高斯混合标签多伯努利滤波器的传感器控制策略

针对多目标跟踪优化中的传感器控制问题,提出一种基于高斯混合标签多伯努利滤波器的快速传感器控制策略,并将其用于基于目标威胁度评估的风险评估中.首先,给出高斯混合标签多伯努利滤波器的实现形式,并对两个高斯混合之间的柯西施瓦兹散度求解.其次,利用多伯努利部分替代传感器控制中标签多伯努利伪更新步骤,即在多伯努利更新过程中采用了...     

δ-广义Hopf模

引入δ-广义Hopf模的概念,给出循环模是-δHopf模的一些等价刻画.证明δ-广义Hopf模具有Morita不变性.     

高斯混合扩展目标多伯努利滤波器

针对杂波环境下多扩展目标跟踪中数据关联过程复杂的问题,提出一种可同时估计扩展目标状态和目标数的高斯混合扩展目标多伯努利(GM-ET-MBer)滤波器,该滤波器无需对测量与扩展目标进行关联。首先采用伯努利随机有限集和泊松随机有限集分别描述扩展目标的状态和观测;然后结合扩展目标状态的预测信息,推导了扩展目标状态的更新方程,并在线性高斯条件下采用高斯混合方法递推地对扩展目标的状态进行估计跟踪。与高斯混合扩展目标概率假设密度(GM-ET-PHD)滤波器相比,GM-ET-MBer滤波器有效地提高了对目标数的估计精度。仿真结果表明,GM-ET-MBer滤波器和GM-ET-PHD滤波器对目标数估计的标准偏差分别为0.267 3和0.395 3,可知所提滤波器对目标数的估计更稳定。     

广义的(富足)δ-补模

作为广义的(富足)补模的推广,引入广义的(富足)δ-补模.证明:1) M是阿丁模当且仅当M是广义的富足δ-补模且M关于广义的δ-补子模和δ-小子模满足DCC条件;2) 设M是投射模.若M关于δ-小子模满足ACC条件,则M是δ-提升模当且仅当M是广义的富足δ-补模;3) R是广义的半局部环当且仅当RR是广义的弱δ-补模.     

广义LF上(下)δ-弱半连续多值映射

利用广义芋开集引入广义LF上与下δ-弱半连续和广义δ-弱连续多值映射等概念，并研究了它们的各种性质．     

欧拉数与伯努利数的关系及应用

本文在文「１」与文「２」的基础上，进而建立了欧拉数与伯努力利数之间的关系，并举例说明了欧拉烽与伯努力利数的应用。     

箱粒子广义标签多伯努利滤波的目标跟踪算法

针对序列蒙特卡罗广义标签多伯努利滤波(SMC-GLMB)算法计算效率低、实时性差的问题,提出了箱粒子广义标签多伯努利滤波的目标跟踪(Box-GLMB)算法。该算法使用带标签的随机有限集描述多目标的状态,包括目标的位置和速度,并且对每个目标用互不相同的标签进行区分;然后利用箱粒子滤波算法近似单目标状态的概率密度,即用一组带权值的均匀分布拟合单目标状态概率密度;最后通过广义标签多伯努利滤波对多目标状态的概率密度进行预测与更新,从多目标状态后验概率密度中估计单目标的位置与速度,根据目标的标签可以实现航迹跟踪。BoxGLMB算法结合了箱粒子滤波与GLMB算法的优势,能够跟踪目标航迹,同时提高计算效率。仿真结果表明,Box-GLMB算法可以有效估计目标状态以及跟踪目标航迹,相比于SMC-GLMB算法,计算效率提升了62%。     

标签多伯努利机动目标跟踪与分类算法

针对密集杂波下现有的多机动目标跟踪算法性能衰减严重的问题,提出了一种标签多伯努利目标跟踪与分类算法。首先,引入类别信息对目标状态进行扩维;然后利用类别属性对目标机动模型转移密度进行修正,并推导新的状态转移密度函数,抑制了错误机动模型对目标状态预测的影响;同时,建立目标位置与属性的联合量测似然函数,增大了目标与杂波的区分度,从而增强杂波抑制能力;最后,基于多模型标签多伯努利滤波器框架推导了新的预测、更新方程。仿真实验结果表明:所提算法在高杂波环境下仍能对多机动目标进行有效跟踪,其目标数估计误差及最优子模式分配距离分别约为多模型概率假设密度联合检测、跟踪、分类滤波器的1/2和1/4,为多模型势平衡多伯努利联合检测、跟踪、分类滤波器的3/4和1/2。     

D4-δ-盖及其应用

引入了D₄-δ-盖的概念,即称(F,g)为模M的D₄-δ-盖,若F是D₄-模,g是F到M的满同态,且Ker(g)《_δF.研究了D₄-δ-盖的性质以及它与投射δ-盖之间的联系,并用D₄-δ-盖刻画了δ-完备环(半完备环,半正则环).     

