MSMC跟踪算法在目标跟踪中的应用

针对序贯蒙特卡罗(Sequential Monte Carlo,MC)算法存在的计算量大的缺点,提出了一种新的Mean Shift MonteCarlo(MSMC)目标跟踪算法。在传统的MC算法中采取Mean Shift这种梯度最优下降法来寻找局部最大样本值,以目标的颜色特征建立目标状态空间模型,并用Bhattacharyya系数作为评价函数给出样本的权值。算法以少于300个样本(实验用200个样本)来保持对目标运动状态预测的多样性,有效地克服了MC算法收敛速度较慢的弱点,将算法的计算时间从76 ms/frame降低到了35 ms/frame(跟踪窗口为28 pixel×26 pixel)。实验结果表明,提出的算法能够在发生遮挡的情况下实现较稳定的目标跟踪,使算法应用于实际工程成为可能。

配电系统网络性能及电能质量评估方法

为了提高规划阶段配电系统的评估水平,解决配电系统中存在的电能质量问题,提出了一种混合式电路分析算法。该算法不仅能评估电网中元件可用性,还能在配电系统规划阶段结合瞬时中断来评估电能质量影响。设计了一个包含16个节点的配电系统,并通过仿真验证了电网几何模型对电能质量指标影响的结果,最终结果表明所提算法能够有效减少电网中电压骤升次数。所提算法对规划阶段配电系统的评估起到了一定借鉴作用。