公共文化服务平台

何山: 作品数：11 被引量：34H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航空宇航科学技术更多>>

合作作者

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：4: 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：8: 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

考虑执行能力约束的多机协同目标分配AEPSO算法: 2024年; 针对复杂环境中的多无人机协同攻击目标分配算法存在约束条件不充分、解空间的多样性与收敛性难以平衡等问题,提出了一种考虑执行能力约束的多机协同目标分配自适应精英粒子群(AEPSO)算法。首先,在以攻击效益最大化、时间及损毁代价最小化为目标的基础上,将多无人机续航能力、跟踪攻击性能等差异性导致的执行能力受限作为约束条件,构建了多无人机协同目标分配模型。然后,提出了一种基于混沌初始化和多尺度协同变异的自适应精英粒子群策略:通过构建一种改进型Logistic映射,实现粒子混沌初始化,提高了初始粒子群的多样性及搜索遍历性;设计了带有不同方差的自适应高斯变异机制作为精英选择策略,增强了粒子群的全局和局部搜索能力,跳出局部最优;最后,将粒子收敛贡献值作为反馈信息自适应地调整粒子群参数,加快算法收敛速度。仿真结果表明,在不同的无人机与目标的分配关系下,所提算法以更快的收敛速度、更小的适应度值求解出最佳的分配方案。; 黄樊晶吴盘龙李星秀赵若涵何山

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

何山

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

何山

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