基于卡尔曼滤波的动态轨迹预测算法

基于拟合的传统轨迹预测算法已无法满足高精度和实时性预测要求.提出基于卡尔曼滤波的动态轨迹预测算法,对移动对象动态行为进行状态估计,利用前一时刻的估计值和当前时刻的观测值更新对状态变量的估计,进而对下一时刻的轨迹位置预测.大量真实移动对象数据集上的实验结果表明：GeoLife数据集上基于卡尔曼滤波的轨迹预测算法的平均预测误差（预测轨迹点与实际轨迹点的均方根误差）为12.5米;与基于轨迹拟合的轨迹预测算法相比,T-Drive数据集预测误差平均下降了555.4米,预测准确率提升了7.1%.在保证预测时效性前提下,基于卡尔曼滤波的动态轨迹预测算法解决了轨迹预测精度较低的问题.     

基于多项式卡尔曼滤波的船舶轨迹预测算法

考虑到在船舶航行的实际过程中,船舶自动识别系统（AIS）设备提供的船舶运动点迹往往呈现出信息缺失、非线性、多机动的问题,导致利用AIS设备辅助海上指挥系统难以准确判断船舶位置。针对以上问题,本文在传统卡尔曼滤波理论的基础上构建多项式卡尔曼滤波器拟合非线性系统,补偿航迹定位数据信息缺失、更新较慢等问题,并基于经纬度信息预测船舶运动轨迹。结果表明,该方法实现简单且收敛迅速,能够有效解决实际过程中船舶轨迹的预测问题,满足基本的实效性与准确性,能够为相关海事部门预测船舶目的、行为提供较为可靠的辅助手段。      

基于测角信息的机动目标轨迹预测研究

在地面固定单站对机动目标的无源轨迹预测中,地面固定单站仪提供目标方位角和高低角信息,而没有提供目标距离信息.因此,目标飞行轨迹的预测只能依靠已有的角度信息进行.在无测距信息的情况下,根据匀加速运动和等高飞行2个弱条件假设,提出了仪利用测角系统测得的空中机动目标的高低角和方位角进行目标飞行轨迹预测的算法,并对算法进行了仿真测试.仿真试验结果表明该预测算法角度预测误差在毫弧度以下.     

珠峰现场无线通讯的实践

一设计方案 珠穆朗玛峰8848.13米.珠峰大本营5200米.两点的高度差约为3700米.在地图上看两点直线距离约15000米.加上高度差,在平原地区一般情况下用5瓦～25瓦无线中继台是能够覆盖的.     

多脉冲引起的测距正误差

脉冲式激光测距机的测距误差在距离计读数精度已定的情况下,一般取决于探测放大器的高端截止频率。即为较弱回波脉冲通过放大器后产生了较长的前沿时间,使回波脉冲的关门时间推后,因而使测距产生有限的正误差。不过这种误差较小,并且只有在探测距离较远时比较明显。在地炮近程激光测距机中,距离计精度为正负5米,放大器的高端截止频率约为10mc,对距离为7101米的靶板检验,百分之九十以上的机子其实际测距误差在-1～+9米的范围之内。其中距离计显示出最多的数为7105米,次之为7110和7100两个数。     

基于情景感知与移动数据挖掘的行人轨迹预测方法

移动数据挖掘是智能交通领域中各项应用的研究基础,对于理解复杂的人类行为模式和改善城市规划、交通和公共安全有着巨大的潜力。行人轨迹预测立足于移动数据挖掘,从中发现行人的移动规律,致力于在智能机器人、自动驾驶、智慧旅游等许多现代产业中发挥重要作用。考虑到传统的行人轨迹预测模型仅关注时空数据,没有充分考虑人与环境、人与人之间的相互作用以及情景信息,提出了一种基于空间社会力图神经网络(Spatial Social Force Graph Neural Network,SSF-GNN)的行人轨迹预测模型。SSF-GNN可以处理行人的历史轨迹,并从不同场景中提取特征。利用社会力理论量化了行人的互动和情景感知信息。SSF-GNN融合了行人的社会影响和隐藏状态,可以准确预测连续轨迹点。在两个经典数据集(ETH和UCY)上进行了大量的实验,结果表明SSF-GNN的性能优于当前主流算法。平均位移误差(Average Displacement Error,ADE)相较于对比方法的平均值减小了25.6%,最终位移误差(Final Displacement Error,FDE)减小了15.4%。预测行人在未来3.2 s的轨迹点时,现有对比方法的平均准确率为48.6%,SSF-GNN的准确率显著优于最先进的模型,达到67.7%。     

基于Hough变换的天基激光测距轨迹提取算法

天基目标测量具有全天时、不受大气干扰等优点.但与地面人卫测距相比,天基待测目标运动速度快且缺乏距离预报等先验信息,导致传统测距方法无法有效提取目标距离轨迹.为此,文章提出了一种基于Hough变换的激光测距距离轨迹提取算法,利用目标回波点之间的线性相关性将直线检测算法引入回波轨迹的提取,具有适应天基探测特性、抗噪声能力强等特点.实 验结果表明,使用该方法提取的目标距离轨迹均方根误差优于2.72 m.上述方法可以准确地提取高速移动目标的距离轨迹,为后续空间非合作目标的距离轨迹提取提供了新的途径.     

