基于Transformer复杂运动辨识的机动星凸形扩展目标跟踪方法

针对复杂的机动扩展目标跟踪问题,利用Transformer网络设计了一种有效的星凸不规则形状机动扩展目标跟踪方法。首先,该文研究利用alpha-shape算法建立了星凸形状的变化模型,实现了静态场景下的星凸形扩展目标的形状估计。然后,通过对目标状态转移矩阵进行重新设计,结合Transformer网络对机动扩展目标运动状态转移矩阵进行实时估计,实现了对复杂机动目标运动过程的精准跟踪。进一步地,将估计得到的形状轮廓与运动状态进行融合,最终实现了对星凸形机动扩展目标的实时跟踪。最后,通过构造复杂的机动扩展目标跟踪场景,利用多重性能指标测试算法对形状和运动状态的综合估计性能,验证了算法的有效性。

基于随机超曲面模型的机动星凸形扩展目标跟踪

针对具有强机动性的扩展目标跟踪问题,不仅需要估计目标的运动状态,还要准确识别目标机动过程中的形状变化。由于目标机动和模型的复杂所导致的高维非线性问题,提出了一种基于随机超曲面模型的扩展目标方向自适应跟踪算法。通过使用输入估计检测器对目标机动进行判断,再利用目标机动的大小修正形状参数的先验,其次基于先验信息更新量测,并结合无迹卡尔曼滤波算法,实现对机动扩展目标的状态跟踪和形状识别。利用均方根误差和quasi-Jaccard距离分别对目标质心位置的跟踪质量和形状的跟踪性能进行评价。仿真实验结果证明了该算法的有效性。

平面星体的一类Green-Osher不等式

基于文献[4]的研究,利用平面星体和对偶混合体积的性质证明了平面星体的一类Green-Osher不等式,并得到了该不等式等号成立的充要条件是两平面星体位似。

STAR-RIS辅助无线供能通信网络的优化

提出一种基于可同时透射和反射的可重构智能表面(STAR-RIS)辅助的无线供能通信网络,其中两个传感器节点组(SNG)利用供电站(PS)的无线能量信号采集能量,并利用所获取的能量将其信息发送至接入点(AP). STAR-RIS部署在两个SNG的中间,为无线能量和信息传输提供帮助.通过联合优化STAR-RIS的相移参数和通信资源分配以实现系统吞吐量最大化.由于优化问题的非凸性,采用块坐标下降法对问题进行求解.通过引入辅助变量并利用连续凸逼近和罚函数等方法将原问题转化为凸问题进行求解.实验结果表明,提出的通信方案可以为系统提供更高的性能增益.

水平集高斯过程的非星凸形扩展目标跟踪算法

针对复杂环境下的非星凸形不规则形状扩展目标跟踪问题,该文提出基于能量泛函的水平集高斯过程扩展目标跟踪算法。首先,利用水平集随机超曲面模型(Level-Set RHM)通过多边形方法对形状内部进行建模。然后,用高斯过程(GP)学习Level-Set建模输入与输出的非线性映射关系,以求得边界函数最大值,并进一步推导Level-Set与GP相融合的非线性量测方程。在最优非线性滤波的框架下,最终推导得到水平集高斯过程(Level-Set GP)算法,并利用面积差作为不规则形状扩展目标形状估计的评价指标。仿真实验表明了所提算法对非星凸形不规则形状扩展目标形状估计的有效性。

基于联合似然函数的多扩展目标广义标签多伯努利滤波器

高分辨率雷达监视系统可观测到区域内不同形状的多个扩展目标,可靠的形状估计有利于提高扩展目标跟踪性能,并可作为战场态势评估的重要依据。该文针对不同形状多扩展目标跟踪问题,提出一种基于联合似然函数的广义标签多伯努利(JL-GLMB)滤波器,可实现目标数目、航迹以及形状的精确估计。首先,将目标形状建模为星凸集,并利用非线性量测变换滤波器更新GLMB分布中的高斯分量,有效提高扩展目标状态估计精度。然后,通过对数加权融合策略,构造联合似然函数,综合衡量扩展目标和量测单元之间的相似程度。最后,基于吉布斯采样,提出快速计算扩展目标状态后验概率密度的方法,有效提高数据关联的准确率和计算效率。仿真实验结果表明,所提滤波器能够有效估计不同形状的多扩展目标状态,且在杂波环境下具有稳定的势估计。

