罗少华
- 作品数：9 被引量：23H指数：3
- 供职机构：国防科学技术大学电子科学与工程学院更多>>
- 发文基金：国家部委资助项目更多>>
- 相关领域：电子电信航空宇航科学技术自动化与计算机技术更多>>
- 低轨星座传感器资源实时调度方法
- 2011年
- 针对低轨星座传感器资源调度问题,提出了一种基于几何精度衰减因子（GDOP）和目标位置估计误差椭球的调度方法,该方法综合考虑了目标的静态、动态定位因素,优先选择卫星目标视线垂直于误差椭球长轴的传感器资源对目标进行跟踪。仿真结果表明,与已有的仅考虑GDOP的调度方法相比,该方法既节省了传感器资源,又提高了目标的跟踪精度。
- 王铁兵罗少华吴京许丹
- 关键词：低轨星座
- 基于随机有限集理论的多传感器目标联合检测跟踪算法被引量：3
- 2013年
- 针对杂波环境中的目标检测跟踪问题,提出一种基于随机有限集理论的多传感器目标联合检测跟踪算法。算法将目标状态和量测描述为随机集合,建立考虑目标出现、目标保持、目标消失等情况的目标状态随机有限集模型,以及考虑漏检和虚警的多传感器量测随机有限集模型。将目标的联合检测跟踪问题构建为目标状态集合的贝叶斯最优估计问题,并基于随机有限集理论对该贝叶斯估计算法的递推表达式进行严格理论推导。采用序贯蒙特卡罗技术实现算法的递推滤波。仿真结果验证了该算法的有效性以及算法相对于传统基于数据关联算法的性能优势。
- 徐洋徐晖罗少华安玮
- 关键词：多传感器随机有限集贝叶斯方法
- 改进的MMPHD机动目标跟踪方法被引量：7
- 2012年
- 基于序列蒙特卡罗方法的经典多模概率假设密度滤波方法及其各种衍生方法,在预测过程中依据多个并行的状态转移模型,通过将大量粒子散布到下一时刻目标所有可能出现的状态空间实现目标状态的捕获,造成计算量大、目标跟踪精度差。为此,提出一种改进的多模粒子概率假设密度机动目标跟踪方法。该方法利用最新量测信息估计目标运动模型概率及模型参数,并将估计得到的目标模型应用到粒子概率假设密度滤波方法的预测过程中生成预测粒子,从而将大部分粒子聚合在目标最可能出现的状态空间邻域中,实现粒子的有效利用。数值仿真表明,所提方法不仅显著地减少了目标丢失个数,而且提高了目标跟踪精度。
- 罗少华徐晖徐洋安玮
- 关键词：概率假设密度粒子滤波随机有限集交互多模
- 一种利用信号幅度信息的光学传感器像平面GM-PHD滤波算法被引量：1
- 2012年
- 针对光学传感器像平面多目标跟踪应用,基于有限集统计学理论(Finite Set Statistics,FISST)提出一种利用信号幅度信息的高斯混合概率假设密度(Gaussian Mixture-Probability Hypothesis Density,GM-PHD)滤波算法。该算法通过建立信号幅度似然函数将幅度信息引入到PHD的递推公式中,首先根据光学传感器的特点对输出的信号幅度进行建模,然后分别计算来源于目标和杂波的信号幅度似然函数,在目标信噪比未知的情况下给出一种替代计算方法,最后采用高斯混合方式实现该算法。仿真结果表明,本文提出的算法相比仅利用量测位置信息的PHD滤波器能够显著提高多目标跟踪性能和计算效率,而且在目标信噪比未知时同样具有稳定的性能。
- 徐洋徐晖安玮罗少华
- 关键词：光学传感器随机有限集概率假设密度多目标跟踪高斯混合
- 一种基于时空网格的低轨星座传感器调度方法
- 2011年
