高斯混合扩展目标多伯努利滤波器

针对杂波环境下多扩展目标跟踪中数据关联过程复杂的问题,提出一种可同时估计扩展目标状态和目标数的高斯混合扩展目标多伯努利(GM-ET-MBer)滤波器,该滤波器无需对测量与扩展目标进行关联。首先采用伯努利随机有限集和泊松随机有限集分别描述扩展目标的状态和观测;然后结合扩展目标状态的预测信息,推导了扩展目标状态的更新方程,并在线性高斯条件下采用高斯混合方法递推地对扩展目标的状态进行估计跟踪。与高斯混合扩展目标概率假设密度(GM-ET-PHD)滤波器相比,GM-ET-MBer滤波器有效地提高了对目标数的估计精度。仿真结果表明,GM-ET-MBer滤波器和GM-ET-PHD滤波器对目标数估计的标准偏差分别为0.267 3和0.395 3,可知所提滤波器对目标数的估计更稳定。     

多扩展目标的高斯混合概率假设密度滤波器

针对多扩展目标跟踪中状态信息难以估计的问题,提出了一种可以估计扩展目标运动状态和形状信息的多扩展目标高斯混合概率假设密度(RHM-GMPHD)滤波器。首先利用描述凸星形扩展目标量测源分布的随机超曲面模型和传感器量测方程,建立扩展目标运动状态及形状信息与量测之间关系的伪量测函数;然后结合扩展目标状态预报信息,推导了扩展目标状态更新方程,递推地对扩展目标运动状态及形状信息进行估计跟踪。此外,还建立了Jaccard距离来度量RHMGMPHD滤波器对目标形状的估计性能。与联合概率数据关联(JPDA)滤波器和GMPHD滤波器相比,RHM-GMPHD滤波器不仅可以估计凸星形扩展目标的形状信息,并能有效提高对目标数和运动状态的估计精度。仿真实验表明,RHM-GMPHD滤波器对质心估计的均方根误差分别约为JPDA和GMPHD滤波器的1/3和1/2,对目标数的估计接近真实值,对形状估计的Jaccard距离一般小于0.2。     

一种多扩展目标非线性高斯逆Wishart概率假设密度滤波器

针对非线性多扩展目标跟踪问题,提出了一种基于修正无偏转换量测(modified unbiased converted measurement, MUCM)的高斯逆威沙特概率假设密度(Gaussian inverse Wishart probability hypothesis density, GIW-PHD)滤波器.首先,该方法利用MUCM将雷达非线性量测转换为笛卡尔坐标系下的伪线性量测,并用统计方法得到转换量测误差的协方差矩阵.然后,给出MUCM-GIW-PHD滤波算法的具体实现过程,继而在非线性条件下对多扩展目标的运动参数和形状参数进行联合估计.最后,仿真实验验证了算法的有效性.     

厚尾噪声条件下星凸形扩展目标student’s t滤波器

针对非线性非高斯厚尾噪声条件下的不规则形状的扩展目标跟踪问题,提出了基于随机超曲面模型(RHM)的星凸形扩展目标student’s t滤波算法.首先,在带有非高斯厚尾过程噪声和厚尾量测噪声的系统中, 基于student’s t分布给出鲁棒student’s t滤波器.其次,利用随机超曲面模型描述任意星凸形扩展目标的量测源分布, 提出带厚尾噪声的星凸形扩展目标student’s t滤波器.最后通过仿真验证了所提方法的正确性和有效性.     

基于随机有限集理论的多扩展目标跟踪技术综述

随着传感器分辨率的不断提高,扩展目标跟踪技术在实际应用中的作用日益凸显。传统的基于数据关联的目标跟踪方法在对多扩展目标进行跟踪时难以适用,而基于随机有限集理论的方法由于避免了数据关联的困扰而得到了广泛的关注和大量的研究。通过对近年来基于随机有限集理论的多扩展目标跟踪技术研究现状进行了综合分析,包括外形建模方法、最优多目标跟踪贝叶斯滤波器的各类近似技术以及基于随机有限集的多扩展目标跟踪算法的性能评价指标等。最后在已有研究发展的基础上,提出了基于随机有限集理论的多扩展目标跟踪技术需重点关注和解决的若干问题,包括如何将外形建模与群目标轮廓建模进行结合、多机动扩展目标跟踪、多扩展目标跟踪性能评价指标、非线性非高斯下的扩展目标跟踪、非标准量测下的扩展目标跟踪等问题。     

