通信受限时传感器管理方法研究

在通信受限的情况下,如何进行传感器的管理以满足多目标的跟踪需求,优化完成跟踪任务.针对这一问题,对通信受限这种情形进行了描述,提出了数据获取概率的概念;利用扩展卡尔曼滤波和序贯卡尔曼滤波推出了序贯扩展卡尔曼滤波算法;结合信息论传感器管理方法和协方差控制传感器管理方法的优缺点提出了一种新的传感器分配准则.对比仿真实验表明,这种新的传感器管理方法能对传感器进行良好的管理,减小通信受限所带来的干扰;相比传统的传感器管理方法,传感器分配更为合理.     

一种新的基于邻接矩阵的拓扑排序算法

为了降低基于邻接矩阵的拓扑排序算法的复杂性，将单顶点算法框架扩展成集合算法框架，给出一些便于进行拓扑排序的有向无环图的性质。在此基础上，定义了适合进行弧删除操作和无前驱顶点判断的邻接矩阵运算，给出了有向弧邻接矩阵的存储方案，最终提出了一种时间和空间复杂度都比较低的拓扑排序算法。     

挑耳结构火灾后加固处理

江苏省盐城市某商场遭受火灾后，我公司负责该工程修复。在修复过程中发现，原高度为1m安放预应力180mm大孔板的异形梁的挑耳，火灾后多处裂缝，而且少数部位混凝土已经脱落。经专家鉴定，该异形梁挑耳处理后可以继续使用。我们针对这一情况采取了保留原钢筋、重新浇筑挑耳混凝土并用角钢加固的方法来保证该挑耳能继续安放楼板。     

基于匹配度量矩阵扰动校正的多对一匹配判决

对于不同分辨率传感器观测之间的匹配问题,传统的一对一匹配判决算法已不再适用.为此,提出了一种新的匹配判决算法——基于匹配度量矩阵扰动校正的多对一匹配判决算法.建立了匹配度量矩阵的扰动模型,通过扰动校正进行匹配判决并估计匹配解的质量.考虑到实际的匹配问题中难以获得关于扰动参数的先验知识,采用一组匹配门限进行匹配判决,取其中质量最高的匹配解作为最终的匹配解.仿真实验验证了所提算法的有效性.     

基于局部匹配和全局验证的辐射源匹配方法

针对检测概率较低、开关比较频繁情况下的辐射源匹配问题,给出了一种有效的解决方法.该方法将辐射源群的测量集合看作带有特征信息的点模式,并采用了局部匹配和全局验证相结合的策略:首先通过局部匹配找出一组局部匹配子集对,然后将所有局部匹配子集对聚合成一对全局匹配子集,最后对该全局匹配子集对进行验证并得到最终的匹配结果.考虑到辐射源位置偏差较大、特征不具有排他性等现实情况,在匹配过程中综合利用了辐射源的位置和特征信息.仿真实验数据显示,文中方法的正确匹配率明显高于现有方法,从而证实了该方法的有效性.     

视频监控系统摄像头安装现状及最优方案研究

现阶段,视频监控系统的摄像头安装工作具有重要的社会意义,不仅可以提高公共场所的安全管理水平,还可以促进良好社会秩序的建立。但是在很多场合中,视频监控系统摄像头的安装都存在一系列的问题,大大降低了其监督管理的力度。本文主要分析了视频监控系统摄像头安装的现状与问题,并根据实际经验提供了最优化的安装方案,以期能够为相关的实践提供些许理论依据。     

一种改进的分布式弱目标检测前跟踪算法

针对融合粒子权重的计算实现和传感器局部粒子间融合对应关系的确定问题,本文提出了一种改进的基于粒子滤波的分布式检测前跟踪(PF-DTBD)算法.算法重新推导了融合粒子权重的计算公式,得到一个近似计算式,保证计算结果正确的同时简化了计算;设计了一种基于Gibbs采样的参数估计算法解决了多传感器局部粒子间融合对应关系的确定;依据融合粒子权重与传感器局部粒子权重间的关系引入了结合序贯概率比检验和固定样本长度似然比检验的弱目标检测算法,明确实现了弱目标的检测.与单传感器处理的仿真试验对比,验证了本文算法的有效性,降低了弱目标检测时延,提高了状态估计精度.     

态势估计中一种基于概率时间网络的时间推理方法

分析了时间推理在态势估计系统中的重要作用,介绍了时间区间理论.通过对态势估计系统中事件的分析,对相互排他过程和完备相互排他过程进行了建模.利用概率时间网络,对完备相互排他过程进行时间推理,并以一个具体的实例,对此过程进行了说明.     

基于贝叶斯网络的态势估计方法

分析了态势估计的主要功能,提出态势估计系统以事件检测为核心和起点。分析了使用贝 叶斯网络进行态势估计知识表示问题,并对态势估计中的时空知识表示进行了探讨,提出了构建贝叶斯 网络进行态势估计的步骤,分析了态势估计系统事件的层次。给出一个具体的实例,演示了使用贝叶斯 网络进行态势估计的过程。     

非线性参数估计中的观测集预处理技术

非线性参数估计模型中,若系统的可观测度较弱,被估计参数相互耦合,那么参数的估计精度不仅与随机观测噪声有关,与系统的可观测度也有着密切的关系。该文提出一种观测集预处理方法,依据可观测度指标对观测数据进行筛选,然后利用筛选集对参数进行估计。以雷达的系统误差估计为例,使用筛选集估计雷达的系统误差,比直接使用原观测集估计所得结果更为精确。