基于毫米波传感器的目标跟踪与识别

来源 :东南大学 | 被引量 : 0次 | 上传用户:pingli_lp
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,随着人工智能的兴起,无人驾驶技术逐渐成为研究的热门领域。无人驾驶汽车通过传感器感知周围环境,而环境感知主要包括目标的跟踪与识别。因此高精度的跟踪算法以及高准确率的识别算法对无人驾驶车辆的研究具有较大的推动作用。在目标的跟踪过程中,由于回波信号的非视距传播以及环境噪声干扰等因素导致观测信息中出现奇异值,从而影响算法的跟踪精度。此外,在目标识别过程中,传统的识别算法对类别不平衡问题较为敏感。然而在无人驾驶汽车的应用场景中,类别不平衡问题普遍存在,尤其在高速公路上,车辆样本远高于行人样本从而形成了典型的类别不平衡。因此,如何降低奇异值对算法跟踪性能的影响以及解决类别不平衡问题是具有重要意义且亟待解决的研究课题。针对目标跟踪中的奇异值抑制以及目标识别中的类别不平衡问题,本文开展了基于毫米波传感器的目标跟踪与识别的研究,论文的主要工作和创新点如下:1.分析了毫米波传感器目标跟踪过程中奇异值产生的原因,针对目标跟踪的观测量和状态的非线性映射关系,提出了一种基于粒子滤波的奇异值抑制方法。通过向观测向量的协方差矩阵中引入反馈,从而减少观测数据中的奇异值对状态估计的影响。2.针对粒子滤波中采样粒子不稳定的问题,进一步研究了网格滤波。通过引入状态转移的先验条件,将状态空间限制在一定区域内,从而避免采样粒子因偏差较大而导致的跟踪精度下降的问题,同时提出了一种基于多通道网格滤波的奇异值抑制方法。该方法通过对每个观测值引入反馈,减少观测值之间的影响,从而充分利用包含奇异值的观测信息,进一步提高了算法的跟踪性能。最后通过仿真实验验证了上述方法的有效性。3.研究了现有的基于毫米波雷达的目标识别技术以及类别不平衡问题的相关研究,提出了一种基于代价敏感的卷积神经网络(CNN)。该方法通过将类别不平衡的评价指标引入损失函数,指导网络参数的学习,从而使得网络对少数类的误分类更加敏感。同时在不改变数据集的前提下,提高了网络的收敛速度。4.针对卷积神经网络对位置信息不敏感的问题,提出了一种基于混合支持向量机-卷积神经网络(SVM-CNN)分类器的目标识别方法。该方法充分利用了距离-多普勒图中目标典型的物理特征,并通过改进的SVM分类器识别出具有典型特征的车辆样本。一方面可以有效缓解车辆和行人之间的类别不平衡问题,另一方面,充分利用距离-多普勒图中目标的位置信息,从而提高目标分类准确率。之后将剩余样本送入CNN分类器进行再分类。最后通过仿真实验验证了上述方法的有效性。5.基于77GHz毫米波雷达传感器IWR1443搭建试验系统,设计雷达系统的相关参数。同时收集试验数据,并通过实测数据验证了本文所提出的方法的有效性。
其他文献
经过数十年的发展,纳米孔技术在分子检测上有了长足的进步。但是针对精准医疗所提出的基因测序和精准治疗,传统的纳米孔技术很难获得足够多的分子信息。对此,本课题提出了两种新型的纳米孔传感系统,以DNA分子和蛋白质分子为检测媒介,以模拟和实验相结合的方法,以期获得更多的分子信息。本研究的主要内容如下所示:(1)根据分子过孔原理,搭建了用于驱动分子和检测的实验平台,用聚焦离子束刻蚀技术成功制备了20 nm~
随着经济的发展,企业对自动化发展的需求越来越迫切。在现代办公空间中,屏风办公桌以其用户友好的空间分割功效在全球范围内得到普遍应用。屏风板是屏风办公桌的重要组成部件,其侧面橡胶条的箍紧目前都是人工进行箍紧,导致人工劳动强度大,生产效率低。基于上述现状,针对国内外现阶段办公屏风板侧面橡胶条人工箍紧的问题,开发了一套自动箍紧设备。首先,在充分考虑目前合作企业的生产情况后,分析了屏风板箍紧的工艺流程,确定