基于卡尔曼滤波器的机动目标跟踪仿真

将卡尔曼（Kalman）滤波器的变维滤波算法应用于雷达数据处理中,对机动目标进行跟踪,得出机动目标的滤波数据曲线,并对目标进行了拦截仿真。仿真结果表明该方法能估计出目标的运动特征并对运动目标拦截成功。     

基于Mean-Shift算法的粒子滤波器在目标跟踪中的应用

粒子滤波在无线通信、目标跟踪等非线性、非高斯系统中具有广阔的发展前景,但计算量大、实时性差成为了其在实际中应用的瓶颈。降低粒子滤波算法的复杂度,提高运算速度,设计一种运算速度快、性能可靠、占用硬件资源少的粒子滤波算法器将具有重要的理论和现实意义。本文研究了一种基于Mean-Shift算法的粒子滤波器,这种多目标图象中的指定目标跟踪滤波器具有很好的跟踪效果。     

随机矩阵的一些性质

论述并证明了带行和S的既约广义随机矩阵的性质,双随机矩阵积的性质和P类矩阵的一些性质.     

多目标随机规划的交互遗传算法

利用遗传算法在处理过程中不依赖问题的种类,并具有较强鲁棒性等特点,提出了一种基于交互式的求解多目标随机规划的遗传算法,算法的意思是,结合小生境技巧和构造Pareto选优过滤器的手段,通过与决策者的反复交互对话,最后得到使决策者满意的问题的Pateto有效解集。     

频域全通式压缩感知随机滤波器设计

压缩感知中常用随机矩阵作为测量矩阵,但此类矩阵存在实现困难、计算复杂度高等缺陷。随机滤波器产生的随机循环矩阵可用于信号测量,提出一种适用于压缩感知的新的随机滤波器设计方法,设计的随机滤波器具有频域全通,时频域均为实值的特点,同时分析了由滤波器产生的测量基与其他信号基的相关性。测量信号可包含原始信号所有信息,便于计算,且滤波器实现简单,产生的测量基可保证与其他信号基的无关性。通过仿真发现,利用此滤波器可实现信号的采集与恢复。     

一种基于耦合矩阵的新型带通滤波器

提出一种新型的具有2个传输零点的微带带通滤波器(bandpass filter, BPF).该滤波器采用2个新型慢波谐振器,具有较宽的上阻带带宽.该滤波器设计简单,由于利用"N+2”耦合矩阵的方法而呈现出较高的频率选择性.测量结果表明,该滤波器具有良好的响应特性,在中心频率2.4 GHz处的插入损耗为1.66 dB,上阻带频率达到7.0 GHz.实测和仿真结果具有良好的一致性.     

基于改进粒子滤波的声图像多目标跟踪方法

摘要：
针对利用声图像实现水下多目标跟踪问题,提出一种改进的粒子滤波多目标跟踪算法.通过引入联合概率数据关联算法,建立了联合概率数据关联 粒子滤波算法模型,使粒子权值中得以反映量测与目标轨迹间的关联概率,有效保证了各目标跟踪轨迹的连续性.采用了包含距离及角度的双重跟踪门得到确定矩阵,使跟踪精度得以提高.补充了轨迹起始及轨迹终结方法,以对跟踪过程进行完善.最后,通过水下多目标跟踪试验,对比分析了不同数据关联算法的试验结果,验证了所提方法的有效性,为基于前视声纳的多目标跟踪提供了一种更为有效的方式. 关键词：
联合概率数据关联; 粒子滤波; 目标跟踪; 前视声纳 中图分类号： TP 39
文献标志码： A     

概率假设密度滤波的谱聚类目标状态提取方法

提出了一种谱聚类目标状态提取方法来实现概率假设密度(PHD)滤波中序贯蒙特卡罗(SMC)实现方式的多目标状态估计.该方法利用PHD滤波SMC实现方式输出的大量的加权粒子点间的相似度关系建立相似矩阵,通过变换得到拉普拉斯矩阵,进而对拉普拉斯矩阵进行特征分解,以实现粒子点的聚类,再在每类中寻找粒子的聚类点作为多目标状态的估计值,同时为了减小计算量,利用Nystrm逼近方法求解特征向量.仿真实验表明,PHD滤波的谱聚类目标状态提取方法的估计精度比k均值目标状态提取方法提高了60%以上.     

