当前统计模型

摘要： 在机动目标跟踪中,传统当前统计模型卡尔曼滤波算法对弱/无机动目标跟踪精度不高,对突发机动跟踪精度显著下降,且跟踪性能受限于先验参数。针对上述问题,本文提出一种基于机动检测的参数自适应机动目标跟踪算法,算法利用新息的概率分布特性构建双阈值检测门限,依据检测结果进行参数自适应调整。首先,利用加速度预测误差方差信息,自适应调整机动频率、加速度方差,克服模型参数需先验设置的问题,同时提高算法对弱机动目标跟踪精度;其次,在检测到机动后引入渐消因子,使渐消因子的引入时机更合理,增强算法对机动的响应能力。两种典型机动场景下的仿真结果表明,与基于固定参数的当前统计模型的卡尔曼滤波算法相比,本文所提方法能够较好地适应加速度阶跃机动和转弯机动。

摘要： 针对当前统计(Current Statistical,CS)模型由于先验知识的缺乏和其结构特点导致的跟踪精度降低的问题,通过使用极限学习机(Extreme Learning Machine,ELM)并根据目标历史状态信息,实时估计并修正CS模型的加速度估计值,提出了基于ELM的修正CS模型跟踪算法。ELM的训练结果表明,其训练速度极快且泛化性很好。测试集和单条轨迹的蒙特卡洛仿真实验表明,提出的算法在测试集上,能够提高原始算法的位置和速度约14%的精度,在单轨迹的跟踪实验中,其位置、速度和加速度的平均均方根误差和峰值均方根误差均为CS模型的14左右,并且机动自适应性好,鲁棒性更强,加速度估计更为稳定。同时,ELM结构简单,训练速度极快,增加的计算成本很小,具有较好的实际应用价值。

摘要： 在经典的“当前”统计模型中,机动频率通常为经验值,并需预设加速度极限值。针对这一局限,利用递归线性平滑牛顿预测器对加速度进行预估后,得到“当前”统计模型中目标机动频率值的解析解,避免了机动加速度极限值的设置,同时实现了过程噪声协方差矩阵的自适应计算。此外,利用简化的Sage-Husa滤波方法实现了量测噪声协方差矩阵的自适应更新。通过计算机仿真验证了该算法相较于经典的“当前”统计模型的距离跟踪性能更优。

摘要： 高超声速飞行器是近年来各国大力发展的新概念飞行器,针对其飞行运动轨迹难以进行高精度跟踪这一问题,结合神经网络强大的自适应和自学习能力,提出了一种高超声速飞行器在线反馈滤波算法.其核心是在当前统计模型的基础上,利用BP神经网络与卡尔曼滤波相结合进行滤波器设计,实现对高超声速飞行器高精度跟踪.最后通过仿真试验进行比较,验证了此在线反馈滤波算法在跟踪高超声速飞行器时的有效性.

摘要： 针对早期预警雷达跟踪数据可以提取早期预警信息以及处理方法仍不明确,提出早期预警信息可以包含的要素,并根据要素的特性给出数据处理过程和数据处理方法,在导弹武器试验中得到了初步检验,为日后进一步积累数据处理经验,及对预警系统建设有一定指导意义.

摘要： 全球定位系统(GPS)测姿技术主要是利用GPS载波相位和信号功率2种方法,但是测量信息单一且独立,针对旋转载体的测姿问题,提出一种基于自适应滤波的GPS滚转角估计方法,通过融合GPS接收机天线信号功率和多普勒频率信息测量载体滚转角和滚转角速度.利用当前统计模型对滚转角和滚转角速度测量进行系统建模,根据滚转角预测估计值选取量测量,并提出自适应滤波,采用滚转角加速度估计自适应滤波算法,实现了对系统噪声方差阵的自适应调整,避免了滚转角加速度最值的选取问题,降低了噪声的影响.通过仿真验证了基于自适应滤波的GPS滚转角估计方法的可行性,结果表明该方法的测量精度高于无迹卡尔曼滤波(UKF).