- 针对低轨星座目标跟踪中的传感器调度问题，通过建立目标跟踪状态转移模型，提出一种基于时空网格的传感器调度方法。该方法在对目标的跟踪状态优先级尽可能高的前提下，使卫星对目标所处空域范围的覆盖系数最大化。仿真实验表明，所提方法可有效实现低轨星座对目标的全程持续跟踪。
- 王铁兵罗少华王博吴京
- 关键词：星座
- 一种新的SMC-PHD滤波的多目标状态估计方法被引量：6
- 2011年
- 针对现有的应用于多目标跟踪概率假设密度粒子滤波器的目标状态估计方法不能很好地解决目标密度较高情况下的多目标状态估计问题,提出了一种新的基于粒子标签的多目标状态估计方法。该方法利用附加在每个粒子上的身份标签将粒子分为不同的粒子群,粒子群的个数与概率假设密度粒子滤波器的目标估计个数相同。随后根据粒子与最近量测的似然函数估计目标的运动状态,使得粒子概率假设密度滤波器在目标密集的情况下仍能准确地估计出目标状态。仿真试验表明,论文所提方法在目标密度较大情况下能够较好地估计出多目标状态,并提高了目标关联的准确性。
- 罗少华徐晖薛永宏
- 关键词：随机有限集多目标跟踪状态估计
- 基于UT变换的MMPHD机动目标跟踪被引量：2
- 2012年
- 基于序列蒙特卡罗方法的多模概率假设密度(probability hypothesis density,PHD)滤波算法及其改进方法,在预测过程中依据多个并行的状态转移模型将大量粒子散布到下一时刻目标所有可能出现的状态空间,从而实现目标状态的捕获。由于这些方法大量使用粒子,造成计算量巨大、算法实时性差。为此,提出了基于无迹变换的多模PHD机动目标跟踪方法。该方法利用最新量测信息获得粒子预测过程中的建议密度函数,从而将粒子聚合在目标最可能出现的状态空间邻域中,充分实现粒子的有效利用。仿真实验表明,论文提出的算法不仅显著减少了多模PHD算法的计算量,而且在一定程度上提高了多模PHD算法的精度。
- 罗少华徐晖徐洋安玮
- 关键词：交互多模型概率假设密度滤波机动目标跟踪粒子滤波
- 低轨星座传感器资源预分配管理方法被引量：3
- 2011年
- 针对低轨星座传感器管理中跟踪任务不确定的问题,通过引入目标跟踪有限状态机模型,提出了一种基于自适应周期长度和事件的传感器资源预分配管理算法。该方法通过动态调整预分配周期长度,使管理算法适应跟踪场景的动态变化;并通过采用划分时间网格和资源多级分配的方法,降低了资源对目标可视关系的复杂性,使资源分配更加合理、均衡。仿真结果表明,在多目标密集分布的场景下,所提出的方法可以达到与单目标场景相当的跟踪精度。
- 王铁兵吴京安玮罗少华
- 关键词：传感器管理预分配多目标跟踪低轨星座
- 粒子PHD滤波存活粒子采样新方法被引量：1
- 2012年
- 针对多目标跟踪粒子概率假设密度滤波算法中存活粒子的重要性密度采样问题,给出一种结合最新量测信息的存活粒子重要性密度采样新方法。该方法根据最新量测集中的各个量测与目标粒子的单步预测状态的似然值,以概率选取量测值,利用无迹变换获得粒子的重要性密度函数,并对其进行采样实现粒子概率假设密度滤波中存活粒子的采样,有效地减轻了粒子的退化现象。3目标跟踪仿真试验中,当目标模型与跟踪算法使用的目标模型不匹配时,采用所提出的存活粒子采样方法的粒子概率假设密度滤波算法最优子模式分配距离下降约70km。论文给出的存活粒子采样新方法显著地提高了多目标跟踪粒子概率假设密度滤波算法的鲁棒性。
- 罗少华徐晖安玮许丹张志恒
- 关键词：概率假设密度滤波多目标跟踪
