-
冯新喜
-
-
- 所属机构:空军工程大学信息与导航学院
- 所在地区:陕西省 西安市
- 研究方向:电子电信
- 发文基金:国家自然科学基金
相关作者
- 鹿传国
- 作品数：34被引量：127H指数：6
- 供职机构：空军工程大学
- 研究主题：数据关联 粒子滤波 航迹起始 无源传感器 HOUGH变换
- 孔云波
- 作品数：33被引量：94H指数：6
- 供职机构：空军工程大学信息与导航学院
- 研究主题：粒子滤波 数据关联 无源传感器 航迹起始 HOUGH变换
- 潘平俊
- 作品数：27被引量：112H指数：6
- 供职机构：中国人民解放军93534部队
- 研究主题：机动目标模型 当前统计模型 目标跟踪 自适应调整 皮尔逊
- 李鸿艳
- 作品数：28被引量：126H指数：6
- 供职机构：空军工程大学信息与导航学院
- 研究主题：目标跟踪 PHD 量测 误差配准 概率假设密度
- 刘英坤
- 作品数：15被引量：24H指数：2
- 供职机构：空军工程大学信息与导航学院
- 研究主题：自适应调整 皮尔逊 当前统计模型 机动目标模型 采样周期
- 一种网格概率多目标数据关联算法被引量：1
- 2011年
- 针对多目标跟踪中数据关联问题,提出了一种基于网格概率的数据关联算法。该算法首先计算出关联门内全部回波的关联系数,然后利用网格概率的思想将关联系数小的有效回波的系数值配权给其它有效回波,同时对于两跟踪波门交叉区域内的有效回波也使用配权法分别分配给两个跟踪波门内的其它邻近回波,最后通过概率加权进行数据关联。仿真结果表明,该算法能够有效解决多目标跟踪中的数据关联问题,并且有较高的关联正确率,而且CPU占用时间较短。
- 周航冯新喜
- 关键词：多目标跟踪
- 自适应交互多模型的PHD粒子滤波多机动目标跟踪被引量：2
- 2015年
- 针对多机动目标跟踪中采用统一固定模型转移概率的问题,提出一种在线估计模型转移概率的自适应多模型PHD滤波(AIMM-PHD)。首先保留模型的采样粒子及其似然度;其次根据粒子的分类结果,计算出每个目标对应每个模型的状态输出;最后将输出交替作为模型输入进行滤波,计算出目标的模型转移概率。实验表明:相较于IMM-PHD,所提AIMM-PHD有较低的OSPA误差,目标个数估计更准确,且时间只增加了8.1%,从而证明了该算法的有效性。
- 危璋冯新喜毛少锋
- 关键词：概率假设密度交互多模型
- 基于非理想信道的分布式多检测器软决策融合算法被引量：2
- 2008年
- 在实际检测中由于带宽、信道衰落和信道噪声等因素的影响,从本地检测器至融合中心的信道通常无法保证为理想传输信道。对在非理想信道状态下检测系统的性能优化算法进行了研究,并且为了提高检测性能和合理的利用通信资源,在本地应用软决策判决。根据聂曼-皮尔逊规则推出本地检测器和融合中心的优化判决形式。最后通过两检测器系统仿真表明,应用软决策确实提高了系统的检测性能,而非理想信道的恶化又确实降低了系统的检测性能。
- 刘英坤冯新喜党宏刚潘平俊
- 基于无迹变换的多目标高斯混合粒子PHD滤波
- 2015年
- 针对在杂波环境下,一般的高斯混合粒子PHD出现滤波精度不高、滤波发散的问题,提出了一种基于无迹变换的高斯混合粒子PHD。该算法在高斯混合粒子PHD预测的基础之上,采用无迹变换进行重要性采样,结合观测值对采样粒子进行更新,获得重要性密度函数,然后对PHD进行更新。最后,将该算法与高斯混合粒子PHD进行比较;仿真结果表明,该算法在有效提高高斯混合粒子PHD精度的同时,还能提高系统的稳定性。
- 刘欣冯新喜孔云波王兢
- 关键词：多目标跟踪概率假设密度滤波
- 高级加密标准AES及其实现技巧被引量：34
- 2002年
- 介绍美国联邦信息处理标准(FIPS)草案——高级加密标准AES,用ANSIC高效实现了此算法,并给出了其执行性能。