随着现代机器学习与深度学习算法的发展,现有环境感知技术对理想环境中的人员、车辆等目标识别的准确率不断提升,但是,对实际很多特殊场景(例如雨天、夜晚等光线昏暗的低辨识度环境)的检测准确率却不尽如人意。因此,突破对低辨识度目标检测的精度水平,是环境感知技术实际应用的关键。低辨识度目标的特点包括:目标与周围环境的对比度较低或者目标没有明显且完整的轮廓特征或者目标像素占整张图像像素比例低于30%等。本文针
相比轮式或履带式机器人,四足机器人能够借助腿足结构在非平坦路面上实现行走,对复杂环境具有很强的适应性。这些优点使得四足机器人具备广大的潜在应用前景,尤其用于工程勘察、抢险救灾和反恐防暴等场合。本文针对四足机器人行走稳定性,从结构设计和运动规划两个方面着手,完成机器人机构设计,研究不同环境下机器人步态和位姿调整策略,分析末端运动误差并设计跟踪算法,通过相应的仿真实验对结果进行验证。主要研究工作如下:
随着汽车保有量的迅速增加,交通安全和交通拥堵成为了一个亟待解决的难题。在人工智能创新科技的不断推动下,自动驾驶关键技术突飞猛进。自动驾驶汽车排除了驾驶员因素的干扰,可以很好的解决了交通安全等问题,加之自动驾驶汽车网络的全局可控性,可以很大程度上避免交通拥堵。由于稳定且可靠的路径跟踪控制系统和自主避障控制系统是车辆实现自动驾驶的必要条件,因此本文针对自动驾驶汽车路径跟踪控制和自主避障控制问题进行了深
近些年来,随着人工智能技术的发展,卷积神经网络在计算机视觉领域得到了广泛应用,它在图像分类、目标检测等任务中表现优异。但卷积神经网络计算量较大,此特性使其难以直接在边缘端或移动设备上部署,因为此类平台通常算力有限,且对功耗敏感。为了使卷积神经网络在这种平台上运行,通常使用轻量级的网络模型,或使用专用的电路对其进行计算。根据这两个理念,本文提出了基于So PC平台的轻量级卷积神经网络加速器,可进行M
近年来,各种智能设备和蜂窝网移动用户数量快速增长,移动数据流量也随之激增,而由于当前通信网络无线资源有限,重复传输大量相同的内容导致资源浪费,回程链路拥塞,通信时延增加甚至通信中断。而雾无线接入网这一新兴的网络架构可以解决当前通信网络面临的上述问题。在雾无线接入网中,边缘节点具备一定的计算和存储资源,通过将流行内容存储到用户附近的边缘节点,即可避免用户从云端反复下载重复内容,进而有效降低链路负载与
随着无线通信技术的发展,天线设计也面临着小型化、宽带化、多频化等多方面的设计需求,天线与阵列设计日趋复杂,设计自由度提升。传统的全波仿真计算虽然仿真结果相对精确,但计算成本较高,不利于需要大量重复仿真计算的优化过程或敏感性分析。本文针对机器学习辅助优化技术及其在天线设计中的应用开展深入研究,具体成果如下:首先,在研究电磁优化领域被引入的常用机器学习代理模型及相关优化算法基本原理的基础上,对比人工神
随着移动互联网的迅速发展以及智能移动终端的普及,越来越多的用户从传统的PC端上网逐渐转换到基于移动智能终端的移动互联网上。各种应用软件在颠覆用户生活习惯的同时,涉及到了用户的个人隐私,不可避免的带来了移动信息安全泄露的威胁。因此,基于移动终端的信息安全也成为了当下的热门研究方向。人脸识别技术主要是基于人的面部特征信息来进行身份识别,综合了人工智能、机器学习、图像处理等众多技术,其识别准确率也逐渐提
传感器节点的能量受限问题是无线传感器网络(WSNs,Wireless Sensor Networks)中的一个重要问题,它关乎到WSNs的使用寿命。近年来,利用无人机(UAV,Unmanned Aerial Vehicle)对节点进行充电引起了国内外学者的广泛关注。本学位论文重点研究了UAV辅助的WSNs充电策略,根据传感器节点的剩余电量和无人机的机载能量,在保证WSNs正常工作的情况下,优化UA