简介:当跟踪目标属于隐身目标、低空目标或处于强杂波和干扰环境,都会导致雷达的目标检测概率降低,丢失率较高。因此,本文着重研究PHD算法在检测概率较低的情况下跟踪稳定性不佳的缺陷,找出了一种适用于低目标检测概率的L-GMPHD滤波,通过对前一时刻状态估计值外推,若发生漏检,则将外推值加入当前时刻状态估计值中,确保了目标的状态估计不被裁剪去除。从MATLAB仿真结果可知,L-GMPHD滤波器处于检测概率较低的情况时,能够明显改善目标跟踪的稳定性。该方法能够保持高精度的多目标跟踪,具有良好的工程应用前景。
简介:针对传统多目标概率假设密度(PHD)滤波器在低检测概率情况下跟踪精度低和失跟率高的问题,提出了一种改进的概率假设密度滤波算法。该算法利用高斯混合PHD(GM-PHD)滤波器进行PHD预测和PHD更新,处理过程中通过修正上一拍权值大的高斯项,并在处理当前拍时保证其权值的稳定性,以保证算法的高精度。仿真结果表明,在低检测概率情况下,该算法可较好估计目标数和目标状态。与传统GM-PHD滤波器比,该算法跟踪精度大幅提高。
简介:提出了一种基于流体随机Petri网的工作流响应时间概率分布计算方法.首先讨论了利用随机工作流网建模的一些相关问题,然后描述了如何将随机工作流网模型转化为流体随机Petri网模型,最后给出了该种流体随机Petri网模型的动态方程,说明工作流响应时间的概率分布可直接由流体随机Petri网模型的暂态解得到.该方法对工作流模型的结构没有提出任何限制,且工作流任务的处理时间可取任意概率分布,通过递归地使用网化简技术可有效地处理大型工作流模型.
简介:根据南京气象站及其周边3个乡村自动气象站2005年逐时风速资料,拟合了风速的概率分布函数,分析表明:南京城、乡地面风速的概率分布均与3参数的韦伯分布吻合度很高,风速概率密度函数(PDF)曲线形状存在明显的城乡差别,城市风速PDF曲线更加陡峻,即风速分布更为集中;在0.75~3.75m/s,城市风速PDF值明显高于周边乡村,而在〉3.75m/s和〈0.75m/s范围,城市风速概率密度值则低于乡村;城市下垫面的摩擦效应削弱风速而热力效应起增强风速作用,对风速的城乡差值序列的分析发现:多数时间城市风速是小于乡村风速的,但风速小于1.90m/s条件下,城市风速会出现大于乡村的现象;总体上摩擦效应的作用远大于热力效应;城市效应使全年平均风速下降0.43m/s。
简介:不确定性是数据的固有属性,在实验过程中由于仪器的限制或者收集过程中的误差都会造成数据的不确定性。数据挖掘算法在处理不确定数据的相关研究尚处于初级阶段,不确定数据聚类是不确定数据研究中的典型问题,已有一些聚类算法被应用到处理不确定数据,如UK-means等。无论是UK-means还是FDBSCAN都仅仅考虑了不确定数据之间的几何距离,而没有考虑到不确定数据之间的概率分布差异。然而,概率分布特征是不确定数据的本质特征,考虑不确定数据的概率分布能够更准确度量不确定数据间的距离,从而提高聚类算法的性能,本文使用核函数度量不确定数据与类中心的距离,然后使用UK-means算法聚类不确定数据,通过大量实验验证了本文提出的距离函数优于使用欧式距离期望的UK-means方法。