无线层析网络中基于粒子滤波的时变多目标跟踪

研究将粒子滤波（PF）理论应用于无线层析网络中的时变多目标跟踪（MTT）.传统的基于无线层析成像（RTI）的时变多目标跟踪方法存在延迟问题,即与真实的时变目标数目相比,估计所得时变目标数目存在滞后,并且跟踪精度较低.基于PF的时变多目标跟踪方法利用维度可变的粒子来估计目标数目,实现目标跟踪.该方法不存在延迟问题,并且能提高目标的跟踪性能.研究通过在一个9.5 m×9.5 m的监测区域内进行实验来验证该算法的有效性.实验结果表明基于RTI的时变多目标跟踪方法的最佳子模式分配（OSPA）误差为0.485 m,而基于PF的时变多目标跟踪方法的OSPA误差为0.362 m,其性能比基于RTI的方法提高了25%.      

基于容积原则的概率假设密度滤波算法

为改善多目标跟踪问题中概率假设密度滤波精度与算法运行时间之间的关系,提高目标状态和数目的实时估计性能,提出了基于容积原则的概率假设密度滤波算法. 该算法在高斯混合粒子概率假设密度的框架下,利用容积数值积分原则直接计算非线性随机函数的均值和方差, 产生粒子滤波算法的重要性函数,实现高精度粒子的重构,来近似目标状态和数目的概率分布,并且在高斯混合概率假设密度滤波算法中进行采样和更新. 仿真验证了所提出算法的有效性,其Wasserstein误差距离优化了17.32%,目标数估计均值也提高了23.72%.      

Compressive Wideband Spectrum Sensing Based on Random Matrix Theory

Spectrum sensing in a wideband regime for cognitive radio network(CRN) faces considerably technical challenge due to the constraints on analog-to-digital converters(ADCs).To solve this problem,an eigenvalue-based compressive wideband spectrum sensing(ECWSS) scheme using random matrix theory(RMT) was proposed in this paper.The ECWSS directly utilized the compressive measurements based on compressive sampling(CS) theory to perform wideband spectrum sensing without requiring signal recovery,which could greatly reduce computational complexity and data acquisition burden.In the ECWSS,to alleviate the communication overhead of secondary user(SU),the sensors around SU carried out compressive sampling at the sub-Nyquist rate instead of SU.Furthermore,the exact probability density function of extreme eigenvalues was used to set the threshold.Theoretical analyses and simulation results show that compared with the existing eigenvalue-based sensing schemes,the ECWSS has much lower computational complexity and cost with no significant detection performance degradation.     

基于相似矩阵的OTA全集成有源滤波器的设计

研究了全集成连续时间有源滤波器的设计方法，给出了基于实对称相似矩阵理论的跨导运算放大器(OTA)有源滤波器设计方法、由于该方法基于双端接载的LC梯形原型和一般网络理论，所设计的电路主要由OTA和接地电容组成，不易受分布电容的影响，具有稳定性好、灵敏度低及集成度高等特点．给出的设计实例显示该方法可用于实现片上系统集成。     

基于粒子滤波的雅可比矩阵在线估计技术

研究基于图像的机器人视觉伺服技术中雅可比矩阵的在线估计方法.以雅可比矩阵的元素构成系统状态向量,将问题转化为对系统的状态估计问题.引入非线性非高斯系统的粒子滤波算法,在该算法的框架下在线估计图像雅可比矩阵.以非高斯环境下二自由度机械手跟踪运动目标这一应用背景为例,分别对新提出方法与已有基于Kalman滤波的估计方法进行了实验比较.结果证明,前者具有更高的估计精度和更强的鲁棒性,基于粒子滤波的方法不仅可以避免系统标定,而且对系统噪声的类型没有具体要求.     

n维空间随机矩阵变换的音频置乱算法

针对一维线性序列置乱方法加密参数少、特殊矩阵变换易受攻击等问题,提出一种n维空间随机矩阵变换的音频置乱算法.引入m进制转换的思想,将音频序列采样点值进行变维操作,再通过随机变换阵进行矩阵变换完成置乱.算法的音频置乱恢复无需计算最小可恢复周期,仅通过随机变换阵在Zm上的逆阵进行一性次恢复即可.实验结果表明,算法在任意n维空间均具有很好的置乱效果,置乱和恢复代价较低,鲁棒性较强,能抵抗添加高斯白噪声、滤波、任意剪切、缩放音频值等攻击.     

基于DSP的多目标航迹模拟

研究了一种通过载机飞行实现多目标航迹模拟的系统,将多目标运行参数传给雷达.利用GPS接收机测得的载机位置信息,通过航迹模拟模型,实时模拟多个目标的运行状态及计算位置、速度和多普勒频率等参数.使用DSP芯片和优化算法完成信号的实时处理.实验结果表明,目标位置误差小于1 m,速度误差小于2 m/s,计算时间小于50μs,满足了准确性与实时性的要求.