一种极坐标下基于高斯过程的扩展目标跟踪方法

对于使用雷达系统的扩展目标跟踪,通常将原始测量值从极坐标转换为笛卡尔坐标,然后馈入估计器.但其转换测量期望值在目标真实方位上存在偏差.另外,测量误差协方差的计算取决于实践中不可用的真实状态.针对这一不足,本文提出了一种在概率数据关联框架下基于高斯过程的扩展目标跟踪方法.该方法首先,直接在极坐标中对测量函数进行建模,并求解出测量噪声协方差;其次,建立扩展目标的联合跟踪门对测量进行筛选,并获得测量新息;最后,计算关联事件概率并估计扩展目标的状态.仿真结果表明了该方法的有效性.     

跟踪尾流目标的概率数据关联方法

提出了一种针对尾流目标的跟踪方法。传统的跟踪方法对具有尾流的目标通常会被尾流干扰,无法将源于尾流的量测值与真实的目标进行正确关联,容易产生目标丢失或者失跟的情况。该方法将目标尾流作为一种特殊杂波,推导出带有尾流目标的概率关联系数,对目标量测值进行数据关联。仿真结果表明,与标准概率数据关联跟踪方法相比,提出的新的数据关联方法可以有效地减少目标失跟的情况,逐渐增大量测噪声,该方法依然保持低失跟率。     

一种基于云模型的不确定性数据的建模与分类方法

不确定性是数据的本质特征,它的产生可能来自于样本误差、更新延迟或重复测量等,对不确定性数据的分析在越来越多的领域得到了关注。传统的不确定性数据的数据项被表示成一个值域及其上的概率分布函数。由于不确定性数据存在模糊性与随机性,传统的概率分布函数难以准确定义不确定性数据的实际分布,因此利用云模型中云滴的分布提出一种不确定性数据的云建模过程,并通过云综合与云相似度计算来实现不确定性数据的分类。云模型能有效地将数据的随机性与模糊性融合在一起,能更真实地反映数据的实际分布,从而实现有效的数据分类。实验结果也证明了此种方法的有效性。     

测向交叉定位及数据关联技术研究

针对测向交叉定位系统研究了目标定位方法及多目标测量数据关联问题.给出了不同的目标位置求解方法,计算了不同方法目标定位精度,并对定位方案的选择提出了建议.提出了基于不变量的目标同一性识别方法,同时也分析了基于残差的数据关联方法,通过数字仿真对比了这两种方法的数据正确关联概率.仿真结果表明:基于不变量的新方法正确关联概率与基于残差的数据关联方法相当,但计算量远小于后者.     

基于mean-shift算法的目标跟踪方法

针对雷达多目标跟踪提出一种基于mean-shift[算法的目标跟踪方法.首次将mean-shift的方法应用于目标的数据关联,找出源于目标的观测值后对其进行Kalman滤波,从而估计出目标运动的轨迹,实现目标跟踪.MST跳出传统思维框架,首次利用概率密度分布的不同来区分服从不同参数分布的数据,从整体上对观测数据进行整合再结合最邻近法完成数据关联,该方法具有计算速度快,跟踪效果好的特点.     

两种典型情况下的多目标航迹关联方法

针对多目标测量雷达航迹关联中普遍存在的目标变换和目标重复两类典型问题，提出双向带密度控制的多项式检验和基于弹道动力学外推的雷达测元比较方法，有效解决了多目标雷达测量时一段连续航迹跟踪目标不唯一和对同一空间目标多次重复测量的技术难题，改变了完全依赖人工拼接测量数据完成多目标航迹关联的现状。实践结果证明该算法简单适用，便于工程实现，可极大地提高多目标航迹关联的准确度，缩短数据处理周期，对完成目标空域分布测量、目标识别等突防效果分析与评估具有重要价值。     

基于信息散度的多无源传感器数据关联

针对多无源传感器多维分配数据关联模型在构造关联代价时, 未充分考虑位置估计不确定性所引入的误差问题, 提出一种基于信息散度的数据关联算法. 将伪量测信息的概率密度函数与真实观测数据的最大后验概率密度函数之间的差异性信息作为关联代价, 并分别采用Kullback-Leibler 散度和对称Kullback-Leibler 散度来量化该差异.仿真分析结果表明, 该算法具有良好的关联性能, 其关联代价能更精准地反映数据关联的可能性程度.

