基于杂波量测集约束的改进MS-MeMBer滤波器

针对高杂波密度场景下,传统多传感器多目标多伯努利(MS-MeMBer)滤波器存在的量测划分假设质量下降、势估计结果出现偏差等问题,提出了一种基于杂波量测集约束的改进MS-MeMBer滤波器。首先,通过将杂波量测集的影响引入到更新过程中,优化了目标量测集的权重,并给出了杂波场景下的单目标多传感器似然函数。然后,通过两步贪婪划分机制,得到了改进的多传感器量测划分假设。通过仿真将所提方法与传统MS-MeMBer滤波器进行了比较,实验结果表明:在高杂波密度场景下,改进MS-MeMBer滤波器具有更优的多目标跟踪性能。

一种检测概率未知时的MeMBer跟踪算法

针对检测概率未知的多目标跟踪场景中跟踪性能会受目标检测概率估计结果影响的问题,提出了一种对未知检测概率实时估计的MeMBer跟踪算法.采用Beta分布对未知检测概率进行建模,然后通过测量分类来区分目标性质并实现对检测概率的实时估计,利用多伯努利随机有限集跟踪算法实现多目标跟踪.仿真结果表明,在检测概率未知情况下该算法有良好的多目标跟踪效果,能对未知检测概率进行实时估计;与传统MeMBer算法相比,该算法在低检测概率下的检测概率估计精度更高且更加稳定.

基于椭球计算的集员滤波传感器故障检测方法

为了解决未知故障信号诊断问题,提出了一种基于椭球计算的集员滤波传感器故障检测方法。为了防止数据冲突和降低能量消耗,通过加权一次丢弃调度来控制传感器单元和滤波器之间的信息分发。然后有效将分布式集员滤波方法应用于处理WTOD协议下未知但有界的故障检测问题。进一步通过处理具有一定不等式约束的优化问题,对两个最小迹意义下的椭球进行了优化。最后仿真案例结果证明了提出方法能够有效实现传感器网络的未知故障信号检测,且不需要了解所有状态,极大地扩展了适用范围。

基于集员估计的室内移动机器人多传感器融合定位

本文针对室内移动机器人的长距离实时鲁棒定位问题进行了研究,考虑到单一定位手段存在的不足,以二维扫描激光和里程计作为主要的定位设备,采用多传感器数据融合技术实现了移动机器人的精确定位.论文首先通过引入基于点-直线特征匹配的改进迭代最近邻(iterative closest point,ICP)扫描匹配方法对激光采集的环境点云信息进行迭代匹配以得到相对位姿变换估计,并推导了其估计不确定性的保守包络矩阵形式,然后通过建立定位过程和观测模型,引入扩展非线性集员滤波器作为多传感器融合方法,利用扫描匹配结果校正由里程计滑移带来的定位误差,并获取定位自身的不确定性边界估计.实验结果表明了本文所提出的室内定位方法的精度、实时性和鲁棒性.

三维环境中多机器人动态目标主动协作观测方法

动态目标的多移动机器人主动协作观测方法是指以获取较优的观测结果为目的,对携带同构/异构观测传感器的多个机器人系统的观测数据进行有效融合并同时对其行为进行协调优化的方法.本文主要研究了三维环境中的多机器人动态目标主动协作观测的问题.首先,以扩展集员估计方法(Extended set-membership filter,ESMF)为基础,将信息融合过程与算法本身存在的集合运算环节相结合,提出了一种高精度的多机器人观测信息融合方法.该方法在保证较高观测精度的同时,并没有显著增加单机器人扩展集员估计算法的计算量,因此具有较高的实时性.此外,利用最优观测角度的概念,通过引入相对速度空间(Relative velocity coordinates,RVCs),设计了多移动机器人协调行为优化方法,该方法可以将多机器人协调行为优化问题转化为线性规划问题,以实现具有较高实时性的多机器人三维动态目标主动协作观测.最后,为了验证所研究方法的可行性与有效性,进行了三维空间动态目标协作观测仿真实验.

多站无源雷达多起伏目标检测前跟踪算法

针对多站无源雷达背景下多起伏目标同时检测和跟踪的问题,该文提出一种基于多目标多伯努利(Me MBer)滤波器的多起伏目标检测前跟踪(TBD)算法。由于起伏目标的平均信噪比(SNR)未知使得目标的回波幅度似然函数不确定,该文假定包络检波器的输出平均SNR服从先验的均匀分布,并对可能取值区间进行边缘化处理,得到一个估计的似然函数,基于该估计的似然函数,融合中心利用所有收发对的幅度观测信息对Me MBer滤波器的各个预测分量进行更新。仿真结果表明,该算法能够有效地同时检测和跟踪多起伏目标,并且在平均SNR大于9 d B时,其性能与平均SNR已知情况下的性能近似。

基于盒粒子滤波的多扩展目标伯努利滤波算法

针对非线性和区间量测条件下的多扩展目标跟踪问题,提出了一种基于盒粒子滤波的多扩展目标MeMBer滤波算法。该算法首先将盒粒子滤波引入到改进的ET-MeMber滤波中,并推导了适用于区间量测的多扩展目标伪似然函数和状态更新方程,接着给出了基于MD-AP聚类的区间量测集划分方法来处理滤波过程中存在的区间量测集划分问题。仿真实验结果表明,所提算法能够快速高效地对区间量测进行处理,与传统的序贯蒙特卡洛实现方式相比,具有更好的跟踪性能。

基于最优定界椭球的扩展集员滤波算法研究

针对噪声未知但有界的非线性系统,提出了一种基于最优定界椭球的扩展集员滤波算法。首先,对非线性状态方程和量测方程进行泰勒级数展开,采用区间分析方法对线性化误差进行外包定界,并通过椭球近似将其整合到系统噪声中;在此基础上通过预测步和滤波步两步过程来计算与量测和噪声边界近似相一致的待估计状态的可行集。以Duffing方程为例,与扩展卡尔曼滤波方法的仿真比较表明了该算法的精确性和鲁棒性。

基于Diffie-Hellman的移动Ad hoc网络动态混合密钥管理策略

密钥管理是解决移动Ad hoc网络中安全通信问题的重要环节。在分析网络特点的基础上,提出了一种基于Diffie-Hellman协议的动态混合密钥管理策略(DHKM)。通过网络分簇,将多个簇首节点一起作为权威机构执行管理功能,采用Diffie-Hellman交换,并利用成员过滤函数维护密钥,适应网络拓扑的动态变化。结果表明,DHKM保证了密钥的完整性和机密性,并有效减少了密钥更新对网络性能的影响。

PBO纤维应用于高强度微型光缆的可行性研究

介绍了当前高强度微型光缆的结构,及其加强材料的性能。首先提出了将超高性能牌号为Zylon的PBO纤维(含有芳香杂环的聚苯唑聚合物)作为微型光缆抗拉元件的加强材料的设想,并将其与芳纶(芳香族聚酰胺纤维)、高强度玻璃纤维、钢丝等加强材料的性能作了比较,提出了应用的初步设想,得出了Zylon纤维将成为目前最好的高强度微型光缆加强材料的结论。

基于INPEFA技术的高分辨率层序地层研究——以埕北油田东营组二段为例

运用高分辨层序地层学只能对埕北油田厚储层特定级别的基准面旋回进行识别,缺乏统一的标准,存在人为性和多解性等问题。为提高层序划分的准确性及精确度,通过辅助利用最大熵频谱分析技术,对测井曲线进行合成预测误差滤波分析(integrated prediction error filter analysis,INPEFA)处理得到频率趋势线,借助INPEFA曲线趋势拐点的识别以实现不同级次层序界面的划分。研究采用"熵谱-测井定界面、频谱属性分析划小层"的方法,通过基准面变化趋势还原、INPEFA曲线趋势拐点和井间旋回对比分析,在东营组二段上部识别出5个旋回界面、5个中期旋回和11个短期旋回。因此,基于INPEFA技术的高分辨率层序地层研究可以实现洪泛面、剥蚀面的识别以及判断沉积环境的变化,准确识别不同级次的层序界面和旋回叠置形式。

基于修正贝努利滤波的被动多目标跟踪算法

针对势平衡多目标多贝努利(cardinality balanced multi-target multi-Bernoulli,CBMeMBer)滤波中的量测信息弱化问题,提出一种改进的多目标多贝努利(improved multi-target multi-Bernoulli,IMeMBer)滤波。该算法通过对漏检目标的多贝努利随机集进行修正,在解决目标数过估问题的同时,避免了CBMeMBer滤波中的量测信息弱化问题。在此基础上,将高斯粒子滤波引入IMeMBer算法中,通过一组高斯粒子近似多贝努利随机集中元素的概率分布,实现被动测角情况下的多目标跟踪。仿真结果表明,所提算法能够以较小的运算代价达到高斯混合粒子劳势估计的概率假设密度滤波相似的跟踪精度,具有良好的工程应用前景。

基于值域二次哈希方法的布鲁姆过滤器

本文针对扩展式布鲁姆过滤器(EBF)内存消耗过大,提出一种基于值域哈希二次过滤的布鲁姆过滤器数据结构(VHBF)和相关算法,VHBF通过在布鲁姆过滤器中对集合中的每个特征进行k次哈希,并将此k次哈希值转化为相应特征的镜像特征。然后对此镜像进行二次过滤运算,运算后的结果保存在另一布鲁姆过滤器中。在对特征进行检索时,由于无需保存特征本身,因而空间效率比EBF更高。实验表明,VHBF的假阳性误判率的比扩展型布鲁姆过滤器(EBF)低,而VHBF内存消耗也低于EBF。

“移植构建”抑或“反思完善”——英国议会行政监察专员制度的启示

英国的议会行政监察专员地位高、权力大、影响广,其调查具有"下议员的过滤、绝对的调查权、隐性的执行力"等特点,该制度多为其他国家所效仿。其作用的有效发挥既依赖于其独有的历史传统和法治底蕴,又与其宪政体制的核心架构有关;其存在的根本价值在于以非正式的方式对不良行政进行限制,拓展公民的冤屈救济方式。但即便在英国,它也始终处于行政救济链条的末端充当补充性救济方式,实际作用褒贬参半。我国尚不具备建立英国式人大行政监察专员制度的土壤和环境,目前的重点应放在反思和完善我们现有的行政救济体系上。

多伯努利滤波细胞追踪方法研究

现代医学诊断依赖于细胞运动状态的检查结果.为了准确获取活体细胞在一定时期内包括新生、分裂、消亡的生命活动的相关信息,为医学病理鉴定与研究提供准确可靠的实数据与定量分析结果,本文针对活体细胞追踪问题,将基于多伯努利滤波器(Multi-Bernoulli filter,MeMBer)的多目标追踪技术引入微观细胞领域的追踪中.本文将细胞个体模拟为椭圆形,对目标形态进行了估计.运用数学形态学对椭圆形的长轴、短轴、核心坐标、倾斜角度等形态特征与运动特征进行测定.本文基于多伯努利滤波器推导了一种细胞追踪算法,在分析目标观测似然函数的基础上,把利用观测似然函数对预测得到的目标状态当成量测信息进行更新,从而消除预测时带来的误差与杂波的干扰.该方法可应用于一般细胞运动状态下的活体细胞追踪.通过仿真实验验证了所得算法的有效性.

基于CE3:k-means的协同过滤推荐模型研究

随着网络数据量的迅速增长,传统数据处理方式的推荐算法已经不能满足互联网发展的需求,为了追求推荐精确性与人性化,协同过滤算法以其更高的推荐满意率逐渐取代其他推荐算法。然而,协同过滤算法推荐的准确程度取决于用户或者物品相似度的计算,成员偏好的多元性使得用户相似度并不能很好的体现用户之间的关联程度。针对这一问题,将CE3:k-menas引入协同过滤推荐,借鉴其基本思想,以成员偏好为特征,根据成员与簇类中心的距离进行偏好划分,由于边界成员与簇类中心成员在一定程度上有着相似的偏好同时也存在较大的差异。因此,针对成员距离类簇中心的远近采取不同的偏好融合策略。实验结果表明,所提出的算法相比LM-CF,UCCF和UBCF算法在准确率、召回率和平均绝对误差上效果提升明显。