何山 作品数:10 被引量:34 H指数:4 供职机构: 南京理工大学自动化学院 更多>> 发文基金: 国家自然科学基金 中国航空科学基金 江苏省“六大人才高峰”高层次人才项目 更多>> 相关领域: 自动化与计算机技术 电子电信 兵器科学与技术 理学 更多>>
一种重尾量测噪声下的高超声速飞行器跟踪算法 2018年 为了解决在实际系统中因野值干扰带来的高超声速飞行器跟踪精度下降的问题,提出了一种交互多模型变分贝叶斯滤波算法(IMM-VB),该算法通过子模型权重与马尔可夫转移矩阵获取子模型的状态预测值。随后采用具有重尾特性的学生t分布取代高斯分布来描述量测模型,并利用VB算法实现子模型的量测协方差与状态的联合估计。最后在交互式多模型(IMM)框架下更新子模型权重与目标状态的融合输出。仿真结果表明,在野值观测条件下该算法比IMM算法具有更高的跟踪精度。 恽鹏 李星秀 吴盘龙 何山关键词:高超声速飞行器 野值 重尾分布 一种面向临近空间高超声速再入滑翔目标跟踪算法 被引量:7 2020年 针对临近空间高超声速再入滑翔目标的跟踪问题,提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先,根据再入滑翔目标的飞行特性,将加速度看成是未知的确定输入构建运动学跟踪模型;然后,对目标的非线性量测信息进行无偏转换,并将得到的噪声协方差矩阵进行解耦,降低算法的复杂度;最后,利用回顾成本的输入估计对未知加速度进行重构,采用递推最小二乘法更新输入估计器的参数矩阵,同时将估计的加速度引入到卡尔曼滤波框架下,实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。 何山 吴盘龙 恽鹏 李星秀关键词:卡尔曼滤波 基于增强上下文信息长短期记忆网络的弹道轨迹预测 被引量:3 2023年 根据己方观测数据进行弹道轨迹预测是现代陆军实施精准打击的重要一环。针对现有弹道轨迹预测方法存在精度不足且实时性不强的问题,提出一种新的增强上下文信息长短期记忆(CE-LSTM)网络轨迹预测模型,进行弹道轨迹的长期精准预测。在LSTM网络可逼近任意非线性函数且具备长期记忆能力的基础上,构建隐藏层输出混合单元提取短时上下文信息,进一步逼近弹体运动状态;通过建立不同条件下的弹道轨迹的数据集,训练得到具备最优超参数的CE-LSTM网络。实验结果表明,与弹道微分方程组的数值积分解法以及高斯混合模型相比,CE-LSTM网络在预测的精度上优于其他2种方法,预测速度提高了3~10倍,且具备较强的泛化能力。 任济寰 吴祥 薄煜明 吴盘龙 何山关键词:轨迹预测 高斯混合模型 变分贝叶斯概率数据关联算法 2022年 针对杂波环境下的目标跟踪问题,提出了一种基于变分贝叶斯的概率数据关联算法(Variational Bayesian based probabilistic data association algorithm, VB-PDA).该算法首先将关联事件视为一个随机变量并利用多项分布对其进行建模,随后基于数据集、目标状态、关联事件的联合概率密度函数求取关联事件的后验概率密度函数,最后将关联事件的后验概率密度函数引入变分贝叶斯框架中以获取状态近似后验概率密度函数.相比于概率数据关联算法, VB-PDA算法在提高算法实时性的同时在权重Kullback-Leibler (KL)平均准则下获取了近似程度更高的状态后验概率密度函数.相关仿真实验对提出算法的有效性进行了验证. 恽鹏 吴盘龙 李星秀 何山关键词:杂波 目标跟踪 概率数据关联 基于DBSCAN聚类的群目标分离与合并跟踪算法 被引量:1 2022年 针对杂波环境下群目标分离与合并时跟踪精度变化较大的问题,提出一种基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)的群目标分离与合并跟踪算法。该算法首先根据群目标模型、落入群目标跟踪门中的量测数量与群目标关联门交叉区域的预测群中心数量来判断群分离或合并的可能性;然后,通过DBSCAN算法对群目标关联门中的量测进行聚类,进一步确定群目标是否发生分离或合并;最后,根据新群目标跟踪门中的等效量测方差计算并更新对应的群目标跟踪门大小和群成员数量。