首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   8篇
  国内免费   1篇
  完全免费   7篇
  自动化技术   16篇
  2017年   1篇
  2016年   1篇
  2014年   1篇
  2013年   1篇
  2012年   5篇
  2011年   6篇
  2010年   1篇
排序方式: 共有16条查询结果,搜索用时 859 毫秒
1.
多模型概率假设密度平滑器   总被引:3,自引:3,他引:3       下载免费PDF全文
针对杂波环境下的多个机动目标跟踪问题, 本文将多模型概率假设密度(Multiple-model probability hypothesis density, MM-PHD)滤波器和平滑算法相结合, 提出了MM-PHD前向--后向平滑器. 为了避免引入复杂的随机有限集(Random finite set, RFS)理论, 本文根据PHD的物理空间(Physical space)描述法推导得到了MM-PHD平滑器的后向更新公式. 由于MM-PHD前向--后向平滑器的递推公式中包含有多个积分, 因此它在非线性非高斯条件下没有解析的表达形式. 故本文又给出了它的序贯蒙特卡洛(Sequential Monte Carlo, SMC)实现. 100次蒙特卡洛(Monte Carlo, MC)仿真实验表明, 与MM-PHD滤波器相比, MM-PHD平滑器能够更加精确地估计多个机动目标的个数和状态, 但MM-PHD平滑器存在一定的时间滞后, 并且需要耗费更大的计算代价.  相似文献
2.
针对多目标跟踪中未知的目标出生强度, 提出了基于Dirichlet分布的目标出生强度在线估计算法, 来改进概率假设密度滤波器在多目标跟踪中的性能. 算法采用有限混合模型来描述未知目标出生强度, 使用仅依赖于混合权重的负指数Dirichlet分布作为混合模型参数的先验分布. 利用拉格朗日乘子法推导了混合权重在极大后验意义下的在线估计公式; 混合权重在线估计过程利用了负指数Dirichlet分布的不稳定性, 驱使与目标出生数据不相关分量的消亡. 以随机近似过程为分量均值和方差的在线估计策略, 推导了基于缺失数据的分量均值与方差的在线估计公式. 在无法获得初始步出生目标先验分布的约束下, 提出了在混合模型上增加均匀分量的初始化方法. 以当前时刻的多目标状态估计值为出发点, 提出了利用概率假设密度滤波器消弱杂波影响的出生目标数据获取方法. 仿真结果表明, 提出的目标出生强度在线估计算法改进了概率假设密度滤波器在多目标跟踪中的性能.  相似文献
3.
闫小喜  韩崇昭 《自动化学报》2011,37(11):1313-1321
针对概率假设密度(Probability hypothesis density, PHD)高斯混合实现算法中的分量删减问题, 提出了基于Dirichlet分布的分量删减算法以改进概率假设密度高斯混合实现算法的性能. 算法采用极大后验准则估计混合参数, 采用仅依赖于混合权重的负指数Dirichlet分布作为混合参数的先验分布, 利用拉格朗日乘子推导了混合权重的更新公式. 算法利用负指数Dirichlet分布的不稳定性,在极大后验迭代过程中驱使与目标强度不相关的分量消亡. 该不稳定性还能够解决多个相近分量共同描述一个强度峰值的问题, 有利于后续多目标状态的提取. 仿真结果表明, 基于Dirichlet分布的分量删减算法优于典型高斯混合实现中的删减算法.  相似文献
4.
提出了增量式有限混合模型来提取概率假设密度滤波器序贯蒙特卡罗实现方式中的多目标状态. 该模型以增量方式构建, 其混合分量采用逐个方式插入其中. 采用极大似然准则来估计多目标状态. 对于给定分量数目的混合模型, 应用期望极大化算法来获得参数的极大似然解. 在新分量插入混合模型时, 保持已有混合模型的参数不变, 仍旧采用极大似然准则从候选新分量集合中选择新插入分量. 新分量插入混合步和期望极大化算法拟合混合参数步交替应用直到混合分量数目达到概率假设密度滤波器的目标数目估计值. 利用k-d树生成插入到混合模型的新分量候选集合. 增量式有限混合模型统一了分量数目变化趋势和粒子集合似然函数的变化趋势, 有助于一步一步地搜寻混合模型的极大似然解. 仿真结果表明, 基于增量式有限混合模型的概率假设密度滤波器状态提取算法在多目标跟踪的应用中优于已有的状态提取算法.  相似文献
5.
