CN110717370A - 多目标追踪方法与系统 - Google Patents
多目标追踪方法与系统 Download PDFInfo
- Publication number
- CN110717370A CN110717370A CN201810891105.9A CN201810891105A CN110717370A CN 110717370 A CN110717370 A CN 110717370A CN 201810891105 A CN201810891105 A CN 201810891105A CN 110717370 A CN110717370 A CN 110717370A
- Authority
- CN
- China
- Prior art keywords
- physical characteristic
- data set
- characteristic data
- stored
- target tracking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000000513 principal component analysis Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000012880 independent component analysis Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 239000000523 sample Substances 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 102100036725 Epithelial discoidin domain-containing receptor 1 Human genes 0.000 description 2
- 101710131668 Epithelial discoidin domain-containing receptor 1 Proteins 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000035559 beat frequency Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/35—Details of non-pulse systems
- G01S7/352—Receivers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
- G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
- G01S13/34—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
- G01S13/726—Multiple target tracking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Algebra (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种多目标追踪方法包含:产生多个目标物的多维度物理特征数据;简化多维度物理特征数据,以降低多维度物理特征数据的维度,因此得到简化数据集;并且追踪比较当前的简化数据集与存储于数据库的存储数据集。其中如果当前的简化数据集符合存储于数据库的存储数据集,则根据相应情形作适当处置;如果当前的简化数据集不符合存储于数据库的存储数据集,则将当前的简化数据集定义为新的事件,并存储于数据库。
Description
技术领域
本发明是有关一种追踪系统,特别是关于一种多目标追踪系统与方法。
背景技术
追踪(tracking)系统或监测(monitoring)系统是用以捕获目标物的状态,并根据所得到的状态数据作及时的适当回馈处理。追踪系统若捕获较少的数据(例如一维或单变量的数据),虽然可快速的处理,但是可能因数据不足容易在环境干扰下产生变动,因而造成信息误判的情形。相反的,如果捕获多维度的数据,则无法被传统的处理器所及时处理与分辨解析。
传统追踪系统通常使用三维加速度计作为监测组件。然而,此类监测组件通常采用侵入方式与设备结合,因此可能破坏原设备结构,且不容易安装在具活动性的设备上。光感激光是传统追踪系统的另一种常用监测组件,其虽然可设置于设备外以进行监测,但是激光的指向性高,仅能对单一目标进行监测。此外,光感激光仅能取得信号飞行时间,因此其应用受到局限。
对于一些追踪应用,例如电路板信号检测,通常需耗费大量人力,且受到检测人员的主观意识,或者因为电路板内部模块不同的布局或电路走线会各自产生不同的噪声,而影响效能,因而增加了很多不确定因素。因此亟需一种新颖的追踪机制,在此机制下我们可以快速检测问题所在,而进行改善维修。
发明内容
鉴于上述,本发明实施例的目的之一在于提出一种多目标追踪系统与方法,有效维持数据的可靠度,减少测量误差,达到快速检修,并可减少人力与时间成本。
