- 不完全量测下基于面目标的火控系统性能分析
- 2017年
- 针对实际工程中出现的不完全量测下火控系统性能的理论研究,将水面舰船建模为椭圆形面目标,建立了不完全量测下基于面目标测量的数学模型,给出了火控跟踪系统统计意义下的估计误差Cramer-Rao下界(CRLB);根据目标状态与射击诸元间的非线性误差传递关系,基于UT变换得到不完全量测下基于面目标的火控系统射击诸元误差方差下界。以某型舰载火控系统为例,仿真结果表明,在不完全量测下,与传统的质点目标火控系统相比,基于面目标测量的火控系统在估计性能上提高36%,火控性能提高34%。
- 石杰李银伢戚国庆盛安冬
- 关键词:火控系统
- 不完全量测下基于事件触发机制的面目标跟踪系统CRLB被引量:1
- 2018年
- 面目标跟踪系统状态估计问题中,附加的强非线性面目标扩展测量会增加系统的通信量和估计中心的计算量.为此,基于工程应用,提出一种不完全量测下的事件触发机制来控制面目标测量传输.从理论上推导了事件触发机制下面目标跟踪系统的理想(枚举)克拉美罗下界(Cramer-Rao lower bound,CRLB)和统计意义下的CRLB,该统计意义CRLB为理想CRLB的下界,计算复杂度远小于理想CRLB,便于工程应用.典型测试航路下的仿真结果表明:不完全量测下,面目标跟踪系统CRLB明显小于传统质点目标跟踪系统CRLB;同时,利用所提事件触发机制,可在大幅减少面目标跟踪系统通信量的同时保证系统的最优估计性能.
- 石杰李银伢李银伢戚国庆
- 关键词:CRAMER-RAO下界
- 考虑目标尺寸情况下的水面目标跟踪参数估计被引量:2
- 2013年
- 采用平面坐标测量的水面目标跟踪系统,在现有的将目标视为质点的跟踪算法下,如不增加其他先验信息,很难进一步改善目标运动参数的估计精度。基于工程应用,考虑水面舰船的尺寸参数并将其建模为椭圆形目标,利用成熟的图像处理技术获取椭圆目标的尺寸参数。并提出一种基于椭圆目标跟踪的非线性运动参数估计算法;同时从理论上分析了应用中不同目标尺寸参数精度下目标运动参数估计的Cramer-Rao下界(CRLB).数字仿真分析和初步实测结果表明椭圆形水面目标跟踪的工程可行性,且椭圆目标跟踪系统较传统质点目标跟踪系统收敛速度加快,运动参数估计精度提高。
- 石杰戚国庆盛安冬
- 关键词:信息处理技术非线性滤波目标跟踪
- 一种新的混合优化粒子滤波算法
- 2011年
- 针对标准粒子滤波算法的精度不高,对噪声变化敏感的缺点,将一种新的混合智能优化算法引入粒子滤波。在粒子滤波中将人工鱼群算法全局搜索与微粒群算法的局部搜索相结合,融合最新的观测值,使粒子更准确地向高似然区域移动,既保证了全局收敛性,又保证了较快的收敛速度。实验表明该方法具有精度高,抗噪声干扰能力强并且鲁棒性高的特点。
- 陈志敏薄煜明石杰
- 关键词:人工智能粒子滤波人工鱼群算法微粒群算法混合算法
- 模糊化模型概率的IMM-SUPF机动面目标跟踪被引量:1
- 2017年
- 为了提高跟踪系统对水面机动目标的跟踪能力,本文将水面目标建模为椭圆形面目标,提出一种模糊化模型概率的交互多模型(interacting multiple model,IMM)强无迹粒子滤波算法。首先,利用现代高分辨率雷达获得的面目标扩展测量,给出了基于面目标的跟踪测量方程。其次,将强无迹粒子滤波(strong unscented particle filter,SUPF)算法引入到IMM中得到IMM-SUPF。该SUPF算法利用强跟踪无迹卡尔曼滤波(strong tracking unscented Kalman filter,STUKF)产生粒子建议分布。由于STUKF采用渐消因子调整UKF的状态模型协方差和观测模型协方差的比例,使得建议分布更符合真实状态的后验概率分布,从而提高了IMM算法中子模型滤波器的估计精度。最后,基于模糊隶属度函数对粒子的模型概率进行模糊化,从而在提高真实模型滤波器中粒子模型概率的同时,减小非匹配模型滤波器中粒子模型概率,进而提高IMM算法的估计融合精度。Monte-Carlo仿真实验表明,相比于传统的基于质点目标的IMM-UPF算法,文中所提的基于面目标的IMM算法跟踪精度更高,且所提算法的误差超调量更小,收敛更快。此外,所提面目标IMM算法的跟踪精度也要高于面目标IMM-UPF算法。不同于传统的质点目标IMM算法,文中将水面目标建模为椭圆形面目标,并利用面目标扩展测量信息设计了模糊化模型概率的IMM-SUPF算法。该算法进一步提高了跟踪系统对水面机动目标的跟踪能力。
- 石杰李银伢戚国庆盛安冬
- 关键词:交互多模型