基于卡尔曼滤波算法船舶AIS轨迹估计研究

AIS是集船舶导航、避碰、海事监管于一体的现代化无线电系统,在水上交通运输领域里发挥着重要作用。为了弥补AIS数据堵塞等原因导致更新数据不及时,造成船舶轨迹的不准确或者误差较大的问题,提出利用对卡尔曼滤波算法进行适当的修改,引入系统噪声和测量噪声,利用AIS船舶观测节点数据对系统状态做最小二乘法估计,对船舶运动轨迹进行平滑和预测,并对不同时间段可靠性误差进行分析,能够比较正确地估计出船舶轨迹。     

超密集网络中基于轨迹预测的资源规划

在超密集网络中,小区间干扰严重制约了小区边缘用户的性能体验以及网络吞吐量。利用用户轨迹预测和信号地图可获得用户未来的平均信道信息,从而为用户规划未来的传输资源,相对于非预测方法可以大幅度提升网络性能。现有对资源规划的研究大都考虑较为理想的假设,为了分析基于实际预测性能达到的资源规划性能增益,本文研究了超密集网络中的轨迹预测方法和基于实际轨迹预测性能的资源规划性能。仿真结果表明,所提出的轨迹预测方法能够满足资源规划的要求,所提出的资源规划策略在任意预测窗长度下都能达到较好的性能,当预测窗长为3分钟时,相对于非预测的干扰管理方法能够将用户满意率提高45%以上。      

基于高斯插值提高雷达测距精度的研究

本文结合脉冲法雷达测距原理,分析了距离量化误差产生的原因.针对LFM信号加入高斯白噪声作脉冲压缩得到的脉压波形,结合先验信息,将脉压结果主瓣内的波形近似为高斯分布,利用脉压结果中采样最大值点和次大值点的位置信息和幅度信息作高斯插值处理,预估脉压波形真实峰值时间.仿真结果表明,通过高斯插值处理,距离量化误差显著减小,雷达...     

以激光器作精密测距实验

美帝在犹他州的陆军新装置实验场用两台5千瓦的脉冲红宝石激光器进行精密测距的野外实验,在2万米以上的距离内,成功地将误差缩至±5米以内。     

基于无监督学习的目标轨迹预测

针对情报与侦察监视领域中目标轨迹预测问题,提出了一种基于无监督学习的预测方法。首先,根据历史信息分析目标历史活动规律;其次,构建隐马尔科夫模型,通过无监督学习自动实现预测目标在栅格网中的运动方向;最后,根据学习得到的运动方向和目标运动速度信息,计算未来短期内的目标轨迹。数值仿真验证了该方法能够有效地预测目标在未来短时刻内（通常为5 min）的运动轨迹。     

利用前场预测均方误差的帧内ADPCM编码方法

本文给出一种新的利用前场预测均方误差的帧内ADPCM编码方法,该方法根据五幅典型图象,给出三种预测器,五种量化器的设计参数。由于利用了前场的预测均方误差做为控制信息,因此,该编码方法能够较好地匹配于多种图象源。     

基于ADAMS的工业机器人轨迹精度模型研究

预测工业机器人轨迹精度对高精度加工具有重要影响,分析影响其轨迹精度的因素,基于ADAMS提出一种考虑结构参数误差及关节转角偏差的轨迹精度模型。应用激光跟踪仪辨识工业机器人结构参数与名义值间存在的偏差,分析关节转角偏差随工况的变化,在ADAMS环境下建立轨迹精度模型。以UR5机器人为实验对象,API激光跟踪仪为测量仪器对其轨迹精度进行测量,与模型输出结果进行对比,实验结果表明,该模型可准确预测工业机器人轨迹精度,预测精度可达0.5 mm,且参考该预测结果进行误差补偿后,轨迹精度基本达到1 mm以内。     

AGPS中减小首次定位时间的方法

提出了一种在有辅助信息的定位系统(AGPS)中实现快速定位的方法,同时分析了本地时间精度和伪距误差对预测准确度的影响.仿真结果表明,在RTC偏差小于27秒、预测伪距偏差小于87千米的条件下该方法能够正确的预测和定位,TTFF达到1秒量级;在RTC偏差接近一分钟、预测伪距偏差接近200千米的条件下该方法能够正确的预测和定位,TTFF达到4秒量级.相比于一般的预测伪距方法,该方法容易实现,具有一定的实用性.     