黄永松  王秀霞  顾治波 《软件》2011,32(4):59-60,63
介绍了Honeywell(霍尼韦尔)公司PHD(Process History Database)的相关知识,深入研究了围绕PHD进行应用开发的各种技术和方法,并对每种方法的优劣以及需要注意的地方进行了总结。  相似文献
6.
MES系统在中石油范围内正在大规模推广实施,作为MES的核心模块PHD(Process History Database)实时数据库系统是最基础和最重要的组成部分,它的实施部署的成功与否决定着整个MES系统实施的成败。文章重点介绍了实时数据库在DCS、PLC、SCADA中实现接口对接和信息集成的方法,以及PHD实时数据库的原理、功能和特征。同时,对实施后的效果作了展示,对部署实施中遇到的实际问题和相应的解决办法作了详细论述。  相似文献
7.
针对石化企业MES系统中的历史数据库部分,介绍了用VC实现从PHD实时数据库到ORECLE的历史数据存储;在石油炼油与化工运行系统(MES)的实施中,PHD实时数据库是系统的一个模块,通过自带的RDI(实时数据接1:2)连接DCS和PLC等数据采集设备,并通过PHD—PHD的数据采集方式实现了对大量重要的实时生产数据的采集、加工和处理以及对大量的历史数据的长期存储,并能提供多种访问PHD服务器数据的方式。论述了PHD实时数据库的数据采集方式、数据存储和数据处理。介绍了PHD Server访问数据的主要方法,并提出了应注意的几点问题。  相似文献
8.
研究了高斯混合扩展目标概率假设密度(Gaussian mixture extended-target probability hypothesis density, GM-EPHD)滤波器的收敛性问题, 证明了在杂波强度先验已知且扩展目标的期望测量个数连续有界的假设条件下, 若该 GM-EPHD 滤波器的 GM 项趋于无穷多, 那么它一致收敛于真实的 EPHD 滤波器. 并且, 本文还证明了该算法在弱非线性条件下的扩展卡尔曼(Extended Kalman, EK)滤波近似实现 —EK-GM-EPHD 滤波器, 在每个 GM 项的协方差趋于0时, 也一致收敛于真实的 EPHD 滤波器. 本文的研究目的在于从理论上给出 GM-EPHD 和 EK-GM-EPHD 滤波器的收敛性结果以及它们满足一致收敛性的条件.  相似文献
9.
多模型粒子概率假设密度(Probability hypothesis density, PHD)滤波是一种有效的多机动目标跟踪算法, 然而当模型概率过小时,该算法存在粒子退化问题,而且它对目标数的泊松分布假设会夸大目标漏检对其势估计的影响. 针对上述问题,本文提出一种改进算法. 该算法并不是简单地对模型索引进行采样, 而是用粒子拟合目标状态的模型条件PHD强度, 在不对噪声做任何先验假设的前提下, 通过重采样实现存活粒子的输入交互,提高了滤波性能. 在此基础上, 进一步将算法在Cardinalized PHD (CPHD)的框架下加以实现,提高其目标数估计精度. 仿真实验表明,所提算法在滤波性能和目标数估计精度方面均优于传统的多模型粒子PHD算法,具有良好的工程应用前景.  相似文献
10.
针对原油换热网络输入输出变量多、传统的控制方法控制难度大等问题,本文建立了用于仿真的Simulink辨识模型.利用模型预测控制原理,采用旁路控制的方法,借助预测控制工具箱(MPC toolbox)实现对换热网络Simulink模型的多变量预测控制,实现了输入变量平稳、输出变量控制稳定、控制精确及动态响应时间短等优点.在本机控制的基础上,借助OPC工具箱实现不同PC机问MATLAB与PHD数据库的实时交换,达到实时控制的目的,进而实现了整个换热网络的实时多变量预测控制.  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号