排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
提出了基于模糊聚类原理的多雷达与自动相关监视(Automatic Dependent Surveillance,ADS)数据融合的方法,该方法利用模糊C-均值聚类算法计算航迹关联的隶属度,通过直接将ADS的估计航迹作为聚类中心,避免了聚类划分的迭代运算,使算法十分方便,实验分析表明,该方法能够得到可靠的航迹关联性能. 相似文献
4.
基于分布式多传感器航迹融合系统,采用小波神经网络(Wavelet Neural Networks,WNNs)理论,研究了自动相关监视(Automatic Dependent Surveillance,ADS)与多雷达信息的航迹融合问题。以位置方差权重因子和报告周期权重因子构建WNNs,并实时估计各航迹信息的可信度,融合输出综合航迹。仿真结果表明,该算法对航迹的融合结果优于互协方差融合等算法,并具有更强的鲁棒性,有效提高了监视能力的完整性。 相似文献
5.
6.
在研究静态汽车牌照定位算法的基础上,利用时间序列多帧图像信息量大的优势弥补以往单幅图像牌照定位的不足,研究了视频序列下的汽车牌照定位方法.针对静态图像的牌照定位问题,提出了一种新的基于字符边缘特征和神经网络的汽车牌照定位算法.将上述定位算法应用到视频单帧图像中的牌照定位,并依此为基础,在动态视频序列中,对连续抽取的帧图像进行定位检测,各得到若干候选牌照区,比较相邻帧之间对应候选区的匹配程度,以得到真正的牌照位置.实验结果表明,该方法的定位精度高,实用性强. 相似文献
7.
1