摘要： 在高机动条件下,针对做S型机动的目标,提出了一种以当前统计模型为基础的卡尔曼滤波算法,并在当前统计模型的基础上,对算法进行了改进.通过实时调节"当前"统计模型最大加速度和修正卡尔曼滤波状态值的方法,使滤波结果有了一定程度的改善.仿真结果表明,两种改进算法都提高了全程滤波精度,尤其是提高了换向点处的收敛速度和跟踪精度.

摘要： 为了提高关键传感器系统的容错能力,避免增加引入硬件设备的额外成本、重量与维护负担,提出了俯仰角速度传感器的信号重构方法.信号重构采用了自适应当前统计模型的卡尔曼滤波算法,改进模型能够更准确地描述飞机实际的角运动情况,提高解析信号的精度.通过不同飞行状态下的飞机角运动仿真,将所提方法与典型的信号重构方法进行对比,验证了所提方法的有效性和优越性.

摘要： 针对杂波环境下的多目标跟踪数据关联问题,提出了一种关联波门自适应的联合概率数据关联算法,该算法结合“当前”统计模型,实现了过程噪声的自适应,进而自适应调整目标量测值,从而达到自适应调整关联波门,通过在不同过程噪声水平下的仿真实验,证明本文所提算法一定程度上提高了目标跟踪精度,收敛速度也有所提高.

摘要： 当前统计模型算法将当前加速度均值作为输入控制项引入一步预测方程，实质上变为方差自适应变化的匀加速直线运动模型，虽然单位阶跃加速度输入的稳态误差为零，但对变加速度运动的机动目标跟踪效果变差。提出一种改进算法，在保留使用修正瑞利分布描述机动加速度统计特性的基础上，选择零均值时间相关模型，将目标加速度作为具有指数自相关的随机过程建模，更有效的利用当前的量测值，并与当前统计模型算法的跟踪性能进行比较。仿真结果表明，该算法对变加速机动目标的跟踪性能明显优于当前统计模型算法。

摘要： 机动目标的跟踪问题一直是雷达目标跟踪的重点与难点,针对在复杂战场电磁环境中网络丢包状态下跟踪精度不高的问题,以"当前"统计模型(CS)为基础,建立在丢包状态下的基于CS机动模型的跟踪算法,并与CS机动模型的kalman滤波算法进行对比分析.由仿真结果可知,网络丢包状态下进行优化的CS跟踪算法精度优于普通CS跟踪算法.

摘要： 在粒子滤波框架下，提出了1种采用当前统计模型的状态估计方法，并对模型的噪声分配系数提出了1种合理的离散化表示。实验验证了方法自身的有效性，与在卡尔曼滤波框架下采用当前统计模型的状态估计方法进行了比较，结果表明本方法不仅可以逼近最优估计，而且对于运动目标的机动性具有较好的鲁棒性，提升了对机动目标的状态估计性能。

摘要： 提出了一种使用两个模型实现对机动目标跟踪的多模型算法,采用当前统计模型和扩展后的常速模型组成的模型集进行交互.该算法不受目标转弯率大小和变化的限制,对目标运动模式的未知参数变化的适应性较强.该算法对目标的跟踪精度优于传统的使用3个以上模型交互的IMM-CV/CT算法,仿真结果证明了该算法的有效性.

摘要： 为了确保弹道测量精度和飞行安全控制,在导弹的主动飞行段布设了多种设备对其进行跟踪测量,测量信息冗余较多。目前靶场的主动段实时测控信息处理方法对多源信息的利用率不高,精度较低。根据导弹主动飞行段的加速度机动特性,提出了基于"当前"统计模型和UKF的信息融合方法。仿真结果表明,此方法对导弹主动段的实时弹道测量精度有明显提高。

摘要： 为了确保弹道测量精度和飞行安全控制,在导弹的主动飞行段布设了多种设备对其进行跟踪测量,测量信息冗余较多。目前靶场的主动段实时测控信息处理方法对多源信息的利用率不高,精度较低。根据导弹主动飞行段的加速度机动特性,提出了基于"当前"统计模型和UKF的信息融合方法。仿真结果表明,此方法对导弹主动段的实时弹道测量精度有明显提高。