根据本发明实施例,多目标追踪方法包含:产生多个目标物的多维度物理特征数据;简化多维度物理特征数据,以降低多维度物理特征数据的维度,因此得到简化数据集;并且追踪比较当前的简化数据集与存储于数据库的存储数据集。其中如果当前的简化数据集符合存储于数据库的存储数据集,则根据相应情形作适当处置;如果当前的简化数据集不符合存储于数据库的存储数据集,则将当前的简化数据集定义为新的事件,并存储于数据库。
附图说明
图1A显示本发明第一实施例的多目标追踪系统的方块图。
图1B显示本发明第一实施例的多目标追踪方法的流程图。
图2例示图1A的雷达的细部方块图。
图3A例示反射信号经时频分析得到的基频时频信号与波形图。
图3B例示射频波接收信号降频解调示意图。
图3C例示经处理器所提取得到的物理特征数据。
图4A-4C例示使用主成分分析法处理后的简化数据集。
图5A显示本发明第二实施例的多目标追踪系统的方块图。
图5B显示本发明第二实施例的多目标追踪方法的流程图。
图6A例示笔记本电脑的印刷电路板的示意图。
图6B例示机械手臂的世界坐标。
图6C例示机械手臂的转轴角度。
图6D例示图5B的步骤41所得到的噪声能量与步骤42所得到的位置与角度。
图7A-7B例示使用主成分分析法处理后的简化数据集。
具体实施方式
图1A显示本发明第一实施例的多目标追踪(multi-object tracking)系统100的方块图,图1B显示本发明第一实施例的多目标追踪方法200的流程图。在本实施例中,多目标追踪系统100可包含雷达11,其可发射与接收射频电波(radio wave)以侦测多个目标物12。本实施例的雷达11为频率调制连续波(FM-CW)雷达,但不限定于此。图2例示图1A的雷达11的细部方块图,其可包含调制解调器(modulator/demodulator或modem)111、发射器112及接收器113。本实施例的调制解调器111为频率调制连续波(FM-CW)调制解调器,其调制电路产生频率调制连续波(FM-CW)射频信号(亦即发射信号),其射频时频(time-frequency)信号如例示的波形114,其通过发射器112发送至多目标物12(步骤21)。在此例子中,目标物12为机械手臂的上手臂12A与下手臂12B(但测量物不限于机械手臂,亦可以是马达传轴等具物理表征的机械设备)。接收器113接收反射自目标物12的反射信号(亦即接收信号),经调制解调器111的解调电路予以降频解调后,可得到基频时频信号如例示的波形115(步骤22)。由于各个目标物12具有不同的物理特征(例如机械振动或位移),表现为相异的相对位置与速率变化,因此降频解调后的波形115形成多重振幅-频率的混合信号。
图3A例示反射信号经时频分析得到的基频时频信号与波形图。观察图3A的波形可以得知,物体于正常相对速率的运动下,可得到相对的频率与信号能量大小的波形混合变化。图3B例示从射频波段降为基频波段的示意图。如图3B所示,接收信号的波形相对于发射信号的波形具有沿时td。根据发射/接收信号的升缘与降缘可得到拍击(beat)信号,据以得到相对位置(距离)与速度如下所示:
其中Δf为雷达11的扫描带宽,tm为雷达11扫频一周期所费时间,C为光速,fb1为发射/接收信号波形升缘的拍击频差,fb2为发射/接收信号波形降缘的拍击频差。
本实施例的多目标追踪系统100可包含处理器13,例如计算机,其根据发射信号与接收信号以提取得到多目标物12于不同时间的多维度物理特征数据(步骤23),例如强度、频率、位置、速度。图3C例示经处理器13所提取得到的物理特征数据,其包含强度、频率、位置、速度共四维度,该些数据可存放于数据库14。在本实施例中,处理器13提取多维度的数据,可避免单维度因数据不足容易在环境干扰下产生变动,因而造成信息误判的情形。
接着,在步骤24,处理器13使用主成分分析法(principle component analysis,PCA),用以简化步骤23所得到物理特征数据,降低维度,同时保持该些数据当中变异数(variance)贡献最大的特征。通过保留特征值较高的特征向量且忽略特征值较低的特征向量,所保留的特征值较高的特征向量成分即可保留住该些数据的最重要方面。经主成分分析法(PCA)处理后的简化数据集可存储于数据库14。在另一实施例中,在步骤24,处理器13使用独立成分分析法(independent component analysis,ICA),用以简化步骤23所得到物理特征数据。独立成分分析法(ICA)是为一种信号处理方法,用以将多变量(multivariate)信号分离成为相加的次信号(additive subcomponent)。
图4A-4C例示使用主成分分析法(PCA)处理后的简化数据集PC1/PC2,其中X轴表示距离,Y轴表示速度,其亦可由图3C捕获其他相关数据作为运算。图4A表示正常事件的简化数据集,图4B表示异常事件的简化数据集,例如机械手臂的转轴故障情形,图4C表示另一异常事件的简化数据集,例如电力不足或效能降低。
