您的位置: 专家智库 > >

文献类型

  • 6篇中文期刊文章

领域

  • 4篇电子电信
  • 4篇自动化与计算...

主题

  • 4篇滤波
  • 3篇神经网
  • 3篇神经网络
  • 3篇RBF神经网...
  • 2篇网络
  • 2篇线性滤波
  • 2篇目标跟踪
  • 2篇卡尔曼
  • 2篇卡尔曼滤波
  • 2篇非线性滤波
  • 1篇动目标
  • 1篇动目标跟踪
  • 1篇学习算法
  • 1篇远程
  • 1篇远程控制
  • 1篇神经网络学习
  • 1篇神经网络学习...
  • 1篇视频
  • 1篇视频采集
  • 1篇网络传输

机构

  • 5篇中国人民解放...
  • 1篇空军预警学院

作者

  • 6篇桑成伟
  • 2篇徐毓
  • 2篇徐占刚
  • 1篇田康生
  • 1篇韩振铎
  • 1篇俞志强
  • 1篇张楠
  • 1篇彭焱
  • 1篇张培珍
  • 1篇张萍
  • 1篇何成伟
  • 1篇何雅晶
  • 1篇管幼东
  • 1篇李锋

传媒

  • 2篇空军雷达学院...
  • 2篇计算机测量与...
  • 1篇现代防御技术
  • 1篇空军预警学院...

年份

  • 1篇2013
  • 2篇2007
  • 3篇2006
6 条 记 录,以下是 1-6
排序方式:
雷达视频的组网传输设计及应用被引量:2
2013年
为了高效利用雷达原始回波,设计了视频回波的组网采集及传输方式:利用雷达视频采集卡,解决了多种模式、多种分辨率雷达VGA视频的远程控制问题;通过雷达视频流服务器,实现了雷达一次视频信息的实时网络传输与多级共享.实际应用表明,将雷达一次视频、雷达情报和指挥控制组网集为一体,有助于提高预警探测的准确性、直观性和可靠性.
李锋桑成伟
关键词:雷达回波视频采集远程控制网络传输
一种机动目标的跟踪算法研究被引量:13
2006年
目前在机动目标跟踪领域中讨论比较多的算法包括扩展卡尔曼滤波算法、强跟踪算法、UKF算法和粒子滤波算法;扩展卡尔曼滤波算法对非线性方程进行一阶线性阶处理,这种近似所带来的误差会随着非线性化程度的严重而越来越显著,最终造成滤波器的发散;而粒子滤波作为一种基于蒙特卡洛方法的贝叶斯滤波算法,虽然不需要对非线性方程进行一阶近似,但是其计算负担过于繁重,很难满足实时性的要求,提出了一种基于粒子滤波(PF)的径向基(RBF)神经网络(PF-RBF-Neural-Networks)机动目标跟踪算法,该算法能够获得和粒子滤波几乎相同的跟踪精度,同时又克服了粒子滤波计算量大的缺陷,仿真结果验证了该算法的有效性和可行性。
桑成伟徐毓张楠张萍
关键词:非线性滤波粒子滤波RBF神经网络
基于扩展卡尔曼滤波器的RBF神经网络学习算法被引量:4
2006年
径向基函数(RBF)神经网络可广泛应用于解决信号处理与模式识别问题,目前存在一些学习算法用来确定RBF中心节点和训练网络,对于确定RBF中心节点向量值和网络权重值可以看作同一系统问题,因此该文提出把扩展卡尔曼滤波器(EKF)用于多输入多输出的径向基函数(RBF)神经网络作为其学习算法,当确定神经网络中网络节点的个数后,EKF可以同时确定中心节点向量值和网络权重矩阵,为提高收敛速度提出带有次优渐消因子的扩展卡尔曼滤波器[1](SFEKF)用于RBF神经网络学习算法,仿真结果说明了在学习过程中应用EKF比常规RBF神经网络有更好的效果,学习速度比梯度下降法明显加快,减少了计算负担。
何成伟韩振铎桑成伟徐占刚
关键词:扩展卡尔曼滤波器径向基函数神经网络
一种Hough变换航迹起始参数空间划分方法
2007年
针对Hough变换参数空间间隔尺度对发现概率的影响,分析了基于Hough变换航迹起始方法在存在正态分布的系统噪色、观测噪声和无噪声3种情况下参数空间矩形带宽度的划分对发现概率的影响,提出了可以补偿测量噪声的参数空间划分方法,仿真结果验证了此方法的有效性和可行性。
桑成伟徐毓何雅晶
关键词:HOUGH变换
目标跟踪中的观测时间控制算法被引量:1
2007年
为解决目标跟踪精度与观测时间间隔的矛盾,提出了一种基于目标状态估计协方差控制的观测时间确定算法.该算法以卡尔曼滤波器作为状态估计工具,根据跟踪精度要求设定目标估计状态协方差上限,通过目标估计状态协方差来控制观测时间间隔,从而实现对目标的优化观测.仿真结果验证了算法的有效性。
管幼东田康生桑成伟张培珍
关键词:传感器管理卡尔曼滤波目标跟踪
UPF与RBF结合的机动目标跟踪算法
2006年
针对UPF算法精度较高,但计算量大的问题,基于对精度与实时性考虑,提出了UPF与径向基神经网络相结合的模型与机动目标跟踪算法.通过计算机模拟仿真,证明了该算法的可行性.
徐占刚俞志强桑成伟彭焱
关键词:非线性滤波RBF神经网络
共1页<1>
聚类工具0