人类运动轨迹距离计算方法

将场景中的人类行为以轨迹形式表征,引入五种计算方法衡量运动轨迹间距离,比较五种计算方法在计算轨迹间距离所耗的时间。利用多维标度技术(MDS)将五种方法得到的距离矩阵映射到二维空间中,通过人工标识MIT停车场行人路径数据,计算各类路径轨迹的类间、类内距离的均值和方差,衡量距离计算方法精度。并通过路径数据中的三类典型问题,比较计算方法在解决实际问题中的能力。实验表明,改进LCS应用于轨迹间距离计算,在时间消耗上最优,并且具有较高的精度,能很好的解决三类典型问题。     

集成电路扫描电镜检测中的二次电子分析器的计算机模拟

集成电路的扫描电镜检测和失效分析已日益显得重要,其中关键的部分是要设计性能良好的二次电子能量分析器,为此必须借助于计算机辅助设计。迄今为止发表的文献都是在大型机上进行辅助设计的。本文介绍为设计二次电子分析器编制的、可在微型机上运行的程序包的功能。程序包中包括用有限差分法求解静电场的程序,静电场可以是旋转对称的,也可以是平面对称的;用Runge-Kutta法或Hamming法计算轨迹的程序;形成绘图文件的程序;用绘图仪描绘等位线和电子轨道的程序。程序有很高的精确度,在640KB内存下,可用到多至16000个网格点。一般情形下可有0.5％—0.1％的精度。10000个格点迭代一遍约需15秒;电场无误差时,轨迹可有5位有效数字的准确度。一条轨迹走1500步约需1分钟。程序是完全通用的,使用者只需输入用自由格式编好的数据文件。描绘出的等位线和轨迹十分光滑。文中对程序的精度通过四极透镜和八极透镜等计算作了检验,并应用于平面对称型二次电子分析器的实际模拟,得出了其中复杂的等位线分布和典型的电子轨迹,并分析了集成电路表面上方的局部微场对电子轨迹的影响,得出了正确的、令人满意的结果。     

珠峰直播珠峰现场无线通讯的实践

一 设计方案 珠穆朗玛峰8848.13米。珠峰大本营5200米。两点的高度差约为3700米。在地图上看两点直线距离约15000米。加上高度差,在平原地区一般情况下用5瓦～25瓦无线中继台是能够覆盖的。但是由于珠峰地区特殊的地理环境,加之这次北坡登山活动行走的线路,在大本营出发后,行进约海拔5500米高度后,转向东进入东绒布冰川,是沿着东绒布冰川行进登顶珠峰,这样在海拔5500米后从大本营方向看基本上是被建设峰,尖兵峰,獐子峰等一系列高于7000米左右的山峰所阻,对U段频率信号形成一道天然的屏障,无线对讲信     

激光扫描的机器人运行轨迹高精度与实时性追踪

为提高机器人运行轨迹追踪的精度,提出了基于激光扫描的机器人运行轨迹高精度与实时性追踪方法。通过三次一维傅里叶-梅林变换运算,简化运算复杂度;利用角点特征提取策略,进一步精准定位机器人的运行轨迹;采用非极大值抑制策略处理所得角点函数,令各物理角点与角点特征一一对应;展开坐标标定,减小位置偏差与角度偏差;经无线网络传输运行轨迹数据至服务器终端进行数据融合,明确机器人轨迹坐标;引用卡尔曼滤波器处理融合后的坐标结果,降低机器人轨迹追踪偏差;在滤波处理阶段中选用分散滤波模式,应对机器人在水平与垂直方向上的弱耦合性。实验结果表明,本文方法对机器人的运行轨迹追踪与期望轨迹的误差平均保持在0.02 m以内,当期望轨迹呈大幅连续变化时,本文方法的稳态用时较短,在100 ms内即可调整回期望轨迹且整体偏差较为稳定,跟踪机器人运行轨迹的耗时平均为85 ms。     

混合交通下基于车联网的无线集群智能轨迹预测算法

5G网络是车联网(Internet of Vehicles, IoV)发展的关键一步,其低时延的特点可以实现自动驾驶车辆对前方实时交通信息感知的需求,为预先制动、提前绕行等驾驶行为提供参考。针对混合交通场景中手动驾驶车辆可能会出现的危险驾驶行为,基于长短时记忆(Long Short-Term Memory, LSTM)网络和无线集群学习框架,提出了一种基于车联网的无线集群智能轨迹预测(Swarm Learning-based Trajectory Prediction, SLTP)算法。SLTP算法以智能网联汽车为研究对象,在使用去中心化的无线集群学习保护用户隐私数据的同时,使用车车无线通信系统感知周边手动驾驶车辆的历史轨迹信息并给出轨迹预测。通过使用美国高速公路行车NGSIM(Next Generation Simulation)的真实交通数据集评估SLTP的轨迹预测准确性能,评估结果表明,与现有的基于LSTM网络轨迹预测方法相比,SLTP算法在同样的无线通信开销下对于周边手动驾驶车辆的轨迹预测误差降低了43.1%,表明SLTP算法在车联网场景下的轨迹预测应用中具有良好的鲁棒性和准确...