带势估计的概率假设密度滤波的物理空间意义

为了便于人们深入理解带势估计的概率假设密度滤波,本文在Ozgur Erdin对随机集做的物理空间假设的基础上,采用Bayes公式和全概率公式对带势估计的概率假设密度滤波的迭代过程进行了推导.推导过程详细明了,推导结果与文献一致.这为带势估计的概率假设密度滤波在目标跟踪中的应用及性能改进提供了理论基础.     

基于概率假设密度的无线传感器网络多目标跟踪算法

针对无线传感器网络多目标跟踪过程中杂波难以去除以及由数据关联复杂带来的计算复杂度高的问题,将概率假设密度滤波器应用于无线传感器网络,以更好地对多目标状态信息进行融合估计;首先,建立簇-树型无线传感器网络模型,并运用随机有限集理论对目标状态模型和传感器观测模型进行描述;然后,根据目标与节点之间的距离设置观测阈值,当传感器节点测量值小于观测阈值时,概率假设密度滤波器将实时对该组测量数据进行处理,从而实现传感器网络对目标状态的联合检测与跟踪;仿真结果表明,在无线传感器网络的多目标跟踪应用中,该算法比粒子滤波算法具有更高的跟踪效率和精度。     

基于概率假设密度滤波平滑器的检测前跟踪算法

基于概率假设密度滤波(PHD)的检测前跟踪(TBD)技术可以有效解决未知弱小多目标检测问题。PHD-TBD算法粒子权重计算受量测噪声影响明显,导致目标数估计存在起伏现象,制约了PHD-TBD算法性能。对PHD-TBD技术进行研究,引进概率假设密度滤波平滑器,提出基于平滑的PHD-TBD算法。该算法对当前帧目标数估计时,综合利用前向递推和后向平滑结果对粒子权重进行更新,在一定程度上克服了随机量测噪声的影响。通过仿真验证,该算法能够有效发现目标,准确估计目标数目和位置,性能有较大提高。     

基于概率假设密度滤波的中段弹道目标群红外多传感器组跟踪方法

分析低轨光学星座对中段弹道目标群进行组跟踪的必要性,提出了一种红外多传感器对中段弹道目标群的组跟踪新方法.该方法以概率假设密度滤波对目标群进行像平面跟踪,剔除杂波、估计目标状态和个数;以图像配准方法调整帧间目标状态估计,提高像平面目标跟踪稳定性;最后依据像平面目标跟踪结果提取目标群在像平面的质心量测,运用不敏卡尔曼滤波...     

基于高斯混合概率假设滤波的水下目标跟踪算法

为了解决传统水下目标跟踪中目标数目估计不准确、状态估计误差增长过快的问题,提出了一种基于高斯混合概率假设滤波的水下目标跟踪算法。该算法基于双基地观测模型,采用高斯混合概率假设滤波算法处理方位和时延信息,利用粒子群算法处理多普勒频率获得矢量速度,进一步提升算法的跟踪精度。结果表明,该算法能完成在杂波环境下对目标的跟踪,相比传统的关联算法,能够有效地实现目标个数估计和抑制状态误差增长的目的。     

广义边界条件和概率流密度的连续性

以四参量族－广义边界条件代替有限深方势阱内粒子波函数的对数的一阶导数连续性条件，表明这种替换比用广义边界条件取代一盒子内自由粒子波函数在两壁处为零的边界条件显行更加合理些。我们发现，如对参量ρ和θ取任意值，则会导致概率流密度连续性被破坏。我们找到了约束ρ和θ取值的条件，并得到一组新的解析解。     

也谈概率密度和概率流密度算符

针对<大学物理>2008年第8期上关于粒子概率密度算符和概率流密度算符的讨论一文进行了补充,对一般空间(如动量空间)中的概率和概率流进行了较系统的阐述,并纠正了该文中的有关错误论断.     

基于后验概率度量的粒子滤波跟踪算法研究

 针对遮挡、光照变化、尺度变化等复杂环境中的视觉跟踪问题,提出一种基于后验概率度量的粒子滤波跟踪算法。由于后验概率指标与Bhattacharyya系数指标相比具有更强的峰值特性,采用后验概率指标作为相似性度量函数,通过粒子的更新、推广、观测、估计等步骤实现跟踪算法。通过对实际视频图像序列进行目标跟踪实验,实验结果表明:传统算法只有约50%的图像能够实现尺度自适应,而本文算法采用传统算法25%的粒子就能够收敛逼近目标的真实轨迹,达到更强的抗遮挡能力,90%以上的图像序列都能够实现良好的尺度自适应效果。     

谐振子的概率密度、概率流密度与时间的关系

以一维线性谐振子为例,对非定态情况,通过数值计算给出了不同时间的概率密度和概率流密度分布,并且讨论了概率密度和概率流密度随时间的变化的基本特征.     

基于K-粒子滤波和边缘检测的图像目标跟踪研究

图像目标跟踪是根据图像序列探测和跟踪某个目标,在军事目标的探测与跟踪、安全保护监控、城市与高速公路的交通监测等许多领域有着重要的应用.首先基于背景减图像分割,提出了一种有效的图像边缘检测方法,检测感兴趣的运动图像目标;其次提出了改进的最近邻域数据关联方法和K-粒子运动图像目标估计方法;最后以一个多行人的图像目标为例,对上述方法进行了仿真研究.仿真结果表明了上述方法的有效性和较高的跟踪精度.     

粒子滤波理论、方法及其在多目标跟踪中的应用

在随机有限集理论框架下提出相应的检测前跟踪算法, 将多重信号分类(MUSIC)方法空间谱的自适应加权形式作为伪似然比函数研究了基于MUSIC的近似多伯努利滤波算法。并且针对算法对目标新生响应速度慢的问题, 提出了由量测驱动的目标新生模型。仿真实验验证了研究算法相比传统算法在低信噪比下有更好的跟踪性能, 更少的计算量, 且改进的新生模型能显著加快算法对新生目标的响应速度, 响应时间缩短了50% 以上。实验结果表明, 所提方法鲁棒性较强, 可以实现在低信噪比下对多目标的准确跟踪。

     

氢原子中电子概率密度的可视化研究

针对量子物理中氢原子电子概率密度抽象、不易理解的特点,本文给出了氢原子中电子概率密度分布函数,包括径向分布和角向分布函数.利用Matlab强大的绘图功能对其分布规律进行可视化研究.结果表明,该方法直观形象地揭示了氢原子中电子概率分布情况,为物理教学提供了新手段.     

基于概率密度分布型变化的突变检测新途径

对于一个稳定的动力系统而言,系统变量的概率密度具有较为稳定的分布型,而当系统的动力学结构发生变化后可能会导致系统变量的分布型发生不同程度的变化.鉴于此,本文从识别系统变量的概率密度分布的微小变化角度出发,将描述时间序列概率分布特征的偏度系数和峰度系数应用于时间序列的突变检测中.数值试验结果表明,偏度系数和峰度系数对突变信号具有很好的识别能力,进而揭示了一条检测突变的新途径.进一步的研究表明,新方法的检测结果对于子序列长度的选择具有较小的依赖性.     

氢原子电子云密度分布分析

通过数值计算形象地分析了氢原子中电子概率密度的分布情况,对此做了一些有别于传统认识的讨论,并由此引出了对粒子运动和波函数概率解释的认识。