在步骤25,处理器13追踪比较当前的简化数据集与存储于数据库14的存储数据集。如果当前的简化数据集符合存储于数据库14的存储数据集(亦即存在数据库14内),则根据相应情形作适当处置(步骤26)。如果当前的简化数据集不符合存储于数据库14的存储数据集(亦即不在数据库14内),则可根据检测结果将此简化数据集定义为新的事件(步骤27),并存储于数据库14。在本实施例中,数据库14可使用机器学习(machine learning)技术以进行数据集的分类。
图5A显示本发明第二实施例的多目标追踪系统300的方块图,图5B显示本发明第二实施例的多目标追踪方法400的流程图。在本实施例中,多目标追踪系统300可包含探测器(probe)15,夹带于机械手臂上。
图6A例示笔记本电脑的印刷电路板600的示意图。由于印刷电路板600上的各个模块(例如通用串行总线(USB)、连接器、双倍数据率内存(DDR1/DDR2)、电源、中央处理单元)具有个别的热效应与模块噪声,因此各模块的布局与电路走线的相对位置会影响天线1/天线2(61)的收讯效能。在步骤41,使用探测器15对印刷电路板600的多处进行噪声功率测量,以得到物理特征数据,并进行后续检测分析主要问题所在,而进行修缮。
本实施例的多目标追踪系统300可包含处理器13,例如计算机,其接收探测器15测量得到的物理特征数据(例如印刷电路板600的噪声能量)。此外,处理器13还同时从机械手臂取得探测器15的其他相关物理特征数据,例如位置与角度(步骤42)。图6B例示机械手臂的世界坐标,图6C例示机械手臂的转轴角度。图6D例示图5B的步骤41所得到的噪声能量与步骤42所得到的位置与角度。
在步骤42的后(但步骤43之前),可额外增加第一实施例的步骤21~24,使用雷达11发射与接收射频电波(radio wave)以侦测多个目标物12,其实施细节不再赘述。在本实施例中,雷达11为连续波(CW)雷达,但不限定于此。相较于频率调制连续波(FM-CW)雷达,连续波(CW)雷达得到较少维度的数据,例如强度与频率。
在步骤43,处理器13使用主成分分析法(PCA),用以简化步骤41、42所得到物理特征数据,降低维度,同时保持该些数据当中变异数(variance)贡献最大的特征,藉以分析主要噪声来源,并进行修缮,减少检测的人力与时间成本。经主成分分析法(PCA)处理后的简化数据集可存储于数据库14。在另一实施例中,在步骤43,处理器13使用独立成分分析法(ICA),用以简化步骤41、42所得到物理特征数据。
图7A-7B例示使用主成分分析法(PCA)处理后的简化数据集,其中图7A表示正常事件的简化数据集,图7B表示异常事件的简化数据集,如异常噪声分布。
接着,在步骤44,分析处理噪声主要分布贡献来源,或判定是否为系统测量误差,处理器13追踪比较当前的简化数据集与存储于数据库14的存储数据集。如果当前的简化数据集符合存储于数据库14的存储数据集(亦即存在数据库14内),则根据相应情形作适当处置(步骤45)。例如,根据步骤42所得到世界坐标对机械手臂进行回馈补偿校正。如果当前的简化数据集不符合存储于数据库14的存储数据集(亦即不在数据库14内),则可根据检测结果将此简化数据集定义为新的事件(步骤46),并存储于数据库14。在本实施例中,数据库14可使用机器学习(machine learning)技术以进行数据集的分类。
以下说明前述主成分分析法(PCA)(第一实施例的步骤24或第二实施例的步骤43)的实施细节。首先,从图3C或图6D的每一段时间或每一批次,可以得到信息矩阵S如下:
利用信息矩阵S以得到协方差(covariance)矩阵C如下:
C=STS
由于协方差矩阵C为一个实对称矩阵,因此可进行特征分解,得到一个对角特征值(diagonal eigenvalue)D与特征向量U:
D=(SU)T(SU)=UTSTSU=UTCU
接着,将特征值由大排列至小,并将特征向量依特征值排列方式,从左至右进行排列,取其前面k个当主要特征分量,经过压缩转换,即可得到简化的数据如下:
以上所述仅为本发明的较佳实施例而已,并非用以限定本发明的申请专利范围;凡其它未脱离发明所揭示的精神下所完成的等效改变或修饰,均应包含在下述的申请专利范围内。
【符号说明】
100 多目标追踪系统
11 雷达
111 调制解调器
112 发射器
113 接收器
114 波形
115 波形
12 目标物
12A 上手臂
12B 下手臂
13 处理器
14 数据库
15 探测器
200 多目标追踪方法
21 产生并发送发射信号至多目标物
22 接收并解调反射自多目标物的接收信号
23 提取多目标物的物理特征数据
24 简化物理特征数据
25 追踪比较简化数据集
26 相应处置
27 定义新事件
300 多目标追踪系统
400 多目标追踪方法
41 以探测器测量得到物理特征数据
42 取得探测器的位置与角度
43 简化物理特征数据
44 追踪比较简化数据集
45 相应处置
46 定义新事件
61 天线1/天线2
ft 发射频率
fr 接收频率
fb1 拍击频差
fb2 拍击频差
td 沿时
tm 时间
PC1 简化数据集
PC2 简化数据集
USB 通用串行总线
DDR1 双倍数据率内存
DDR2 双倍数据率内存
Claims (20)