- 黄智颖冯新喜张焕国
- 关键词：密码高级加密标准信息安全AES
- 基于纯测距的移动传感器网络目标跟踪算法
- 2020年
- 针对纯测距条件下移动传感器网络中的目标跟踪问题,提出一种基于非线性滤波和多维标度的目标跟踪算法。根据传感器和目标之间存在的相对运动,建立带约束的动态距离模型,利用无迹卡尔曼滤波算法提高模型对距离及距离变化率的估计精度。在此基础上,结合传感器自身的位置、速度等状态信息,使用加权多维标度方法估计目标位置和速度。仿真结果表明,在只有距离信息的情况下,该算法能够实现对目标位置的高精度定位,速度估计结果也能准确反映目标的真实运动情况,与ML-KF算法相比整体跟踪效果更好。
- 王宇丰冯新喜
- 关键词：移动传感器网络目标跟踪无迹卡尔曼滤波多维标度
- 异步被动传感器航迹起始算法
- 2011年
- 航迹起始是多目标航迹处理中的重要问题。针对异步被动传感器系统航迹起始困难的问题,提出了一种基于蚁群导航思想的异步被动传感器航迹起始算法。该算法首先利用各传感器在多个扫描周期的测量建立候选目标集,采用极大似然法确定每一个候选目标的初始状态估计,然后再利用蚁群导航算法实现真实航迹的检测,最后由极大似然法估计出每一批目标的初始状态。仿真实验表明,该算法不但能够有效实现航迹起始,而且降低了虚假航迹的起始率。
- 孔云波冯新喜鹿传国
- 关键词：航迹起始被动传感器多目标异步
- 雷达与双波段红外探测器融合跟踪系统被引量：1
- 2008年
- 利用双波段红外探测系统测到的目标双波段红外辐射信息,推导出目标的伪距离量测信息,使得单站红外探测系统变为可观测系统;在此基础上,采用带反馈的分布式估计融合算法,将雷达与双波段红外探测系统得到的局部航迹进行融合,并将每次融合估计的结果反馈给局部传感器,使得融合中心达到最优性能的同时,减小了雷达和红外局部估计的误差。仿真结果表明:①单站红外探测系统利用目标的双波段红外辐射信息能够对目标进行有效地跟踪,跟踪精度较高;②带反馈的布式估计融合算法具有良好的跟踪性能,而且能够明显改善局部传感器的跟踪精度。
- 潘平俊冯新喜刘英坤孙鹏李鸿艳
- 关键词：雷达
- 基于强跟踪滤波器的自适应常加速模型及跟踪算法被引量：8
- 2008年
- 建立目标机动模型是传感器目标跟踪数据处理中的一个重要环节.为了克服"当前"统计模型对非机动目标和常加速模型对机动目标跟踪性能较差的缺陷,通过对"当前"统计(CS)模型的分析研究,在常加速(CA)模型的基础上提出了一种基于强跟踪滤波器的自适应常加速模型及跟踪算法(ACA-STF).该算法利用速度预测估计与实时速度估计间的偏差进行自适应方差调整,并通过引入强跟踪滤波器(STF)的渐消因子,实时调节滤波器增益,从而提高了跟踪精度,增强了系统对突发机动的自适应跟踪能力.理论分析和仿真结果表明对于非机动和机动目标,该算法比"当前"统计模型算法具有更高的跟踪精度.
- 潘平俊冯新喜李锋石磊孙鹏
- 关键词：自适应调整强跟踪滤波器
- 自适应高斯厄米特粒子PHD滤波多目标跟踪算法被引量：1
- 2016年
- 针对高斯厄米特粒子概率假设密度(probability hypothesis density,PHD)算法可能导致滤波计算复杂度较高、精度不强,性能较差的问题,提出一种自适应高斯厄米特粒子PHD的改进算法,该算法通过在高斯变换的过程中引入阈值,以该阈值为界剔除权值较小的积分点,对大于阈值的积分点进行归一化处理,在保证滤波精度的基础之上,减小权值较小点在计算上带来的冗余;另外在高斯厄米特滤波的过程中引入了自适应因子,适当调整高斯厄米特滤波过程中的增益,自适应调节滤波的均值与方差,以提高滤波过程的精度。仿真结果表明:改进后的算法相比于高斯厄米特粒子PHD算法在精度上有明显提高,同时简化了计算复杂度,达到预期的目的。
- 刘欣冯新喜王鹏
- 关键词：自适应滤波多目标跟踪
