粒子群算法在多传感器多目标跟踪的应用

多传感器多目标跟踪系统中,数据关联是其中的关键问题之一.它可以表述为多维分配问题,提出了基于粒子群优化算法的多维分配算法,它将多维分配问题中的目标代价函数极小化问题作为组合优化问题求解.通过在粒子群初始化步骤以及交叉和变异时充分考虑确认备选量测,缩小优化搜索范围,能较快找到最优解实现关联.在虚警和漏检、密集目标环境下,该算法应用于多传感器多目标融合系统仿真,结果表明所述算法在多目标数据关联中有较好的可行性和优越性.     

被动式多传感器数据关联的消元算法

针对被动式多传感器多目标数据关联，试图解决其计算量较大的部分——多维分配问题的求解，从而解决数据关联的实时应用问题。通过对分配问题的模型进行分析，结合矩阵变换，得到消元的几个定理，并结合计算机仿真分析，给出了一种消元算法。仿真结果表明，与传统的最优分配解法相比，这种方法没有遍历所有的可行解空间，计算量小，而又易于计算机实现。并且，该算法适用于任意维的分配问题。     

多普勒信息辅助的杂波环境下多目标跟踪算法

传统雷达目标跟踪方法仅利用目标的位置信息进行数据关联,在处理密集杂波环境下的多目标跟踪问题时,容易产生虚假航迹,甚至出现误跟、失跟的现象。该文针对此问题提出一种多普勒信息辅助的杂波环境下多目标跟踪算法。首先引入多普勒信息带来的观测方程非线性,以及速度观测与距离观测之间的相关性问题,基于IPDA-UKF算法框架,综合利用目标的位置和速度信息构建多维关联波门,利用多维信息进行有效量测的筛选,从而将一个多目标数据关联的问题转化为多个单目标数据关联的问题,然后采用IPDA-UKF分别估计各个目标的存在概率和运动状态。仿真结果表明:相比其他算法,该算法充分利用距离和速度之间的相关性,不仅降低了杂波环境下多目标数据关联的复杂度,提高了数据关联的效率,而且目标跟踪精度也得到了明显提升。     

基于链表的元规则制导的多维量化关联规则挖掘算法研究

基于栅格的量化关联规则挖掘算法在发现模式上是高效的,但是这些算法本质上面向低维数据,局限了其应用领域。推广基于栅格的概念,提出一个基于广义链表的,元规则制导的,直接从关系表中挖掘多维量化关联规则的算法。结果表明,此算法对数据规模的时间复杂度是线性的,对元规则维度的时间复杂度是对数线性的。     

基于串行处理的动态多维分配算法

提出一基于串行处理的动态多维分配算法,将静态分配问题推广到动态跟踪中,并给出了互联测量代表元确定、航迹起始、野关联剔除等关键问题的数学模型．仿真结果表明,该算法能够对多目标进行稳定的跟踪．     

基于航迹关联的一、二次雷达联合跟踪

该文针对一、二次雷达在杂波环境下多目标多传感器协同跟踪问题,提出了一种带二次雷达修正的基于航迹关联的一、二次雷达联合跟踪算法。该算法先通过一次雷达对敌友方目标和二次雷达对友方目标运用联合概率数据关联算法滤波跟踪得到航迹数据之后运用双门限航迹关联判定友方目标并撤消对友方目标的跟踪和利用二次雷达探测数据进行对敌方目标的高度信息进行自适应修正,通过蒙特卡洛仿真表明该算法在提高目标跟踪精度和减小处理器的运算量都是有效的。     

超密集组网多维资源联合调度

针对超密集异构网络的无线资源高效管理问题,提出一种多维资源联合分配方案。根据超密集网络C/U分离网络结构,建立能效与谱效权值和的目标优化函数。构造惩罚项,更新目标函数为无约束函数,采用分布优化和迭代搜索的策略进行求解。引入模拟退火算法与列文伯格功率分配循环迭代机制,对用户关联、子载波分配以及功率控制等多维资源进行分配,最终逼近全局最优解。仿真结果表明,模拟退火算法相比于贪心算法更易跳出局部最优陷阱,列文伯格算法对系统权重吞吐量的提升要优于平均功率以及注水算法。该方案能够进行多小区多维资源分配。     

基于谱聚类的多维数据集异常数据检测方法

针对多维数据集异常数据检测过程中未对多维数据集进行降维处理,导致多维数据集中异常数据检测精度较低、误检率较高、检测时间较长的问题,提出一种基于谱聚类的多维数据集异常数据检测方法。首先,通过拉普拉斯矩阵对多维数据集中的数据进行聚类,初步分类数据;其次,采用局部线性嵌入（LLE）算法对分类后的数据进行降维处理,用特征向量表达高维数据集,去除多维数据集中的冗余信息;最后,将处理后的多维数据集输入到支持向量机模型中,根据回归估计值的计算,完成异常数据的检测。实验结果表明,本文算法进行多维数据集中异常数据检测的精度更高、误检率更低,检测时间较短。     

基于图形的信息管理技术研究

基于图形技术的管理信息系统 ,使图形技术和数据信息关联起来 ,使二维的纸张信息向多维的空间信息发展。最终可以实现图形与数据的双向查询。拓宽了图形技术的应用领域 ,丰富了管理系统的表现形式     