1.一种多目标追踪方法,包含:
(a)产生多个目标物的多维度物理特征数据;
(b)简化该多维度物理特征数据,以降低该多维度物理特征数据的维度,因此得到简化数据集;并且
(c)追踪比较当前的简化数据集与存储于数据库的存储数据集;
其中如果该当前的简化数据集符合存储于该数据库的存储数据集,则根据相应情形作适当处置;如果该当前的简化数据集不符合存储于该数据库的存储数据集,则将该当前的简化数据集定义为新的事件,并存储于该数据库。
2.根据权利要求1所述的多目标追踪方法,其中该步骤(a)包含:
产生并发送含射频电波的发射信号至机械手臂所包含的该些目标物;
接收反射自该些目标物的接收信号;并且
根据该发射信号与该接收信号以提取得到该些目标物于不同时间的该多维度物理特征数据。
3.根据权利要求2所述的多目标追踪方法,其中该发射信号包含频率调制连续波(FM-CW)射频信号。
4.根据权利要求2所述的多目标追踪方法,其中该提取得到的该多维度物理特征数据包含强度、频率、位置及速度。
5.根据权利要求1所述的多目标追踪方法,其中该步骤(a)包含:
使用机械手臂夹带探测器进行测量,以得到至少一个物理特征数据;及
取得该机械手臂的至少一个相关物理特征数据。
6.根据权利要求5所述的多目标追踪方法,还包含:
产生并发送含射频电波的发射信号至该机械手臂所包含的该些目标物;
接收反射自该些目标物的接收信号;并且
根据该发射信号与该接收信号以提取得到该些目标物于不同时间的至少一个物理特征数据。
7.根据权利要求5所述的多目标追踪方法,其中该多维度物理特征数据包含该探测器测量的噪声能量及该机械手臂的位置、转轴角。
8.根据权利要求1所述的多目标追踪方法,其中该步骤(b)是使用主成分分析法以简化该多维度物理特征数据。
9.根据权利要求1所述的多目标追踪方法,其中该步骤(b)是使用独立成分分析法以简化分类该多维度物理特征数据。
10.根据权利要求1所述的多目标追踪方法,其中该数据库是使用机器学习技术以进行数据集的分类。
11.一种多目标追踪系统,包含:
处理器,接收多个目标物的多维度物理特征数据,并简化该多维度物理特征数据,以降低该多维度物理特征数据的维度,因此得到简化数据集;及
数据库,存储有多个存储数据集;
其中该处理器追踪比较当前的简化数据集与存储于该数据库的存储数据集;
如果该当前的简化数据集符合存储于该数据库的存储数据集,则根据相应情形作适当处置;如果该当前的简化数据集不符合存储于该数据库的存储数据集,则将该当前的简化数据集定义为新的事件,并存储于该数据库。
12.根据权利要求11所述的多目标追踪系统,还包含雷达,其包含:
调制解调器,产生含射频电波的发射信号;
发射器,发送该发射信号至机械手臂所包含的该些目标物;及
接收器,接收反射自该些目标物的接收信号;
其中该调制解调器根据该发射信号与该接收信号以提取得到该些目标物于不同时间的该多维度物理特征数据。
13.根据权利要求12所述的多目标追踪系统,其中该雷达包含频率调制连续波(FM-CW)雷达。
14.根据权利要求12所述的多目标追踪系统,其中该提取得到的该多维度物理特征数据包含强度、频率、位置及速度。
15.根据权利要求11所述的多目标追踪系统,还包含:
探测器,夹带于机械手臂上以进行测量,因而得到至少一个物理特征数据;
其中该机械手臂提供至少一个相关物理特征数据。
16.根据权利要求15所述的多目标追踪系统,还包含雷达,其包含:
调制解调器,产生含射频电波的发射信号;
发射器,发送该发射信号至该机械手臂所包含的该些目标物;及
接收器,接收反射自该些目标物的接收信号;
其中该调制解调器根据该发射信号与该接收信号以提取得到该些目标物于不同时间的至少一个物理特征数据。
17.根据权利要求15所述的多目标追踪系统,其中该多维度物理特征数据包含该探测器测量的噪声能量及该机械手臂的位置、转轴角。
18.根据权利要求11所述的多目标追踪系统,其中该处理器是使用主成分分析法以简化该多维度物理特征数据。
19.根据权利要求11所述的多目标追踪系统,其中该处理器是使用独立成分分析法以简化分类该多维度物理特征数据。
20.根据权利要求11所述的多目标追踪系统,其中该数据库是使用机器学习技术以进行数据集的分类。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107124174 | 2018-07-13 | ||
TW107124174A TWI697845B (zh) | 2018-07-13 | 2018-07-13 | 多目標追蹤方法與系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110717370A true CN110717370A (zh) | 2020-01-21 |
Family
ID=69140282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810891105.9A Pending CN110717370A (zh) | 2018-07-13 | 2018-08-07 | 多目标追踪方法与系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11454717B2 (zh) |