     

基于平均值迭代的多目标数据融合算法

针对多平台多目标量测数据的通信、量测等方面的不确定性,提出了一种基于平均值迭代法的多平台集中式数据融合算法。该方法首先采用最近邻法进行多平台多传感器数据关联,进而利用关联后数据的平均值循环迭代更新测量数据中的最大、最小值,直到满足规定的精度要求,从而实现多平台多传感器数据融合。避免了一些传统算法的复杂计算过程,提高了计算速度,且能满足融合结果的精度需求。通过仿真实例,验证了该算法的可行性和有效性。     

基于库水位的坝体安全等级的可能性分析方法

针对库水位与尾矿坝安全等级的复杂对应关系,利用可能性理论将两者的模糊关系量化,并提出了一种基于库水位的尾矿坝安全等级的分析方法,通过构造库水位关于各安全等级的隶属函数、测量数据关于安全等级的可能性分布函数,计算测量数据关于各安全等级的信任匹配度,从而判断出尾矿坝当前的安全等级。通过实验仿真验证了该方法的有效性。     

融合多特征信息的联合概率数据关联算法

针对传统联合概率数据关联(JPDA)算法仅利用传感器状态测量信息的不足,提出了一种融合目标多种特征信息的改进JPDA算法。该算法首先根据各种特征信息和目标之间关联度的定义,计算出各种特征信息的测量值与目标之间的关联度矩阵,然后利用D-S证据理论融合状态测量和多种特征信息,最后用融合后的关联概率修正JPDA算法得到的关联概率,以此对目标的状态进行更新。仿真实验表明,与原有的JPDA算法相比,所提改进算法的跟踪误差可降低约27至60个百分点。     

飞灰含碳量的预测与测量不确定度的评定

由于传统人工灼烧失碳法对飞灰含碳量的测定存在严重滞后锅炉燃烧实际工况的问题,结合人工灼烧失碳法的测量原理和测定过程,将加灰量和灼烧失碳量作为数据点,采用最小二乘法拟合,建立飞灰含碳量的预测模型。此外,为了确保飞灰含碳量测定结果的准确可靠,逐项分析测量过程中的不确定度来源,根据测量不确定度的基本方法和程序,建立飞灰含碳量测量不确定度评定的数学模型,重点探讨最小二乘法拟合、质量称量、重复性测量引入的标准不确定度,合成不确定度和扩展不确定度。结果表明,飞灰含碳量的测定值和预测值两者的相关性强(相关系数为0.632)。当加灰量为1.5g时,灼烧失碳量的预示值为0.0687g,飞灰含碳量的预测值为4.58%,计算得出合成不确定度为0.0032g,扩展不确定度为0.0064g,验证了该方法的可行性和有效性。     

重复动态测量数据不确定度的灰色加权评定方法研究

为提高动态测量不确定度评定的准确度,基于灰色关联分析理论,提出了一种动态测量不确定度的灰色加权评定新方法.此方法通过灰色加权序列体现动态测量序列不同采样点的分散性,采用最大残差区间来表征数据的最大分散区间,再利用灰色加权序列对最大残差区间进行概率加权,将加权结果作为标准动态测量不确定度.经试验分析,灰色加权评定方法可较好地评定动态测量数据的不确定度,且计算量小、评定准确度高,适合处理小样本动态测量数据不确定度评定问题,具有较高的实用价值.     

基于MATLAB的直线度测量不确定度评定程序设计

形位误差测量不确定度评定由于其测量的复杂性和测量结果评定的多样性,导致在实际测量结果中形位误差测量的不确定度评定成了难题;尤其是测量点较多,测量数据难以处理,处理结果的准确性难以保证;为此,根据直线度测量不确定度的评定过程对其进行了评定程序的设计,在程序命令的提示下,输入测量值便可得到直线度误差,输入单点测量不确定度便可得到直线度测量不确定度;该程序根据测量不确定度常用的GUM法和蒙特卡罗法思想进行设计,可得到两种不同的评定结果,不受测量点的多少、测量数据的复杂程度等因素影响;通过数据验证,程序可靠准确,为直线度测量不确定度评定提供了便捷、高效的数据处理方法;通过测量数据验证,该程序准确可靠,具有一定的实际应用价值和推广意义。     

