表征井间地层参数及油水动态的连通性计算方法

为研究井间连通性,利用注采数据建立了可模拟井间油水动态的新连通性计算模型。该模型对油藏注采系统进行了简化表征,将其离散成井与井之间的连通单元,每个单元由传导率和控制体积两个特征参数表征;基于连通单元通过物质平衡和水驱前缘推进方程进行井点压力计算和饱和度追踪,最终得出井点处的油水产出动态;在此基础上结合投影梯度算法通过拟合实际动态建立了模型参数自动反演方法。该模型相比传统连通性模型可以进行油水动态指标的预测、实时反映井间相互作用和连通状况、有效表征油藏井间地层参数。应用实例表明,其反演结果可靠,并与示踪剂测试结果吻合,进一步验证了该方法的有效性。     

基于星凸形随机超曲面模型多扩展目标多伯努利滤波器

针对复杂不确定性环境下具有不规则形状的多扩展目标跟踪问题, 提出了一种基于星凸形随机超曲面模型(Star-convex RHM)的多扩展目标多伯努利滤波算法.首先, 在有限集统计(Finite set statistics, FISST)理论框架下, 采用多伯努利随机有限集(MBer-RFS)和泊松RFS (Possion-RFS)分别描述多扩展目标的状态和观测, 并给出扩展目标势均衡多目标多伯努利(ET-CBMeMBer)滤波器.其次, 利用RHM去描述任意星凸形扩展目标的量测源分布, 提出了容积卡尔曼高斯混合星凸形多扩展目标多伯努利滤波器.此外, 本文给出了一种多扩展目标不规则形状估计性能的评价指标.最后, 通过多扩展目标和具有形状突变的多群目标的跟踪仿真实验验证了本文方法的有效性.     

运用自组织神经网络进行多目标跟踪的算法

总结了自组织神经网络的结构、训练方法;分析了在多目标跟踪问题中数据关联的重要性及传统的数据关联方法的局限性;研究了在多目标环境下运用自组织神经网络解决数据关联的问题。提出了一种基于自组织神经网络对多个目标实施跟踪的算法,此算法采用自组织神经网络的聚类功能对目标进行数据关联处理,并将经过卡尔曼滤波后的数据信息结合到神经网络的学习训练中。仿真实验结果表明此算法能在多目标环境下取得较好的跟踪效果。     

ECEF坐标系弹道导弹跟踪研究

针对单模型跟踪算法无法实现对弹道导弹连续精确跟踪的问题,提出了一种地心地固坐标系下弹道导弹全阶段连续跟踪的交互式多模型(IMM)算法。根据导弹不同飞行阶段的受力情况建立IMM算法的两个滤波模型集:助推段采用恒轴向力模型,中段、再入段采用被动段跟踪模型,两个模型都利用滤波精度高、数值稳定性较好的求容积卡尔曼滤波算法进行滤波。针对该IMM算法在混合估计过程中引入偏差的问题,采用无偏混合的方法,以两种典型的跟踪场景进行仿真校验,实验结果验证了该文算法的优越性。     

基于改进的核相关滤波器的长期目标跟踪算法

针对核相关滤波器跟踪算法在视觉目标跟踪中因遮挡产生的目标丢失后,无法重新准确地跟踪目标问题,提出一种基于GM(1,1)灰色预测模型和间隔性模板匹配的改进的核相关滤波器跟踪算法。实验结果表明,在复杂环境下,所提出的改进算法与传统的核相关滤波器目标跟踪算法相比,综合性能有很大的提高,与其他跟踪算法相比也有一定的优势。     

目标跨像元展宽“分裂”退化模型与检测研究

采用大规模红外探测器的遥感仪器对以恒星为主的点目标成像时,受点目标跨像元效应、探测器读出带宽不足等影响,目标信号展宽,在多抽头间隔采样下出现“分裂点”现象,空间红外遥感仪器定位精度、目标辨识能力下降。针对此问题,本文构建了点目标“分裂”退化模型,并根据分裂点之间的强相关性,设计了预检测-能量维度迭代-模型更新-后检测的目标检测流程,通过形态学滤波与多假设关联跟踪对“分裂点”目标各观测进行独立跟踪,获取“分裂点”统计信息。然后利用已知恒星成像的质心矫正退化模型并映射到检测图像,修正目标质心。测试结果表明,该方法能有效区分多目标和“分裂点”造成的假目标,平均定位精度由0.5像元以上提升到0.15像元内。     

基于多位姿标靶的激光跟踪姿态测量系统参数标定

基于激光跟踪的六自由度（6DoF）测量系统在大型设备生产、制造、装配等环节具有广泛的应用,其中姿态测量精度是实现高精度位姿测量的保障。为解决激光跟踪姿态测量系统在远距离大视场中的标定问题,提出一种建立在多位姿标靶上的系统标定方法。以基于相机的激光跟踪姿态测量系统为研究对象,介绍了该系统的组成及姿态测量原理;其次对系统姿态求解算法性能进行了分析,得出对系统标定精度的影响因素;并在此基础上提出一种基于空间多位姿标靶的系统参数标定方法,基于空间几何约束和最小二乘原理,实现了标定参数的最优求解;最后,搭建基于全站仪的激光跟踪实验平台,使用移动标定板构建立体标靶进行标定。实验结果表明：在3~15 m的测量范围内,采用本文标定方法的姿态测量精度相较于改进前可提升25.4%以上。该方法在远距离大视场测量中具有重要的应用价值。     

基于多特征融合的行人检测跟踪统计方法

为了避免传统方法行人过线统计的不足,提高视频中人数统计的适用性和有效性,提出了一种基于多特征融合的行人检测跟踪统计方法。首先,采用垂直拍摄的方式获取视频,利用Mean-Shift分割算法分割图像,根据发色信息和头部轮廓特征识别出人头目标区域;其次使用融合多特征的匹配算法对人头进行匹配跟踪;最后通过运动目标轨迹分析估算出监控区域内的人数。实验结果表明提出的算法在保证准确率的前提下,扩大了人数统计的适用性。     

多无人机模糊多目标分布式地面目标协同追踪

针对城市环境中多约束条件下多无人机协同追踪地面目标问题,综合考虑具有不同重要性等级的多个优化目标,提出了一种基于分布式预测控制的模糊多目标航迹规划方法.首先,考虑城市环境中建筑物对无人机视线遮挡、无人机和传感器能量消耗等因素,分别采用目标覆盖度、控制输入代价和开关量形式传感器能耗等为目标函数,将多无人机协同追踪航迹规划转化为多目标优化问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间的避碰约束,并结合最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化目标的不同重要性等级要求,利用模糊满意优化思想将目标模糊化,并根据更重要目标具有更重要满意度的原则,将优先等级表示为松弛满意度序,通过在线求解得到有限时域内每架无人机的局部航迹;与传统多目标加权算法仿真结果对比,验证了所提方法的有效性,充分说明了该方法能够获得同时满足目标优化和重要性等级要求的最优航迹.     

一种新的基于数值积分的粒子滤波算法

该文提出了一种新的用于非线性非高斯系统状态估计的粒子滤波算法。首先通过基于数值积分的差商滤波器产生重要密度函数,由于这些重要密度函数结合了最新的观测数据,这样采样得到的样本更接近于系统状态的真实后验概率,因此其性能优于标准的粒子滤波算法。最后给出了理论分析和仿真结果,验证了该算法的有效性。