摘要： 为了确保弹道测量精度和飞行安全控制,在导弹的主动飞行段布设了多种设备对其进行跟踪测量,测量信息冗余较多。目前靶场的主动段实时测控信息处理方法对多源信息的利用率不高,精度较低。根据导弹主动飞行段的加速度机动特性,提出了基于"当前"统计模型和UKF的信息融合方法。仿真结果表明,此方法对导弹主动段的实时弹道测量精度有明显提高。

摘要： 为了确保弹道测量精度和飞行安全控制,在导弹的主动飞行段布设了多种设备对其进行跟踪测量,测量信息冗余较多。目前靶场的主动段实时测控信息处理方法对多源信息的利用率不高,精度较低。根据导弹主动飞行段的加速度机动特性,提出了基于"当前"统计模型和UKF的信息融合方法。仿真结果表明,此方法对导弹主动段的实时弹道测量精度有明显提高。

摘要： 为了确保弹道测量精度和飞行安全控制,在导弹的主动飞行段布设了多种设备对其进行跟踪测量,测量信息冗余较多。目前靶场的主动段实时测控信息处理方法对多源信息的利用率不高,精度较低。根据导弹主动飞行段的加速度机动特性,提出了基于"当前"统计模型和UKF的信息融合方法。仿真结果表明,此方法对导弹主动段的实时弹道测量精度有明显提高。

摘要： 本文介绍了目前存在的机动目标运动模型.针对"当前"统计模型中加速度极限值的预先设定对于跟踪算法造成的不利影响,通过目标机动状况与相邻采样时刻间位置估计量变化之间的函数关系实现噪声方差自适应,进而提出了一种基于"当前"统计模型的改进机动目标跟踪算法.该算法避免了加速度极限值的预先设定问题,从而提高了对机动目标状态估计的精度.最后,仿真结果表明该算法具有一定的有效性.

摘要： 本发明公开了一种农牧区动物进圈轨迹提取、统计模型构建、统计方法及装置，利用标定后的摄像机获取动物进圈以及一对动物进圈检测面的视频后，对动物进圈的视频进行处理，获得进圈动物的轨迹后，采用训练好的SVM分类器对轨迹进行分类并统计，本发明提供的一种农牧区动物进圈统计模型构建及统计方法，通过设置了多种动物标签，不仅可以统计动物的数量，还能够统计动物的种类，解决了传统人工计数的低效问题；其次本发明提供的统计方法可以确保放牧结束之后，牦牛全部安全入圈，还可以为将来智慧牧场的发展，提供技术支持。

摘要： 本发明实施例提供一种统计模型的训练方法、统计方法、装置及存储介质，包括：获取样本图片和用于表征所述样本图片中目标对象数量的真实值的标签；将所述样本图片输入到待训练统计模型，以获取所述样本图片的回归密度图；基于所述回归密度图，获取所述样本图片中目标对象数量的预测函数以及用于表征所述样本图片中每个像素点上否出现所述目标对象的回归函数；基于所述预测函数、所述样本图片中目标对象数量的真实值、所述回归函数以及预设规则，更新所述待训练统计模型的网络参数。本发明实施例能够减少标记的难度，具有更广泛的适应能力。

摘要： 本公开实施例提供了一种对象统计模型的训练方法、对象统计方法及装置。该训练方法包括：获取训练样本数据集，其中，训练样本数据集中的训练样本包括训练图像以及训练图像的标签数据，其中，训练图像包括多个对象，对象包括动物和/或植物；将训练图像输入深度神经网络模型，输出预测密度图；根据预测密度图和标签数据计算损失函数，得到损失结果；以及根据损失结果迭代地调整深度神经网络模型的网络参数，生成经训练的对象统计模型。

