搜索结果: 1-15 共查到“工学 PhD”相关记录28条 . 查询时间(0.393 秒)
We invite submissions to the 2nd Annual PhD Conference on Real Estate and Housing, which takes place on May 17 – 18, 2018, in Columbus, OH. The purpose of the conference is to provide a platform for d...
2017年“通信网络建模”博士研讨会(2017 PhD Workshop “Modelling Communication Networks”)
2017年 通信网络建模 博士 研讨会
2017/4/1
Being a conference major experts join and present, it is a unique opportunity for PhD students to come to this conference, learn and discuss in the sessions of the conference and present and discuss t...
MULTI-TARGET DETECTION FROM FULL-WAVEFORM AIRBORNE LASER SCANNER USING PHD FILTER
Probability hypothesis density Full-waveform airborne laser scanner Multi-target detection
2016/11/11
We propose a new technique to detect multiple targets from full-waveform airborne laser scanner. We introduce probability hypothesis density (PHD) filter, a type of Bayesian filtering, by which we can...
基于箱粒子的多扩展目标PHD滤波
概率假设密度 多目标跟踪 扩展目标
2016/1/5
在高斯混合多扩展目标PHD 滤波的基础上, 结合最新兴起的箱粒子滤波, 提出一种基于区间分析的多扩展目标PHD 滤波算法. 采用大小可控的非零矩形区域来代替传统的多个点量测, 这样可降低权值计算中对量测分布的要求. 仿真对比实验表明, 采用区间分析方法在保证近似于传统滤波精度的同时可降低计算复杂度, 在目标数目估计及抗杂波干扰方面也具有较为突出的优势, 并且可解决在目标靠近时由于不能正确给出子划分...
自适应新生目标强度PHD滤波器(PHD-M)在目标漏检时易发生错估或漏估,从而导致滤波器估计性能下降.为解决这一问题,提出了一种新生目标强度未知的单量测(single measurement)PHD滤波器(PHD-SM)并给出了其粒子实现方式.该文首先通过构建一步虚拟量测对漏检目标进行补偿,然后基于单量测PHD分解技术推导了PHD预测和更新公式,最后设计了一种无须聚类操作的多目标状态估计方法.仿真...
自适应非线性GM-PHD滤波及在无源跟踪中的应用
高斯混合概率假设密度滤波 无源跟踪 高斯-厄米特求积分 噪声估计 滤波发散抑制
2016/8/16
首先针对无源传感器目标跟踪中的非线性问题,将高斯-厄米特求积分规则运用于高斯混合概率假设密度滤波,提出一种求积分卡尔曼概率假设密度滤波。其次,针对未知时变过程噪声,将基于极大后验估计原理的噪声估计器运用到概率假设密度滤波中,同时依据目标状态一步预测与状态滤波结果之间的残差,提出一种对滤波发散情况判断和抑制的算法。最后通过无源传感器双站跟踪仿真表明:相较于已有的非线性高斯混合概率假设密度滤波,所提算...
哈尔滨工业大学土木工程学院 Phd advisor Kim Rasmussen professor
哈尔滨工业大学土木工程学院 Phd advisor Kim Rasmussen structural stability
2013/4/25
Kim Rasmussen,Male,professor, Phd advisor 。structural stability, steel structures, stainless steel structures aluminium structures, thin-walled structures, structural testing, forensic engineering。
高斯厄米特粒子PHD被动测角多目标跟踪算法
目标跟踪 概率假设密度 高斯厄米特滤波
2013/5/31
针对传统粒子概率假设密度(probability hypothesis density, PHD)滤波跟踪被动多目标时,估计精度不高,且存在粒子退化,容易导致滤波器发散的问题,提出一种新的被动多目标跟踪算法——高斯厄米特粒子PHD滤波算法。该算法采用一族高斯厄米特滤波产生的高斯分布拟合更优的重要性密度函数,充分考虑了当前时刻的最新量测,并将该方法融入高斯混合粒子PHD(Gaussian mixtu...
针对传统异步多传感器航迹合成算法存在计算量大及航迹丢失等问题,提出了一种基于概率假设密度(PHD)的多目标航迹合成算法。将监测区域划分为单传感器区域、多传感器交叉区域以及探测盲区3类。在随机集理论框架下,推导了3类区域的多传感器多目标PHD递推式,并给出了区域之间航迹初始和航迹维持方法。最后推导了线性高斯条件下各区域PHD航迹合成递推式的闭集解。仿真实例表明,相比乘积多传感器PHD算法,该算法能有...
改进的多模型粒子PHD和CPHD滤波算法
多模型 粒子滤波 概率假设密度滤波 机动目标跟踪
2012/3/16
多模型粒子概率假设密度(Probability hypothesis density, PHD)滤波是一种有效的多机动目标跟踪算法, 然而当模型概率过小时,该算法存在粒子退化问题,而且它对目标数的泊松分布假设会夸大目标漏检对其势估计的影响. 针对上述问题,本文提出一种改进算法. 该算法并不是简单地对模型索引进行采样, 而是用粒子拟合目标状态的模型条件PHD强度, 在不对噪声做任何先验假设的前提下,...
一种改进的多传感器粒子PHD滤波近似算法
多传感器 多目标跟踪 随机有限集 概率假设密度滤波
2013/5/20
概率假设密度(probability hypothesis density, PHD)滤波是一种有效的多目标跟踪算法。传统的PHD滤波只适用于单传感器,多传感器PHD滤波虽然理论上可行,但计算复杂度过高,实际中只能对其进行近似处理。迭代更新近似算法虽然简单易行,但滤波结果与参与更新的传感器顺序有很大关系,而乘积形式的多传感器PHD滤波近似算法由于存在缩放比例失衡问题,无法应用于工程实际。针对以上问...
航向角辅助的高斯混合PHD模糊滤波方法
多目标跟踪 概率假设密度滤波 求容积卡尔曼滤波 航向角
2013/8/19
为了更好的解决目标数未知或随时间变化的多目标跟踪问题, 针对高斯混合概率假设密度滤波器(GMPHD)的局限性,提出了非线性条件下的航向角辅助的GMPHD滤波算法。本文给出采用测量数据计算航向角的方法,将航向角与观测向量组成复合观测向量,在跟踪过程中提高了对目标位置的估计精度;利用测量数据生成新目标密度,提高了目标数的估计精度;同时,本文在非线性高斯条件下,将求容积卡尔曼滤波(CKF)引入计算目标状...
基于改进的PHD粒子滤波的多目标跟踪技术
多目标跟踪 概率假设密度滤波 粒子滤波 门限
2013/8/19
有限集统计学(FISST)理论将任意时刻目标状态的集合视为多目标集值状态,而相应的传感器观测值集合被视为多目标集值观测。通过随机有限集建模并利用集合的微积分运算可推导出最优多目标贝叶斯滤波器。然而由于涉及集合微积分运算,最优多目标贝叶斯滤波器的运算量极大。概率假设密度(PHD)滤波器是最优多目标贝叶斯滤波器的一阶矩近似,可以实现在关联不确定、目标数目未知或变化情况下的多目标状态估计。相比于最优多目...