GPU加速的航迹关联改进蚁群求解算法

分布式信息融合系统中,航迹关联问题可转化为多维分配进行求解,现有的求解方法存在着收敛速度慢、求解代数多的缺点,难以满足实时性要求。鉴于此,提出了一种GPU加速的改进蚁群求解算法。首先,运用灰色理论建立航迹关联多维分配问题模型;其次,蚁群算法求解过程中,通过选择最大灰关联系数邻域内的状态估计对搜索列表进行更新,缩小蚂蚁的搜索区域,并采用狼群分配原则更新信息素,避免了搜索陷入局部最优;最后,采用GPU加速的并行策略进行求解。仿真结果表明,一个关联周期内,10步迭代之内该算法的关联正确率可达90%以上;GPU加速的并行求解策略能够提高求解效率,且随着问题规模的增大,加速效果越明显。     

一种二维元胞自动机图像并行加密算法

本文给出一种在二维离散小波分解(DWT)基础上,应用二维元胞自动机并行对数字图像进行加密算法。该并行算法使用小波变换将加密的数据集中到图像数据的低频系数上,大大地减少了需要加密和解密的运算量。同时,算法自动根据CPU的核数进行并行任务的分配,能充分利用二维元胞自动机良好的并行特性,进行快速加密。仿真试验结果证明了该方法的有效性,分析表明该算法具有高效、密钥空间大的特点,且具有一定抵抗恶意攻击的鲁棒性和抗统计攻击的能力。     

最小二乘支持向量机的参数优化算法研究

该文针对最小二乘支持向量机的参数优化存在的问题,提出交叉验证的最小二乘支持向量机的参数自调整优化算法,用非线性测试函数的数据进行训练,并用于水下FCAW熔深多信息在线监测。最后把最小二乘支持向量机与传统的BP网络预测结果进行比较,结果证明,该模型的预测精确度是令人满意的,该文提出的方法是可行的。     

基于多相似度的条件密度手势识别跟踪算法

基于视觉的人手跟踪在智能人机交互中吸引越来越多的注意。该文提出一种基于粒子滤波的多相似度计算的条件密度跟踪算法。该算法主要对于非刚体运动的运动目标的输入、输出状态矩阵维数进行了降维。通过对每一粒子中的位置参数分别进行相似度验证从而显著地减少了状态矩阵的维数如旋转角度、倾斜程度等。实验数据表明,此算法能有效地对人手进行跟踪。     

TSK模糊逻辑系统混合学习算法的进一步研究

对TSK模糊逻辑系统的混合学习算法作了进一步研究。根据结论参数总可由前提参数通过最小二乘法确定的特点,提出将其看作是只依赖于前提参数的一个系统,学习也因此可看作是只以前提参数为变量的一个优化问题。这降低了问题的维数,有利于减少计算量,改善收敛性。对这一问题应用梯度优化,等价于采用一次BP迭代与最小二乘的混合学习算法;应用拟牛顿优化,可导出有效的拟牛顿学习算法。对应用各种高级优化技术的学习算法,这一观点也是有指导意义的。     

基于线性双曲线模型的车道线检测算法

提出了一种适用于智能驾驶辅助系统的车道线检测算法。为了克服传统的车道检测算法中Canny边缘检测算子对阴影及光照变化较为敏感的缺点,该文对灰度图像进行二维FIR滤波之后,采用大津法实现可靠的车道边缘检测;然后利用Hough变换初步获得车道中线及消失点坐标,在此基础上采用Mid-to-Side策略进一步从边缘图像中提取车道的边界点,最后采用最小二乘拟合方法获得车道的线性双曲线模型。在各种复杂道路环境下的实验结果显示了该算法的鲁棒性和准确性。     

基于奇异值分解的二维工程图水印算法

该文提出了基于奇异值分解的二维工程图水印算法,通过提取工程图端点坐标并进行奇异值分解,在除最大的值上进行水印信息的嵌入,有效提高了水印信息的强壮性,由于奇异值分解自身的特性使得水印信息的添加不会对工程图产生视觉冗余,实验结果表明算法达到了比较好的视觉效果,能够抵抗常见的攻击。     

网络控制系统新的时滞相关稳定性准则

该文考虑具有网络诱导延时和数据丢包现象的网络控制系统稳定性问题。通过引入一种新的界定方法,给出了一个保守性更小的稳定性结果。数例验证了该文结果的有效性。     

求解线性规划的亏基单人工变量大M算法

该文提出了求解线性规划问题的一种有效算法-亏基单人工变量大M算法。新算法主要建立在亏基思想的基础进行,不单只需引进单人工变量且是一阶段的,在此基础上研究了如何提前判别原问题的不可行性。理论和实例的结果都表明可以提高计算的效率。     

基于被动声纳探测网络的空间配准算法

该文针对被动声纳组网后,其探测范围和探测精度都比单个声纳系统有较大改善,但探测网络中常常存在系统和随机误差,如若不进行处理,则会严重影响组网的探测性能。该文在忽略模型线性化误差的情况下,通过一阶Taylor展开,将观测方程线性化,得到系统误差估计的数学模型,从而利用广义最小二乘算法求出系统误差。之后再对原始测量数据进行误差补偿,修正被动声纳的固有偏差,提高被动声纳探测网络的定位精度。