交互多模型

摘要： 雷达目标跟踪滤波算法是雷达信号处理的重要组成部分,在空防预警、战场监视、导弹制导等领域起着重要的作用。本文提出了基于一种新最速下降法的目标跟踪算法。首先建立一种基于改进多项式拟合模型的运动描述模型,接着用一种新最速下降法来求解运动模型的最优参数,通过实时的最优运动模型对运动目标航迹进行预测跟踪,并采用正则化思想去除噪声影响。将本文算法与目前常用的交互多模型跟踪滤波算法进行对比,仿真结果表明在目标机动和非机动的情况下,本文算法的精度更高、计算量更小、实时性更好。

摘要： 为了提高对机动目标的跟踪精度,更准确地获得目标实时位置与速度信息,提出了一种改进型交互多模型跟踪算法。采用目标特征数据为初始数据提供限定域,然后在滤波器中加入调节参数,从而利用目标状态增益矩阵与协方差矩阵的迭代完成对跟踪精度的优化。实验仿真分析了机动目标的3种常见状态,并与传统交互多模型跟踪算法进行了对比。实验结果显示,该算法调节参量偏转角分别为4°,2°和1°时,均方根误差均值分别为15.91 m,11.79 m和11.39 m,明显优于传统算法所得的均值21.39 m。随着参数精度的提高,滤波器对由机动目标状态引起的误差波动起到一定的抑制作用。

摘要： 为了解决马尔科夫跳变系统广义标签多伯努利滤波器在多机动目标跟踪场景需要计算大量模式假设分支,并且需要频繁对假设分支进行剪枝,导致算法存在计算量过高并且影响跟踪精度的问题,提出一种基于交互多模型的分组δ-广义标签多伯努利滤波器。滤波器采用航迹分组策略,不同组的航迹独立进行关联映射与分支权重计算,降低了关联的计算复杂度,可以实现不同航迹组之间并行滤波。另外,为了处理机动目标场景引入交互多模型,给出基于交互多模型的分组滤波递推方程。仿真结果表明,所提出的滤波器跟踪精度更高,计算速度更快,可以用于跟踪多个机动目标的场景。

摘要： 为了提高转移概率自适应的并行交互模型算法(ATPM-PIMM)对机动目标的跟踪精度,提出一种改进的ATPMPIMM算法。该算法将基于非等维状态的混合估计方法引入ATPM-PIMM算法中,改善非等维状态交互带来的信息丢失问题,降低模型切换导致的峰值误差,满足对机动目标跟踪的需要。仿真结果表明,改进的ATPM-PIMM算法能有效地提高对机动目标的跟踪精度。

摘要： 针对临近空间高超声速滑翔飞行器机动模式复杂,单一运动学模型难以完成三维跟踪的问题,提出一种三维跟踪方法。将飞行器机动弹道分为纵向和横向弹道,根据飞行器机动特性,在纵向上将加速度建模为零均值的二阶时间自相关随机过程,在横向上采用Singer模型和匀加速模型进行交互多模型(interactive multiple model,IMM)滤波,引入无偏量测转换将球坐标系下的雷达观测模型转换为笛卡尔坐标系,避免了模型的非线性滤波。最后,在现有卡尔曼滤波基础上设计了一种基于多重渐消因子的自适应卡尔曼滤波方法,增强了模型对强机动的自适应跟踪能力。仿真实验表明,该算法在对高超声速滑翔飞行器进行三维跟踪时,能保持较好的稳定性和较高的跟踪精度。

摘要： 针对INS/GNSS组合导航系统中对传感器随机零偏动态估计的需求,本文提出了一种基于IMM-Kalman的数据融合方法。该算法基于IMM框架,通过模型概率更新,进行自适应系统模型选择,实现对传感器零偏的动态最优估计,提高组合导航系统数据融合精度。仿真验证表明:与常规算法相比,改进算法可以实现对传感器随机零偏的动态估计,提高姿态解算精度,将俯仰角和滚转角误差由0.26°和0.23°分别降至0.11°和0.04°;同时仿真了卫星失锁的情况,改进算法的应用,使INS独立导航时位置累积误差仅为21.8 m,较常规方法的42.2 m减少了近50%,进一步证明了算法的有效性。