CN (1) | CN110717370A (zh) |
TW (1) | TWI697845B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115147458B (zh) * | 2022-07-21 | 2023-04-07 | 北京远度互联科技有限公司 | 目标跟踪方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7181529B2 (en) * | 2000-09-22 | 2007-02-20 | Ericsson Inc. | Business to business engine and system for facilitating information interexchange using realtime data |
CN101116010A (zh) * | 2005-02-09 | 2008-01-30 | 探索科技公司 | 应用盲信号检测的主成分分析的埋地物体定位和跟踪方法及系统 |
CN102822759A (zh) * | 2010-01-27 | 2012-12-12 | 英特赛尔美国股份有限公司 | 用于飞行时间(tof)光电二极管前端的直流(dc)修正电路 |
CN104968262A (zh) * | 2012-12-13 | 2015-10-07 | 伽甘·锡杜 | 处理多维信号 |
US20160363663A1 (en) * | 2015-06-15 | 2016-12-15 | Humatics Corporation | High precision time of flight measurement system for industrial automation |
CN106772331A (zh) * | 2016-12-13 | 2017-05-31 | 中国电子科技集团公司第三研究所 | 目标识别方法和目标识别装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9635514B2 (en) * | 2014-04-04 | 2017-04-25 | Mayo Foundation For Medical Education And Research | Identification of a subject in a facility |
CN104731875B (zh) * | 2015-03-06 | 2018-04-17 | 浙江大学 | 一种获取多维数据稳定性的方法和系统 |
CN106155298B (zh) * | 2015-04-21 | 2019-11-08 | 阿里巴巴集团控股有限公司 | 人机识别方法及装置、行为特征数据的采集方法及装置 |
CN107085164A (zh) * | 2017-03-22 | 2017-08-22 | 清华大学 | 一种电网故障类型确定方法及装置 |
CN107631867B (zh) * | 2017-09-07 | 2019-10-15 | 天津工业大学 | 一种基于深度学习的旋转机械故障智能分类方法 |
-
2018
- 2018-07-13 TW TW107124174A patent/TWI697845B/zh active
- 2018-08-07 CN CN201810891105.9A patent/CN110717370A/zh active Pending
- 2018-09-25 US US16/141,391 patent/US11454717B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7181529B2 (en) * | 2000-09-22 | 2007-02-20 | Ericsson Inc. | Business to business engine and system for facilitating information interexchange using realtime data |
CN101116010A (zh) * | 2005-02-09 | 2008-01-30 | 探索科技公司 | 应用盲信号检测的主成分分析的埋地物体定位和跟踪方法及系统 |
CN102822759A (zh) * | 2010-01-27 | 2012-12-12 | 英特赛尔美国股份有限公司 | 用于飞行时间(tof)光电二极管前端的直流(dc)修正电路 |
CN104968262A (zh) * | 2012-12-13 | 2015-10-07 | 伽甘·锡杜 | 处理多维信号 |
US20160363663A1 (en) * | 2015-06-15 | 2016-12-15 | Humatics Corporation | High precision time of flight measurement system for industrial automation |