仿真结果表明,相比于传统群目标的分离与合并跟踪方法,该算法保证了群目标分离与合并检测的实时性,提高了分离或合并前后的跟踪精度。 李学文 何山 吴盘龙关键词:DBSCAN 基于光电测量的双站系统多目标跟踪 被引量:9 2018年 为了提高多目标跟踪的跟踪精度以及解决传统雷达多目标跟踪方法中杂波数目过多的缺陷,提出一种基于光电测量的双站系统多目标跟踪方法。首先设计了一种利用矩形关联门确定双站视野内目标数目的算法,然后利用加权最小二乘法实现对量测信息进行融合并与关联门进行匹配筛选,最后采用改进的联合概率密度数据关联算法对融合数据进行处理,实现对多个目标的实时跟踪。实验结果表明,该方法可以确定视野内的目标数目并且相比于最小二乘法提高了86.6%的跟踪精度。 恽鹏 吴盘龙 何山关键词:光电测量 双站 加权最小二乘法 基于IE-DBN算法的空中来袭目标威胁评估 2022年 针对传统动态贝叶斯网络主观性强、对复杂战场态势处理能力弱、计算时间长的缺点,提出了一种基于信息熵-动态贝叶斯网络(information entropy-dynamic Bayesian network,IE-DBN)的威胁评估算法。该算法在动态贝叶斯网络框架中通过可自适应调节的高斯隶属度函数得到目标速度、距离、高度和来袭方向的概率,有效地解决了对来袭目标威胁时变状态计算滞后的问题;降低了主观因素对威胁度计算的影响,使用信息熵算法对框架得到的结果进行加权处理得到空中来袭目标的威胁度。仿真结果表明改进算法可以更加客观准确地计算出空中来袭目标的威胁程度。 完娟 何山 吴盘龙 孔子明关键词:动态贝叶斯网络 信息熵 一种基于自适应去偏转换滤波的机动目标跟踪(英文) 被引量:8 2017年 针对于机动目标的跟踪问题,提出了一种基于交互式多模型的自适应去偏转换卡尔曼滤波器。该算法利用交互多模型算法来完成不同跟踪模型的相互切换;根据自适应去偏转换测量卡尔曼滤波算法来推导跟踪目标状态,同时自适应因子可以确保不正常测量时的鲁棒性。与传统的去偏转换卡尔曼滤波算法对比,该算法可以很好地改善所获量测信息在雷达被干扰时的目标跟踪精度。仿真结果表明了算法的有效性和可行性,且跟踪精度相对传统的去偏转换卡尔曼滤波算法减少9.38%的位置误差。 王超尘 吴盘龙 薄煜明 周洋 何山关键词:交互多模型 目标跟踪 自适应卡尔曼滤波 机载脉冲多普勒雷达在测量数据丢失下的多目标跟踪 被引量:5 2017年 针对于多目标在机载多普勒盲区测量数据丢失下的跟踪问题,提出了一种鲁棒无偏转换自适应门限的CPHD(Robust Unbiased Converted Measurements-Adaptive Gating-Cardinalized Probability Hypothesis Density,RUCM-AG-CPHD)算法。该算法首先对目标测量信息进行无偏转换,并将无偏转换得到的噪声协方差矩阵做解耦;然后设计增益调节矩阵提高滤波器在目标量测数据丢失下的鲁棒性;最后采用自适应门限去除不相关的量测信息,同时保证检测到新出现的目标,从而有效地降低了算法的计算复杂度。仿真结果表明该算法的有效性和可行性,可以更加准确的估计出目标在盲区内测量信息丢失下的目标个数和状态,且计算量相对于传统的CPHD算法减少了8.6%。 何山 吴盘龙 恽鹏 邓宇浩关键词:多目标跟踪 自适应门限 基于刚体弹道模型的防空火控解算方法 被引量:3 2020年 为改善火控系统的通用性和实时性,提出了基于刚体弹道模型的防空火控解算方法。对目标量测信息进行无偏转换,并将无偏转换得到的噪声协方差矩阵做解耦,在对目标状态准确估计同时,降低滤波算法计算的复杂度;利用割弦迭代法计算出命中点坐标,并在每次迭代过程中,利用虚拟脱靶量对射击诸元进行修正,减少对弹道微分方程的计算次数,极大提高火控解算的求解速度。仿真实验结果表明,该方法有效和可行,可以更加精确地计算出射击诸元,且计算量相对于传统火控解算方法得到了显著改善。 何山 吴盘龙 李星秀 恽鹏 薄煜明关键词:火控系统 射击诸元