您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于粒子群优化算法思想的组合自适应滤波算法

  2. 是一种基于粒子群优化算法思想的组合自适应滤波算法,关于粒子群的一种滤波算法
  3. 所属分类:其它

    • 发布日期:2010-07-10
    • 文件大小:735232
    • 提供者:BITANYUANLONG
  1. SSD(single shot multibox detector)翻译

  2. SSD(single shot multibox detector)翻译,含原论文原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作 所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已 经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中 以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 位论文作着(笔)签名分2y年D月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学
  3. 所属分类:讲义

    • 发布日期:2019-03-03
    • 文件大小:23068672
    • 提供者:qq_39696749
  1. 一种粒子滤波自适应优化算法

  2. 通过对粒子滤波算法中建议分布与重采样2种改进技术分析,提出了一种粒子滤波自适应优化算法.首先,基于退火参数自适应优化混合建议分布,以改进建议分布的采样范围.然后,在基于有效样本大小的自适应重采样技术之上,借助另一多样性测度即种群多样性因子来自适应调整重采样阈值,而且,样本变异操作在重采样之后被引入确保样本的多样性.同时,结合部分分层重采样算法研究并进行改进,改进的部分分层重采样算法具有原算法执行快时间短的优点,同时结合权重优化的思想改进重采样的样本权重计算.通过仿真实验,粒子滤波自适应优化算法的
  3. 所属分类:其它

    • 发布日期:2020-07-09
    • 文件大小:586752
    • 提供者:weixin_38729685
  1. 认知雷达目标跟踪时的波形优化选择方法

  2. 基于认知雷达波形捷变的思想,以提高雷达跟踪精度为目的,提出了一种基于自适应Kalman滤波的PSO优化算法的认知雷达的波形选择方法。通过发射波形与测量噪声之间的关系,建立了发射波形与雷达跟踪性能之间的关系模型,利用粒子群算法优化雷达发射波形参数,在卡尔曼跟踪滤波算法中增加了波形选择模块,实现对发射波形的自适应选择,以获取更好的目标跟踪性能。仿真结果表明,该方法使雷达对目标的跟踪性能在速度误差和距离误差分别降低50%和60%。
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:1048576
    • 提供者:weixin_38672794
  1. 基于自适应粒子群优化的新型粒子滤波在目标跟踪中的应用

  2. 针对基于粒子群优化的粒子滤波(PSO-PF) 算法精度不高, 实时性差, 难以满足雷达机动目标跟踪的需求, 提出一种基于动态邻域自适应粒子群优化的粒子滤波(DPSO-PF) 算法. 该算法可以动态调整粒子邻域环境, 其中每个粒子按照邻域的环境和自身的位置信息自适应地调整相互间的邻域粒子数量, 使邻域粒子数量更为合理, 达到寻优能力与收敛速度的最佳平衡. 最后利用不同模型对该算法进行了仿真实验, 实验结果表明所提出的算法能够提高雷达机动目标跟踪的实时性和精确性.
  3. 所属分类:其它

    • 发布日期:2021-01-14
    • 文件大小:322560
    • 提供者:weixin_38630139
  1. 基于可观测量的同步发电机模型参数的频域辨识

  2. 对含有不可观测量的同步发电机模型基本参数进行辨识,需要求解复杂的微分方程组,增加了辨识难度。提出一种由可观测量表示的同步发电机阻抗矩阵传递函数模型,简化了参数辨识方法,减小了辨识的计算量。利用阻抗实部和虚部分开表征的辨识算法进行模型的可辨识性分析,研究表明,结合稳态方程后,所提模型的基本参数是唯一可辨识的,避免了参数多值性问题,且辨识过程与参数经验值无关,能有效防止出现由参数经验值误差引起辨识精度降低的问题。通过自适应滤波获得信号的频域信息,结合粒子群优化算法辨识得到同步发电机基本参数。算例仿真
  3. 所属分类:其它

    • 发布日期:2021-01-14
    • 文件大小:1048576
    • 提供者:weixin_38666753
  1. 基于KLD的蝙蝠算法优化自适应粒子滤波

  2. 针对粒子滤波存在计算效率低和因粒子贫化导致的计算精度下降问题,基于KLD(Kullback Leibler distance)采样和蝙蝠算法,提出一种可动态调整粒子规模的自适应粒子滤波算法.首先,在重要性采样中利用KLD采样动态调整粒子规模;然后,使用蝙蝠算法定向优化粒子集,并在迭代更新中使蝙蝠算法和KLD采样相互作用,从而达到同时提升计算精度和计算效率的目的.实验结果验证了所提出算法的可行性和有效性.
  3. 所属分类:其它

    • 发布日期:2021-01-12
    • 文件大小:262144
    • 提供者:weixin_38663007