CN106772331A (zh) * | 2016-12-13 | 2017-05-31 | 中国电子科技集团公司第三研究所 | 目标识别方法和目标识别装置 |
Also Published As
Publication number | Publication date |
---|---|
TWI697845B (zh) | 2020-07-01 |
US20200018843A1 (en) | 2020-01-16 |
US11454717B2 (en) | 2022-09-27 |
TW202006600A (zh) | 2020-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10705198B2 (en) | System and method of monitoring an air flow using a millimeter-wave radar sensor | |
US9575170B2 (en) | Radar device and target height calculation method | |
US8907841B2 (en) | Method for detecting targets using space-time adaptive processing | |
US10761187B2 (en) | Liquid detection using millimeter-wave radar sensor | |
CA2462473C (en) | Mobile object tracker | |
US8244493B2 (en) | Noise reduction technique for monitoring electromagnetic signals | |
US20020057216A1 (en) | A-Scan ISAR classification system and method therefor | |
Yang et al. | Rf-ear: Contactless multi-device vibration sensing and identification using cots rfid | |
CN112068119B (zh) | 一种被动雷达导引头对雷达和诱饵干扰的识别方法 | |
CN110907906B (zh) | 目标分类方法和相关设备 | |
CN112859033B (zh) | 目标探测的方法、装置及相关设备 | |
Li et al. | RFID harmonic for vibration sensing | |
CN111580093A (zh) | 用于探测无人机集群目标的雷达系统 | |
US20200371224A1 (en) | Radar system and control method for use in a moving vehicle | |
CN110717370A (zh) | 多目标追踪方法与系统 | |
US20230184932A1 (en) | Method for Determining the Mobility Status of a Target Object | |
Fang et al. | E 2 DTF: An End-to-End Detection and Tracking Framework for Multiple Micro-UAVs With FMCW-MIMO Radar | |
CN113159447B (zh) | 一种激光雷达电磁环境效应预测方法及系统 | |
Ding et al. | Rotation speed sensing with mmwave radar | |
Villa-Gonzalez et al. | Analysis of machine learning algorithms for USRP-based smart chipless RFID readers | |
Bhat et al. | Human recognition using single-input-single-output channel model and support vector machines | |
KR101893477B1 (ko) | W대역 밀리미터파 탐색기에서 1차원 산란점 추출을 통한 표적 식별을 위한 데이터 처리 방법 및 기록매체에 저장된 컴퓨터 프로그램 | |
CN115144851A (zh) | 一种基于俯仰角的多站定位跟踪方法 | |
WO2018142629A1 (ja) | 物体検知装置、物体検知方法、及びコンピュータ読み取り可能な記録媒体 | |
KR101893476B1 (ko) | W대역 밀리미터파 탐색기에서 표적 식별을 위한 데이터 처리 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |