一种基于IMM的分布式扩展目标跟踪算法

随着传感器分辨率的提高,将目标视为一个质点可能导致大量信息的丢失,传统点目标跟踪模型不再适用。而扩展目标跟踪算法不仅考虑了目标的运动状态(如位置、速度和加速度),还考虑了目标的扩展状态(如形状、大小和方向等),可获得更准确且完整的目标状态估计。近年来,利用随机矩阵跟踪扩展目标的方法颇受欢迎。实际场景中扩展目标运动复杂多变,可能导致其运动状态和扩展发生突变。多模型算法,如交互多模型(Interactive Multiple Model,IMM)算法,是一种有效的机动目标跟踪方法。本文考虑利用传感器网络以分布式算法实现机动扩展目标的跟踪问题。本文提出了一种基于扩散策略的分布式机动扩展目标跟踪算法,其中,采用随机矩阵法对扩展目标进行建模。该算法拓展了IMM框架,以描述不同扩展特性的扩展目标在不同过程噪声下的运动特性,并进一步研究了一种减小通信量的分布式局部扩散策略。具体地说,在该算法中,每个节点基于IMM框架跟踪机动扩展目标,并采用加权Kullback-Leibler平均实现IMM框架中的数据融合。此外,应用本文所提出的局部扩散策略,每个节点仅与邻居节点交换部分中间估计值,以实现较低通信负担的有效的分布式扩展目标跟踪。仿真实验结果表明,本文所提的基于局部扩散策略的分布式机动扩展目标跟踪算法能够有效地跟踪机动扩展目标,且具有相对较低的网络通信负担。

基于空间关系的维吾尔文图像关键词检索

为提高维吾尔文档图像的检索效率,提出一种基于字符空间关系的关键词检索方法。通过对文档图像进行单词切分,提取切分后单词图像的字符空间位置特征,将提取的特征根据单词的连体段数目存储为多个特征文件,根据输入关键词图像的特征寻找对应的特征文件进行查询。从115张印刷体维吾尔文档图像切分后的24460张单词集中选取10张有丰富含义的关键词图像在单词库中进行检索实验,平均准确率为96.47%,平均召回率达到了93.74%,平均每张单词的查询耗时为0.25 s,验证了该方法在维吾尔文档图像检索中的有效性。

仿真软件在微波技术教学中的应用

本文以微波负载单支节匹配和时域反射仪为例,以同轴线为传输线,建立几何模型,用软件数值仿真,分别从频域和时域研究同轴线传输特性参数,目的是借助仿真软件理解微波传输物理量在频域和时域中不同的表现形式,用可视化的仿真结果帮助理解物理内涵,同时把仿真软件结合实际应用,以此提高学生在电磁场和微波技术中工程应用方面的能力。

从功能模型到数据模型的过程研究

在软件实训教学过程中,对于在功能建模后如何抽象出系统数据模型,缺乏必要的过程指导,学生存在无从下手的问题。基于此,本文分析了从功能模型抽象出数据模型的完整过程,修复了从功能建模到数据建模间的漏洞,并举例对比了两者间容易混淆的概念,为正确定义软件系统的数据模型提供了必要的推演依据,符合软件工程逐步精细的思维过程。