基于EM的多目标跟踪算法

为了提高多目标跟踪的鲁棒性,增强目标之间的区别性,使用了一种基于能量最小化(energy minimization,EM)的多目标跟踪算法,不同于现有算法,本算法专注于将多目标跟踪中的复杂问题表示为能量函数的模型,模型中包括了更优的目标区分策略(相似度模型)。通过将每个能量函数成本值对应一个多目标的跟踪轨迹方案,算法将多目标跟踪问题转化为能量最小化的问题。在能量函数模型的优化方法上,算法采用共轭梯度算法和一系列的跳转运动来找到能量最小的值。公开数据集的实验结果证明了本算法的有效性,而且定量分析结果证明了本算法提高了目标与背景、目标之间的相互区别性从而与其他算法相比能获得更好的鲁棒性能。     

基于EMD分解在电火花数据分析的应用

经验模态分解(empirical mode dccomposition,EMD)是处理非平稳、非线性信号一种有效的新方法。运用EMD分解法将脉冲典型负荷—电火花信号中本征模态函数(intrinsic mode function,IMF)分量逐级分离出来,得到原信号的多尺度振荡特性;分析各个分量与原序列的显著性检验和相关系数以及各个分量自身的周期性。用IMF分量和趋势项合成原序列并作误差分析,得到信号的总误差率通过理论计算为4.3%。利用bior4.4和db2两种小波基在3层分解系数基础上对电火花数据展开小波包变换。最后借助MATLAB平台对EMD和小波包分解方法进行仿真并做理论对比分析。结果表明,EMD分解法在提取机床运行放电特性及不同工况下信号更具优越性和有效性,提取结果更能满足实际工程应用需求。