基于"当前"统计模型的一种改进机动目标跟踪算法

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.     

多传感器交叉提示技术在目标检测中的应用

针对多传感器交叉提示技术在目标检测中的应用问题展开研究,将交叉提示分为"信息提示"和"任务提示"2种类型,建立以"信息提示"为基础的传感器效能模型以及目标检测概率计算模型、传感器资源能耗计算模型,为求解"任务提示"中的传感器——目标分配方案问题,设计基于博弈论的多传感器交叉提示分布式算法,该算法中,传感器博弈策略的更新以最优反应动态为原则,随后从理论上分析了算法的收敛性和有效性.仿真实验表明,与合同网算法、拍卖算法等分布式算法相比,该算法具有较快的计算速度,与粒子群算法等集中式算法相比,该算法具有较好的求解质量,充分说明了该算法的有效性、先进性.     

区域对接的多目标决策模型研究

在系统目标分析的基础上,提出了系统的模型体系结构,确定了区域对接模型的目标、决策变量,及约束条件;根据模型要达到的不同日标,分别建立了3种发展方案.该模型可较好地反映局部与整体协调发展的制衡关系,为区域对接的定量研究提供了基础.     

基于EDKF的机动目标跟踪算法研究

运用"当前"统计模型(CS)的扩充卡尔曼滤波(EDKF)与匀速运动(CV)模型进行交互,设计出了一种适合于色噪声环境中机动目标跟踪的交互式多模型(MM-EDKFCS/CV)算法.CS模型适用于一般的机动目标跟踪,EDKF对色噪声中目标的跟踪具有较高的跟踪精度,因此IMM-EDKFCS/CV算法保证了色噪声中机动目标和非机动目标的跟踪性能.仿真结果证明了此算法的可行性和有效性.     

一种基于"CS"模型的机动目标跟踪算法研究

为真实反映目标机动范围与强度的变化,引入了机动目标的当前统计(简称"CS")模型,提出了一种基于该模型的自适应卡尔曼滤波算法.仿真结果表明,能有效改善在机动目标跟踪中传统的卡尔曼滤波可能出现的发散情况,提高了跟踪的准确性和稳定性.     

目标模型中目标关系的自动发现

为了发现需求工程中层次目标模型的目标关系,提出了一种利用XML文件存储目标模型的目标关系发现方法.首先从软件系统需求文档中提取目标,使用AND\OR树对目标进行分解,根据目标之间的关系建立层次目标模型,将建立好的目标模型存储为XML文件;然后按照规则文件规范给出目标关系规则文件,使用转换程序将规则文件自动生成目标关系查询文件;最后在XML开发工具中运行查询文件即可得到目标关系查询结果.通过实例机票预订管理系统详细的描述了目标发现方法的过程,在Altova XMLSpy开发环境中给出了父目标和非功能目标的查询实现.实验结果表明将层次目标模型保存在XML文件中有利于目标模型中信息的提取,使用XQuery能实现对目标模型XML文件中目标关系的自动发现.     

一种参数自适应调整的机动目标跟踪模型

针对＂当前＂统计（CS）模型的跟踪性能依赖于模型先验参数的问题,提出了一种自适应＂当前＂统计（ACS）模型.该模型利用新息向量表征目标的机动情况,采用其指数型调整函数自适应调整模型参数和滤波增益,提高了机动模型和目标运动形式的匹配程度,并修正了机动加速度均值,使之适合于一般运动形式.仿真结果表明：与CS模型、改进＂当前＂统计（MCS）模型比较,应用该模型对机动目标的跟踪误差分别减小了11.36%、15.64%.     

求解多目标区域公交车辆调度问题的遗传算法

将区域公交车辆调度(RBSP)视为"部分班次被某车辆完成"的集合划分问题,考虑站场容量、补充燃料和返回站场最迟时间限制等约束因素,建立一类追求车辆利用效率和公交车辆调度方案的可靠度极大化的多目标混合整数规划模型.用约束法将该模型转为单目标规划问题,利用遗传算法求解该问题的非劣解.研究表明:公交调度方案的可靠性越高,车辆利用率越低.     

深基坑支护方案多目标模糊优选决策研究

系统地分析了深基坑优选的影响因素,提出了方案评判的目标体系,运用模糊数学原理建立了深基坑方案优选的模糊多目标决策模型,并对定性目标量化与目标权重确定这两个影响模型决策结果准确程度的关键问题分别提出了合理的解决方法.实例说明模型是有效的、易操作的.     

带有偏好变换的目标规划的稳定性

本文讨论了带有偏好变换的目标规划对参数的连续依赖性.首先简要地介绍了带有偏好变换的目标规划模型,在定义了弱稳定性、强稳定性的基础上,讨论了该模型的稳定性问题。在合理的条件下,证明了该模型不仅是弱稳定的,而且是强稳定的.