Mining fuzzy association rules from uncertain data

Association rule mining is an important data analysis method that can discover associations within data. There are numerous previous studies that focus on finding fuzzy association rules from precise and certain data. Unfortunately, real-world data tends to be uncertain due to human errors, instrument errors, recording errors, and so on. Therefore, a question arising immediately is how we can mine fuzzy association rules from uncertain data. To this end, this paper proposes a representation scheme to represent uncertain data. This representation is based on possibility distributions because the possibility theory establishes a close connection between the concepts of similarity and uncertainty, providing an excellent framework for handling uncertain data. Then, we develop an algorithm to mine fuzzy association rules from uncertain data represented by possibility distributions. Experimental results from the survey data show that the proposed approach can discover interesting and valuable patterns with high certainty.     

Factor graph aided multiple hypothesis tracking

Since closely moving targets exist extensively in the ground moving target tracking, the uncertainty of data association greatly increases making the measurement-to-track association more difficult. Especially, traditional multiple hypothesis tracking （MHT） has high false tracking rate and track swap. This paper first investigates the measurement based factor graph in data association, and gives the corresponding message passing algorithm. Then, a factor graph aided multiple hypothesis tracking （FGA-MHT） method is proposed, which introduces factor graph based m-best hypothesis producing technique and exploits factor graph based probability refinement algorithm to reduce the uncertainty of measurement-to-track association. Experiment results demonstrate that FGA-MHT reduces times of track swap and increases the correct data association rate in closely moving target tracking.     

Data association using relative compatibility of multiple observations for EKF-SLAM

Correct data association is crucial to perform self-localization and map building for mobile robot. The nearest neighbor method based on the maximum likelihood is widely used. However, this algorithm has two problems, possibility of false association and spurious association. These problems happen more severely when the vehicle pose error is large and the covariance does not represent the uncertainty correctly. In this paper, a data association method which applies the concept of pairwise relative compatibility to the probabilistic data association problem is proposed. The proposed method handles the false and spurious association problems effectively. We prove its performance by the EKF-SLAM simulations and experiments and the results show that the proposed data association provides reliable data association.     

测量不确定度评定应基于误差理论

《测量不确定度指南》(GUM)因免用真值、不涉及误差等原因,曾导致一些学者将不确定度与误差对立起来,捋清测量不确定度评定与误差理论的关系,仍是当前值得论述的问题。本文从测量不确定度与真值和测量误差、测量不确定度评定方法与误差分类、测量不确定度评定与概率分布、合成不确定度与误差合成理论这几方面论述了二者间的重要关系,并根据误差理论发展情况,指出GUM应予扩展应用的若干问题。     

虚拟环境的间接测量不确定度评定与处理

间接测量的不确定度评定集中了诸多难点,由于方法和计算的困难,其数据处理缺乏合适的解决方案。基于LabVIEW的集成化间接测量不确定度评定与处理系统,可在虚拟仪器环境下独立地实现直接测量和直线拟合的不确定度评定与数据处理,又可综合应用给出间接测量的不确定度评定及相关结果。系统处理问题全面,通用性和适应性好,有广泛应用价值。     

支持无线传感器网络多目标跟踪的聚类数据关联算法研究

多源数据关联问题是无线传感器网络中多传感器数据融合的关键技术之一。联合概率数据关联算法是一种 跟踪多目标的数据关联算法,它不需要任何关于目标和杂波的先验信息,但与其他有关数据关联算法相比,计算机开 销大。基于聚类算法的联合概率数据关联算法在联合概率数据关联算法的基础上,运用模式识别中的聚类思想对传 感器所接收到的量测数据进行聚类,减少有效量测的数目,从而简化了有效矩阵,减少了原有算法的计算量。     

一种软件工作量估算的不确定性度量方法

以COCOMO81模型为基础,结合模型输出方差以及模型与数据自身方差的组合,分别度量模型本身估算值与实际值差距的不确定性,并在此基础上给出预测区间。提出以命中率(SR)与平均相对宽度(MRV)相结合的评测标准。通过采用重采样获得N对训练和测试集合,计算不同置信度下区间SR和MRV的均值,运用SR和MRV的散点图比较不同度量方法获得区间。实验结果表明,该方法能以相同的命中率获得更窄的区间。