卷入特定积分算子的双单叶函数类q­-相似体的泛函不等式

本文研究在开单位圆盘中与参数α,β有关的一类积分算子I^(α)_(β)f(z),首先根据解析函数从属原理定义与该积分算子和q导算子有关的双单叶函数类H^(λ)_(Σ)(ϕ)和L^(λ)_(Σ)(ϕ),然后估算这两类双单叶解析函数的系数a_(2)和a_(3)的上界,并且得到相应的Fekete-Szegö不等式.

基于星凸RHM的扩展目标SMC-PHD滤波

扩展目标跟踪与传统目标跟踪不同,不仅需要对目标的运动状态进行跟踪,同时对于目标的外形特征也不能忽略。针对扩展目标跟踪过程中存在的外形拟合和非线性的问题,提出一种基于星凸随机超曲面模型(RHM)的扩展目标序贯蒙特卡洛概率假设密度滤波(SMC-PHD)算法。该算法运用星凸RHM对扩展目标量测源建模,在SMC-PHD的框架下,推导出非线性滤波算法的量测似然表达式和更新方程,实现扩展目标跟踪。仿真结果证明,所提算法的跟踪性能较其他滤波对于目标扩散程度和质心估计均有提高。

凸多边形星图识别算法

为解决星敏感器中较大视场快速、可靠的星图识别,提出了以凸多边形为基元、完全不依赖于星等的星图识别算法。对给定的视场,挑选其中较亮的恒星,依其坐标排序,然后采用由平面上的点生成凸多边形的算法,就能得到唯一的、以恒星为顶点的凸多边形。为验证星图识别算法的有效性,建立了导航星数据库,其储存单元为凸多边形的边和相邻边的夹角,共有3832个边数不等的凸多边形。在CPU为33MHz 的PC104上仿真结果表明:在任意视场中,生成凸多边形的时间小于5ms,基于凸多边形的星图识别成功率高于99%,并具有较强的鲁棒性。

高斯过程回归的CPHD扩展目标跟踪

针对现有扩展目标跟踪算法中,形状估计复杂,在考虑漏检及杂波情况下目标跟踪精度不高等问题,提出了一种基于高斯过程回归的伽玛高斯混合势概率假设密度扩展目标跟踪算法.该算法采用星凸模型对目标进行建模,在伽玛高斯混合势概率假设密度滤波器对扩展目标运动状态估计良好的基础上,利用高斯过程回归对目标形状进行估计,实现了对扩展目标的有效跟踪.实验仿真表明,所提算法能够对目标的运动状态进行高效跟踪,且在扩展形状的估计精度、计算速度等方面要优于基于星凸随机超曲面的伽玛高斯混合势概率假设密度滤波器.

高斯过程回归下的多机动扩展目标跟踪

针对现有多机动扩展目标跟踪算法中形状估计复杂,在考虑杂波的情况下目标跟踪精度不高等问题,提出了一种高斯过程回归下的多机动扩展目标跟踪算法.该算法采用星凸模型对目标进行建模,在单机动扩展目标跟踪算法的基础上引入多目标跟踪算法中的权值参数以实现对多目标的处理,同时利用高斯过程回归对目标形状进行估计.实验仿真表明,所提算法能够对同一场景下多个不同形状的机动扩展目标进行有效跟踪,并且在计算速度、估计精度等方面要优于传统非椭圆机动扩展目标跟踪算法.