摘要： 本发明公开了一种基于当前统计模型的机动目标跟踪方法，属于雷达信号处理领域，主要解决当前统计模型对弱机动以及非机动目标跟踪精度较低的问题。本发明首先进行运动状态初始化和参数预设，建立针对机动目标的当前统计模型；然后通过一种反正切函数调整当前加速度极值进而调整加速度方差；进一步地确定渐消因子来调整预测协方差；最后完成目标的状态更新。本发明在保持当前统计模型对强机动目标良好跟踪性能的同时，提高了对弱机动和非机动目标的跟踪性能，可用于对机动目标的跟踪。

摘要： 本发明公开一种基于当前统计模型的GPS定位方法及系统，包括，获取原始数据，基于定位原始数据构建系统方程及量测方程，其中系统状态模型为当前统计模型；将系统方程及量测方程进行离散化，获取离散扩展卡尔曼滤波方程；通过对量测方程进行加速度预测，得到自适应方程，通过自适应方程改进离散扩展卡尔曼滤波方程，获取自适应扩展卡尔曼滤波方程，通过自适应扩展卡尔曼滤波方程进行GPS定位，获取GPS定位结果。本发明采用当前统计模型来进行建模，从而解决延迟性，提高定位精度。

摘要： 本发明提供一种基于神经网络的改进当前统计模型方法，包括：搭建基于神经网络的改进当前统计模型，将神经网络作为反馈网络与传统统计模型连结，获取符合目标机动情况的最大加速度值；选取训练集和标签集，按照设定归一标准化规则对训练集和标签集进行预处理；设置训练参数，使用训练参数对神经网络进行训练，使其最终达到收敛；将待处理的目标估计状态和量测输入到上述改进模型中，得到目标当前时刻状态估计值；本发明借助神经网络的非线性表达能力，增强了传统当前统计模型的自适应调整能力，反向传播神经网络作为反馈网络来自适应调整最大加速度，建立起目标状态、量测和最大加速度之间的映射，极大地减少目标发生机动时的跟踪误差。

摘要： 本发明公开了一种基于当前统计模型的模糊自适应算法实现机动目标跟踪的方法,属于目标跟踪技术领域，该方法包括以下步骤：建立机动目标的状态方程和观测方程，采用标准卡尔曼滤波算法对机动目标的运动状态进行预测，采用模糊隶属度函数来调整机动目标加速度极限值，通过机动值对加速度极限值自适应调整，再对弱机动目标进行跟踪；当机动目标保持之前的状态，则实现对机动目标的跟踪,当机动目标发生突变，则利用强跟踪滤波器来实现对突变机动目标的运动状态进行跟踪；该方法在线更新机动目标运动状态来自适应调整模糊输出量机动值的模糊规则，利用自适应的弱化因子增大判断滤波发散的阈值，降低误判滤波发散概率，增强对强机动目标的跟踪性能。

摘要： 本发明公开了一种基于当前统计模型的机动目标跟踪方法，属于雷达信号处理领域，主要解决当前统计模型对弱机动以及非机动目标跟踪精度较低的问题。本发明首先进行运动状态初始化和参数预设，建立针对机动目标的当前统计模型；然后通过一种反正切函数调整当前加速度极值进而调整加速度方差；进一步地确定渐消因子来调整预测协方差；最后完成目标的状态更新。本发明在保持当前统计模型对强机动目标良好跟踪性能的同时，提高了对弱机动和非机动目标的跟踪性能，可用于对机动目标的跟踪。

摘要： 本发明公开了一种基于当前统计模型的雷达机动目标跟踪优化方法，思路为：确定雷达，所述雷达检测范围内存在目标；建立当前统计模型，确定目标的初始机动频率α

摘要： 本发明公开了一种当前统计模型的概率假设密度粒子滤波器的设计及滤波器。其观测值接更新电路的第一输入端，预测电路的第一输入端接状态估计电路的第一输出端，预测电路的输出端接更新电路的第二输入端，更新电路的输出端接重采样电路的输入端，重采样电路的第一输出端接预测电路的第二输入端，重采样电路的第二输出端接状态估计电路的输入端。本发明在基于当前统计模型的概率假设密度粒子滤波器的理论基础上，设计了它的硬件电路实现方案，仿真结果表明，其跟踪性能和理论分析相近，能够用于跟踪杂波环境下的机动多目标运动的问题。