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   349篇
  国内免费   90篇
  完全免费   140篇
  自动化技术   579篇
  2018年   2篇
  2017年   27篇
  2016年   22篇
  2015年   45篇
  2014年   54篇
  2013年   52篇
  2012年   81篇
  2011年   92篇
  2010年   51篇
  2009年   57篇
  2008年   38篇
  2007年   13篇
  2006年   5篇
  2005年   7篇
  2004年   3篇
  2003年   2篇
  2002年   5篇
  2001年   1篇
  2000年   2篇
  1999年   3篇
  1998年   2篇
  1997年   2篇
  1995年   4篇
  1994年   3篇
  1993年   2篇
  1992年   1篇
  1991年   1篇
  1990年   1篇
  1984年   1篇
排序方式: 共有579条查询结果,搜索用时 46 毫秒
1.
针对基于粒子群优化的粒子滤波(PSO-PF)算法精度不高,实时性差,难以满足雷达机动目标跟踪的需求,提出一种基于动态邻域自适应粒子群优化的粒子滤波(DPSO-PF)算法.该算法可以动态调整粒子邻域环境,其中每个粒子按照邻域的环境和自身的位置信息自适应地调整相互间的邻域粒子数量,使邻域粒子数量更为合理,达到寻优能力与收敛速度的最佳平衡.最后利用不同模型对该算法进行了仿真实验,实验结果表明所提出的算法能够提高雷达机动目标跟踪的实时性和精确性.  相似文献
2.
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
3.
为了能够快速和准确地跟踪运动目标,提出了一种改进的基于Camshift的粒子滤波算法。在粒子滤波框架下,首先对传统目标模型进行改进,提出一种新的融合目标颜色信息和运动信息的模型,以增强目标跟踪的稳健性和准确性;同时为了提高跟踪的效率,将一种改进的Camshift算法嵌入到粒子滤波中,用来重新分配随机粒子样本,使之向目标状态的最大后验概率密度方向移动。实验结果表明,与传统的粒子滤波算法或Camshift算法相比,该方法能有效处理目标快速运动或背景存在强干扰等情况,实现对目标快速和稳健的跟踪。  相似文献
4.
基于UKF的超视距雷达跟踪算法研究   总被引:2,自引:2,他引:0  
天波超视距雷达跟踪目标时电磁波是通过电离层的折射传播的,因而导致在地理坐标系下的量测方程中存在强非线性,而采用传统的EKF(Extended Kalman Filter)实现的跟踪算法,在非线性方程的线性化中舍去了含强非线性的二阶以上的高阶项,导致目标的跟踪精度较低;提出采用UKF(Unscented Kalman Filter)方法处理超视距雷达系统在跟踪算法中的强非线性问题.UKF算法有效降低了非线性方程中的舍入误差,可确保三阶以上的精度.仿真结果表明UKF滤波算法较EKF算法提高估计精度.  相似文献
5.
基于SMC-PHDF的部分可分辨的群目标跟踪算法   总被引:2,自引:2,他引:6       下载免费PDF全文
提出一种基于粒子概率假设密度滤波器(Sequential Monte Carlo probability hypothesis density filter, SMC-PHDF)的部分可分辨的群目标跟踪算法. 该算法可直接获得群而非个体的个数和状态估计. 这里群的状态包括群的质心状态和形状. 为了估计群的个数和状态, 该算法利用高斯混合模型(Gaussian mixture models, GMM)拟合SMC-PHDF中经重采样后的粒子分布, 这里混合模型的元素个数和参数分别对应于群的个数和状态. 期望最大化(Expectation maximum, EM)算法和马尔科夫链蒙特卡洛(Markov chain Monte Carlo, MCMC)算法分别被用于估计混合模型的参数. 混合模型的元素个数可通过删除、合并及分裂算法得到. 100次蒙特卡洛(Monte Carlo, MC)仿真实验表明该算法可有效跟踪部分可分辨的群目标. 相比EM算法, MCMC算法能够更好地提取群的个数和状态, 但它的计算量要大于EM算法.  相似文献
6.
基于时空信息的多运动目标跟踪算法   总被引:1,自引:1,他引:0       下载免费PDF全文
何海南  符茂胜  罗斌 《计算机工程》2009,35(18):219-220
利用帧差法和基于Sampson距离的随机抽样一致性(RANSAC)匹配算法,实现基于时空信息的多运动目标跟踪。采用帧差法获知运动目标大概位置,运用Harris算法提取每帧视频图像中运动目标的角点,并对其进行归一化处理,利用RANSAC算法对角点进行匹配,使用闽值分割法确定运动目标位置。实验结果表明,该方法能准确跟踪相似目标,其实时性较高。  相似文献
7.
贝叶斯目标跟踪方法的研究   总被引:1,自引:1,他引:1       下载免费PDF全文
针对贝叶斯滤波过程中存在的目标跟踪问题,提出几种典型的贝叶斯滤波方法,如EKF,UKF,PF和UPF等,基于这些方法所构建的框架,对它们进行性能测试和比较,并在非线性环境下,讨论这些方法的特点,仿真实验结果表明,在非线性非高斯环境下,UPF方法的性能是最优的。  相似文献
8.
一种快速估计线性非线性状态的粒子滤波器   总被引:1,自引:1,他引:0  
提出了一种快速估计线性非线性状态的粒子滤波器.针对混合线性非线性模型中传统的Rao-Blackwellized Particle Filter(RBPF)方法对状态估计处理速度较慢的不足,将条件相关的线性与非线性状态进行分离,对于非线性状态运用粒子滤波(PF)算法进行估计,取出从非线性状态中抽取出的粒子的均值,将此均值传播到线性状态中做一次卡尔曼滤波,得出对线性状态的估计.仿真结果表明:与RBPF相比可以将处理速度提高50%~60%,有效改善状态估计的实时性.  相似文献
9.
基于序贯无迹卡尔曼滤波的雷达目标跟踪方法   总被引:1,自引:1,他引:0       下载免费PDF全文
提出一种基于序贯无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。为了提高无迹卡尔曼滤波的精度,用序贯无迹卡尔曼滤波方法依次处理方位角、俯仰角和距离,来进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度和更高的计算效率。  相似文献
10.
WSN中基于粒子滤波的目标跟踪研究   总被引:1,自引:1,他引:2  
针对无线传感器网络中仅有角度测量的目标跟踪问题,详细分析其定位过程,提出一种基于改进粒子滤波算法的新解决方案.方案采用高斯混合模型(GMM)代替单一模型近似概率密度分布,融入粒子滤波算法,提议分布采用SRUKF-PF算法更新粒子.算法中增加改进措施以提高滤波性能如:残差重采样算法用于重采样、K-means算法用于构建预估起始点、EM算法用于拟合GMM近似等.仿真结果验证了方案的有效性.  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