摘要： 反导预警与空间监视雷达通常采用高频段、大脉宽探测远距离目标,此时距离多普勒耦合对于雷达精确测距有较大影响。同时,距离多普勒耦合的准确修正是稳定跟踪目标的必要条件,然而传统的处理方法不能适用于弹道目标等高机动目标的准确处理。本文提出了基于多普勒耦合估计的弹道目标高精度测距方法:首先采用旁路速度-加速度估计方法求解目标的径向速度,对目标测量距离进行距离多普勒耦合修正,再进行IMM-UKF滤波完成目标距离估计。该方法具有以下优势:利用当前帧的测量数据,同时考虑了目标径向加速度对于耦合的影响,提高了距离和速度的估计精度;相比跟踪时增加测速波形的方法,节约了雷达的资源,同时避免了速度测量与航迹误关联的问题;距离和速度的精确估计能够提升航迹关联成功率。仿真实验中与传统的距离多普勒耦合处理方法进行了比较,实验结果显示该方法大幅提高了雷达测距的精度。

摘要： 为解决单架无人机在城市环境中对辐射源目标的定位问题,提出了一种基于环境预测法的单无人机测向定位航迹优化算法。使用交互多模型-扩展卡尔曼滤波进行视距和非视距信号混合环境下的目标估计。结合估计的目标位置和城市地理信息模型,基于视线追踪法求解信号遮挡区域和多径信号干扰区域。在滚动时域控制算法框架下生成无人机预测轨迹,以最大化Fisher信息矩阵行列式为测向定位评价准则,考虑建筑物障碍以及其对信号的遮挡和反射效应对无人机测向定位航迹的影响,控制无人机选择最优航向飞行。仿真结果表明,该方法能够使无人机在存在障碍、信号遮挡和多径干扰的环境下实现对目标的高精度测向定位,为解决城市环境下的单架无人机测向定位问题提供了新思路。

摘要： 机载雷达在运动平台上探测目标,探测数据描述的是平台和目标的相对位置.目标的机动状态不明,且探测数据和目标真实位置之间是非线性关系,导致机载雷达的航迹滤波难度大,滤波器精度和稳定性差.本方法中先进行数据预处理,量测误差在天线坐标系下获得,目标状态方程和量测方程在固定坐标中心的直角坐标系下建立,量测误差协方差矩阵由量测误差和位置进行无偏转换获得;采用交互多模型滤波器,模型集由匀速直线运动模型、当前统计模型和角速度未知的匀速转弯运动模型组成;非线性模型迭代由容积卡尔曼滤波实现,各模型的初始概率和模型参数基于速度和径向速度进行预估.仿真实验表明该方法提高了机载PD雷达的航迹情报质量,尤其提高了机动目标跟踪的精度和稳定性.

摘要： 土体渗流场动态变化和其产生的深部位移是滑坡地质灾害的主要诱因.针对现有的深部位移监测技术无法在空间上完整描述和解释滑坡体变形过程的问题,提出一种基于简化交互多模型(Simplified Interactive Multiple Model,SIMM)和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的滑坡体内部结构成像预测技术.利用电法勘探具有快速、准确采集地下介质电性信息,并实现多维电阻率剖面成像的特点,依据地质条件,将不同勘探装置采集的电阻率模型作为输入.通过门限检测,判别滑移面周边电阻率值变化速度是否超过预警值,对各模型数据进行无迹卡尔曼滤波并交互输出.现场实验证明,该算法解决了电阻率采集装置间灵敏度匹配问题,实现了滑坡地质体内部结构快速、多维成像,提高了滑坡内部形变过程解释的有效性.

摘要： 为了控制观测值异常对组合导航精度的影响,提出基于交互多模型的观测数据异常影响控制算法,即建立观测正常和异常的多模型集,各模型间通过马尔克夫模型概率进行切换,当观测值正常时,正常模型起作用;观测值异常时,故障模型起作用,从而可以有效地抑制观测数据异常对滤波精度的影响.其中,模型概率的计算很重要,它影响对模型的选择.若预测残差过大会造成模型概率计算过小,再有舍入误差,就无法进行模型的选择.文中简化了模型概率的计算公式,可以避免上述问题.

摘要： 对新息滤波交互式多模型(IFIMM)算法中切换过程模型概率滞后的问题,提出了模型转移概率自适应的新息滤波交互多模型算法(PA-IFIMM)。该方法利用量测中包含的当前模式信息,在每个滤波起始处对马尔可夫转移概率进行实时计算,实现马尔可夫转移概率的实时估计,从而在保证滤波精度的前提下提高模型的切换速度。将该算法用于CACV模型说明算法的有效性。

摘要： 针对交互多模型算法运算量较大的问题，提出了一种基于机动检测的交互多模型算法，可以实现单模型滤波和交互多模型滤波之间的转换。计算机仿真表明，该方法与交互多模型算法的跟踪精度相近，但运算量有明显下降，且便于工程实现。

摘要： 针对带有随机时延的马尔科夫跳变线性系统(Markov Jump Linear System,MJLS),本文提出了一种基于交互多模型随机时延(Interacting Multiple Model Stochastic Delay,IMMSD)算法的MJLS状态估计方法.该方法给出了未知随机时延条件下的MJLS状态后验概率密度描述和模态后验概率分布描述.在IMM估计框架中引入时延状态进行Kalman状态预测、测量更新和模态更新,从而实现了未知随机时延条件下的MJLS最小均方误差状态估计和未知随机时延的后验概率分布估计.仿真结果表明,在随机时延未知的条件下,该方法与已知时延条件下的标准IMM算法的估计精度相当,且能够实现对时延状态的后验概率估计.

摘要： 目标运动模式的不确定性是机动目标跟踪领域面临的主要挑战之一。目标运动建模对目标跟踪至关重要，传统的CV、CA模型存在非此即彼的缺点，交互多模型依靠模型集中多模型交互作用在目标跟踪中显示出其优于单模型，但是由于其引入模型竞争，必然会导致在跟踪某种特定运动时精度有所下降。本文在交互多模型的基础上提出了一种基于模型决策的混合模型新算法，将交互多模型与单模型相结合对机动目标进行跟踪。蒙特卡罗仿真结果显示，本文提出的算法在机动目标跟踪上有着良好的精度性能。

摘要： 目标运动模式的不确定性是机动目标跟踪领域面临的主要挑战之一。目标运动模型的选择对目标跟踪至关重要，仅依靠传统单一模型CV、CA或Singer模型等很难取得理想的跟踪效果。针对此问题，本文简要介绍交互多模型IMM算法理论，对比了多模型方法与单模型优缺点。蒙特卡罗仿真结果显示多模型算法在机动目标跟踪上良好的性能。

摘要： 对于机动目标跟踪,理论和实际中使用频率最高的算法是交互多模型扩展卡尔曼滤波(IMMEKF),但是对于某些观测精度较差情况,如被动双站测向机动目标跟踪,当运动目标距离观测站较远时,状态误差和模型概率误差较大,经常导致系统性能下降甚至滤波结果发散。本文提出一种改进的IMMEKF算法,采用多个独立的IMMEKF滤波器加权得到状态估计。仿真结果表明,本文提出的改进算法对于机动目标的跟踪性能优于原有算法。

摘要： 针对相控阵雷达中自适应采样周期问题,分别提出基于交互多模型和自适应网格交互多模型的变采样周期算法。前者中采样周期与目标位置残差的平方根呈反比,后者中采样周期根据中心模型的运动步长进行调整。为了有效地平衡目标跟踪精度与系统负载,算法中引入了一可控参数。仿真结果表明了两种算法的有效性。

摘要： 针对临近空间目标飞行速度快,机动特性强和周期性滑跃的运动特点,提出一种基于不同正弦模型(Sine模型)相交互的临近空间目标跟踪算法.首先,针对临近空间目标所特有的具有周期性滑跃特性的运动轨迹,采用基于低角速率的Sine模型来有效解决现有机动目标模型对临近空间目标跟踪精度不高的问题;其次,通过具有不同角速率的Sine模型相交互,来进一步提高Sine模型与临近空间目标所特有的滑跃式轨迹的匹配程度,最后仿真实验表明,与现有的临近空间目标跟踪算法相比,该算法具有更好的定位跟踪精度.

摘要： 针对临近空间目标飞行速度快,机动特性强和周期性滑跃的运动特点,提出一种基于不同正弦模型(Sine模型)相交互的临近空间目标跟踪算法.首先,针对临近空间目标所特有的具有周期性滑跃特性的运动轨迹,采用基于低角速率的Sine模型来有效解决现有机动目标模型对临近空间目标跟踪精度不高的问题;其次,通过具有不同角速率的Sine模型相交互,来进一步提高Sine模型与临近空间目标所特有的滑跃式轨迹的匹配程度,最后仿真实验表明,与现有的临近空间目标跟踪算法相比,该算法具有更好的定位跟踪精度.

摘要： 本说明书实施例提供一种交互预测模型的训练和使用方法及装置。在该方法中，首先基于交互事件序列构建动态交互图，从中确定出包含第一节点和第二节点的样本节点对，其对应于样本交互事件。从第一生成网络和第一判别网络分别获取，对应于两个节点各自的生成向量和判别向量。利用第二生成网络，基于两个生成向量预测样本交互事件的发生时间。接着，基于两个生成向量和该预测时间形成第一输入，基于两个判别向量和真实时间形成第二输入，通过第二判别网络，判别第一输入和第二输入各自为真实事件的概率。基于此对抗训练第二生成网络和第二判别网络。训练后的第一生成网络和第二生成网络作为用于预测交互事件的交互预测模型。

摘要： 本说明书实施例提供一种交互预测模型的训练和使用方法及装置。在该训练方法中，首先基于交互事件序列构建动态交互图，从中确定出对应于当前交互事件的第一节点和第二节点，且第一节点指向参与的上一交互事件对应的两个历史节点。利用图编码网络，获取两个历史节点对应的编码向量；并将编码向量和两个交互事件各自的发生时刻输入预测表征网络，得到第一节点的第一表征向量。此外，还将第二节点的属性特征输入属性编码网络，得到第二属性向量。于是，根据第一表征向量和第二属性向量，预测交互概率，并据此确定损失，更新上述图编码网络，预测表征网络和属性编码网络。

摘要： 本发明实施例提供了一种交互检测方法、交互检测模型的预训练方法及设备；方法包括：获取待检测图像以及用于对待检测图像进行交互检测的多个标签，多个标签包括多个主体标签、多个客体标签以及多个交互标签；基于待检测图像和多个标签，确定跨模态融合特征；基于跨模态融合特征分别进行主体检测和客体检测，获得主体检测信息和客体检测信息；基于主体检测信息和客体检测信息进行关系检测，获得主体与客体之间的至少一个预测交互关系。本实施例中，基于跨模态融合特征实现了平行主体检测，提高了主体和客体的检测准确性；并基于主体和客体的检测信息来确定预测交互关系，实现了与主体检测相互独立的交互检测，有利于提高交互检测的准确可靠性。

摘要： 训练和/或利用交互预测模型来生成指示基于电子通信的与相对应的应用交互的可能性的预测交互值。应用可以是对于在制定电子通信中使用的和/或在渲染电子通信中使用的任何电子通信应用的补充。预测交互值可以基于利用交互预测模型对电子通信的特征和/或其他特征进行处理来生成。预测交互值可以用于确定是否执行基于电子通信的、与应用交互和/或实现与其的有效率交互的另外的动作。

摘要： 本发明提供一种基于交互轨迹预测模型的自动驾驶交互仿真方法及系统，包括：获取真实交通数据，基于所述交通数据建立交互轨迹预测模型；基于所述交互轨迹预测模型输出初始轨迹预测结果，通过预设的进阶过程控制算法对所述初始轨迹预测结果进行优化，输出优化轨迹预测结果；通过预设的道路运动规划可组合基准的开源平台对所述优化轨迹预测结果进行自动驾驶仿真，输出可视化仿真结果。本发明解决了现有自动驾驶仿真真实性低、难以保证自动驾驶安全性的问题。

摘要： 本申请公开了一种智能交互模型的训练方法、交互方法、装置及设备，该训练方法获取包括多个第一输入语句的第一输入信息，将第一输入语句输入到智能交互模型中，通过各个子交互模型对第一输入语句进行交互预测，得到多个初始输出语句，并通过中控子模型根据第一输入语句从多个初始输出语句选择对应的目标输出语句，对若干组第一输入语句和第一输入语句对应的目标输出语句进行匹配分析，得到匹配评分；并根据匹配评分确定奖励值，通过奖励值对中控子模型进行强化学习训练，得到训练好的智能交互模型。该训练方法可以提高智能交互模型处理多轮交互任务的性能，有利于改善用户体验。本申请可广泛应用于人机交互技术领域内。

摘要： 一种用于机器人交互的目标选择模型和机器人交互系统，所述系统包括目标选择模块，目标选择模块内设有如权利要求1所述的目标选择模型；目标选择模块用于获取现场人员的交互需求信息，并结合目标选择模型计算现场人员的交互期望值；目标选择模块根据交互期望值从现场人员中筛选目标对象。目标选择模型可结合现场任一人员的交互需求信息判断交互期望值，以便根据交互期望值从现场人员中自动筛选具有与机器人的交互需求的人，以便机器人主动寻找所述具有与机器人的交互需求的人，从而由机器人发起交互，提高了机器人服务的主动性。

摘要： 本发明提供了一种情感交互方法及装置、情感交互模型的训练方法及装置。该情感交互方法包括：利用情感分析模型对历史交互信息进行情感分析，获取历史交互信息对应的情感信息，其中，情感信息包括情感类别；基于历史交互信息和情感信息，利用策略确定模型确定当前回复信息需要采用的情感交互策略；基于历史交互信息和情感交互策略，利用回复生成模型生成当前回复信息，能够使对话系统具备情感交互能力，促进对话系统与用户的深入交流。

摘要： 本申请公开了一种交互检测模型的训练方法、交互检测方法及相关设备，该方法包括：基于交互检测模型的特征提取网络对样本视频数据中样本图像进行处理，得到样本图像中样本人体的样本人体特征；基于交互检测模型的动作分类网络对样本人体特征进行分类，得到样本人体的第一预测交互动作；基于样本物体的二维位置和样本人体的形态参数进行定位，得到样本物体的三维位置；基于形态参数和三维位置进行预测，得到样本物体的预测分值；基于样本交互动作与第一预测交互动作的差异，以及样本分值与预测分值的差异，调整交互检测模型的网络参数。上述方案，能够提高人物交互关系的检测精度。

摘要： 本发明实施例提供了一种交互检测方法、交互检测模型的预训练方法及设备；方法包括：获取待检测图像以及用于对待检测图像进行交互检测的多个标签，多个标签包括多个主体标签、多个客体标签以及多个交互标签；基于待检测图像和多个标签，确定跨模态融合特征；基于跨模态融合特征分别进行主体检测和客体检测，获得主体检测信息和客体检测信息；基于主体检测信息和客体检测信息进行关系检测，获得主体与客体之间的至少一个预测交互关系。本实施例中，基于跨模态融合特征实现了平行主体检测，提高了主体和客体的检测准确性；并基于主体和客体的检测信息来确定预测交互关系，实现了与主体检测相互独立的交互检测，有利于提高交互检测的准确可靠性。