拓扑向量空间中多目标规划问题的δ-有效性

在序拓扑向量空间中引进广义锥-s次类凸映射的概念,并对其建立了择一定理.给出非空集合和多目标规划问题的δ-有效点与δ-有效解的概念,并讨论了它们的一些基本性质.在广义锥-s次类凸假设下,建立了多目标优化问题关于δ-弱有效解的最优性条件,并且得到了δ-弱有效解的标量化定理.     

鲁棒标签多伯努利机动目标跟踪算法

针对未知杂波和检测概率的跟踪环境下,标准的标签多伯努利(LMB)算法对机动目标跟踪性能较差等问题,提出鲁棒标签多伯努利机动目标跟踪算法(R-LMB).首先建立真实目标、杂波与检测概率的增广空间模型,然后结合多模型(MM)系统,推导出基于蒙特卡罗(SMC)实现的带有状态标签和LMB元素标签的预测与更新方程.研究结果表明:在杂波和检测概率先验未知的情况下,所提出的算法可实现对目标数和目标状态的准确估计,同时在低检测概率和高杂波强度环境中仍可保证良好的多机动目标跟踪性能.     

基于多标记图分割的遮挡下多目标分割及跟踪算法

针对遮挡下的多目标分割及跟踪问题,提出一种新的方法,其将空间-彩色混合高斯模型融入到能量函数最小化框架中。当遮挡没有发生时,为每个目标分别构建一个空间-彩色混合高斯形状描述。一旦多目标相互遮挡发生,一个多标记能量函数将在相互遮挡区域建立起来,而后利用多标记图分割技术将其最小化,从而实现对遮挡过程中所有目标进行同时标记和定位。此外,利用多个视频序列证实了所提出算法的性能。     

广义Kronecker-δ符号在张量计算中的应用

广义Kronecker-δ符号在反对称张量的计算和表示中有着广泛的应用,常常可以使较复杂的计算简洁、明了.系统研究了广义Kronecker-δ符号的性质并给出了它的一些具体应用.     

基于扩展卡尔曼滤波器的液压驱动器状态估计

本文的液压驱动器属于不可观测的非线性系统,普通的状态观测器难以胜任系统的状态估计,故采用扩展卡尔曼滤波器对液压缸活塞腔和杆腔压力进行估计.建立了液压系统的4阶非线性状态空间模型,用高斯-牛顿法拟合模型参数,用关节角度信号通过扩展卡尔曼滤波器估计液压驱动器状态.仿真结果表明该方法可以精确估计液压缸压力,实验结果显示该方法估计的关节扭矩接近测量值;从而验证了扩展卡尔曼滤波器估计液压系统状态的有效性,为基于状态的故障诊断和液压驱动器控制提供了一定的借鉴.     

广义柯西-黎曼算子及其应用

文章研究了广义柯西-黎曼算子及相关的广义解析函数的基本性质,给出相应的广义柯西积分公式.基于该函数的性质,证明了广义解析函数的施瓦兹型引理.     

实时标记的多目标图像跟踪器

提出了一种实时标记算法。该方法以目标二值像段作为处理的基本单元，利用目标二值像段起、终点坐标和相邻扫描行中二值像段的邻接关系，完成多个目标图像的标记和测量工作，具有占用存储量少，计算速度快等优点．基于这种算法，构造了一个多目标成像跟踪器，可在２０ｍｓ内实现１５个（或更多）目标的实时测量和跟踪。还给出了实时标记的实验结果和硬件电路框图。     

L-fuzzy 拓扑空间中理想的δ-收敛性质

本文定义理想的δ-极限点和δ-聚点的概念,讨论了在L-fuzzy拓扑空间中的Moore-Smith δ-收敛理论．     

具有δ函数势的Schrdinger方程的解和广义函数的乘积

本文证明广义函数的乘积ε(x)δ(x)sinkx=0。利用这个结果我们证明ψ=(1-(c/2)ε(x))sinkx是schrodinger方程-(d~2/dx~2)ψ cδ(x)ψ=Eψ的解。     

离散情形下广义梯度与广义Skorohod积分的共轭关系

设N为非负整数集,Z是整数集,针对N上不同类型的非负函数h,讨论平方可积Bernoulli泛函空间L²(Z)中广义随机梯度▽_h和平方可积Berno ulli过程空间L²(Z×N)中广义Skorohod积分δ_h的共轭关系.若h是N上非负函数,则▽_h与δ_h互为共轭算子;若h是N上非负平方可和函数,则▽_h和Γ-QBN{?_σ,?_σ^*:σ∈Γ}及其混合积的复合与δ_h和相应的共轭Γ-QBN及其混合积的复合相互共轭;不同型的Γ-QBN及其混合积“夹逼”δ_h■▽_h,复合算子可“跳出夹逼”,出现相应QBN及其混合积复合的线性函数.