基于星凸随机超曲面的扩展目标伽马高斯混合势概率假设密度滤波器

针对杂波和检测不确定情况下扩展目标形状估计精度低的问题,提出了一种基于星凸随机超曲面模型(SRHM)的扩展目标伽马高斯混合势概率假设密度(CPHD)滤波器.该算法在高斯混合概率假设密度滤波的框架下,首先将目标形状建模为星凸随机超曲面,然后通过CPHD滤波估计出目标的质心位置和目标数目,最后通过将已估计的目标质心位置作为目标形状的中心点来结合量测对目标形状进行估计.其中,算法通过自适应估计尺度变换因子对形状边界进行约束优化,解决了星凸随机超曲面模型存在的边界形状不规则的问题.设计扩展目标个数未知以及含有杂波的实验场景,实验结果验证了该算法的有效性和可行性.

基于星-凸形随机超曲面模型的扩展目标GM-PHD滤波器

针对扩展目标联合估计运动状态和目标外形的问题,提出一种基于星-凸形随机超曲面模型的扩展目标高斯混合概率密度滤波算法。该算法利用星-凸随机超曲面模型对量测的扩散程度进行建模,在高斯混合概率假设密度的框架下,通过求解、更新递推量测模型下的量测似然、新息等参数来实现对扩展目标的跟踪。仿真实验表明,该算法在保证跟踪有效性和可行性的同时,提高了对扩展目标运动状态和目标外形的估计精度。

多星凸约束下的图像自动分割算法

为了有效地自动分割图像,提出了基于多星凸约束的图像自动分割算法.该算法将星凸约束信息融入多分段常数变分模型中,利用显著性检测方法自动获得星凸中心,实现了图像自动的有效分割.实验结果表明:所提出的方法不仅能准确地自动分割图像,而且对处理复杂边缘和抑制噪声有较好的效果.

离散点集二分排序构造多边形的算法

简述了平面离散点集构造多边形的基本思想，在研究星形多边形构造算法的基础上，提出一种离散点集二分排序构造多边形的算法，该算法能够将离散点简捷地排序，既可构造凸多边形、凹多边形，也可构造星形多边形，且简单可行、实用可靠．

用积分算子定义的强星象函数和强凸象函数

刻画了在U内的解析函数φ(z)的星象函数类S~*和凸象函数类K,定义了λ阶强星象函数和λ阶强凸象函数的新子类S~*(λ)和K(λ),讨论了这些函数类的充分条件.

平面点集凸包的最优实时算法

在星形多边形性质的基础之上，根据凸多边形是特殊的星形多边形，以星点为中心，以分别平行于X轴和y轴的直线作为相对坐标系的坐标轴，将平面区域划分为四个区，依据新的点与有向线段之间关系的判别式，从而简便快速地分离内部点和外部点，对外部点快速我到支撑点，提出了平面点集的最优实时算法，其时间复杂度为O（n）．它同样适用于多边形并具有相同的时间复杂度．它还便于控制结果凸包的方向，只需调整初始三角形的方向即可，算法其它部分无需修改．算法具有高效、稳定等特点，从而在结合崔国华等的理论基础之上为找到一种线性的排序算法提供了实际的可能性．在文中的结论部分提供了本文算法和经典的Graham算法及堆式排序算法的执行时间的比较．

顾及星像点分布的恒星相机在轨检校

由于卫星发射前后以及在轨运行过程中,环境因素的变化都可能引起恒星相机参数发生改变,从而导致星敏感器姿态测量精度下降.将多片空间后方交会方法应用于恒星相机的在轨检校.在利用该方法检校时,实验发现检校结果的精度受到参与检校的恒星影像上星像点分布的影响,由此进一步提出了凸包面积百分比准则,该方法自动选取分布较好的影像用于检校,有助于提高检校精度.实验结果证明:基于后方交会进行恒星相机在轨检校时,利用凸包法选取的影像片进行检校的精度明显优于未选片时检校的结果.

体积差的等周不等式

首次提出并建立了凸体的体积差函数的等周不等式,它是经典等周不等式的推广.作为应用,对星体建立了体积差函数的对偶等周不等式和广义对偶等周不等式.

有关半范的问题

介绍了半范等概念 ,并证明当p(x)为E的一个半范时 ,得p(x)≡ μB(x) ,其中B =xp(x) <1,x∈E ;另一方面 ,当A为线性空间E的“凸、星型吸收、均衡”集时 ,Minkowski泛函 μA(x)