CN117607796A - 多传感器定位结果的融合方法、设备、介质及系统 - Google Patents
多传感器定位结果的融合方法、设备、介质及系统 Download PDFInfo
- Publication number
- CN117607796A CN117607796A CN202311716773.5A CN202311716773A CN117607796A CN 117607796 A CN117607796 A CN 117607796A CN 202311716773 A CN202311716773 A CN 202311716773A CN 117607796 A CN117607796 A CN 117607796A
- Authority
- CN
- China
- Prior art keywords
- positioning
- point
- result
- fitting
- results
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims description 6
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 230000005484 gravity Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
Classifications
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种多传感器定位结果的融合方法、设备、介质及系统,属于电子对抗领域,包括步骤:S1,将定位原始结果按照天线来源和定位算法分类;S2,利用计算机处理器拟合计算每类坐标结果的最优值;S3,将所有类的最优值按照系统的圆概率误差指标进行筛选;S4,输出满足圆概率误差的最优值。本发明能够使机载侦察系统既满足定位数据上报的即时性要求,同时目标的坐标位置趋于稳定一致。
Description
技术领域
本发明涉及电子对抗领域,更为具体的,涉及一种多传感器定位结果的融合方法、设备、介质及系统。
背景技术
随着信息化水平的不断提高,电子侦察已成为新型飞机设计的基本能力,为装备的态势感知提供有力支撑。越来越多的飞机将电子侦察能力纳入基础需求,从而衍生出智能蒙皮、隐身天线等细分学科。其中,无源定位作为电子侦察的集大成者,是机载电子侦察的最终能力目标。机载无源定位的工程实现历经发展,形成众多方案,包括:测向定位法、相位变化率定位法、方位/多普勒频率定位法、到达时间定位(TDOA)法等。每种方法各有优缺,其中最常见的是测向交叉定位和相位变化率定位。而对于有人机,特别是大型飞机,由于其平台优势和人工介入的优势,传感器资源非常丰富,匹配的定位方法也设计灵活。同时应注意的是,载机平台的外形设计首先要满足气动性能,给航电设备预留的装机位置和空间常受多重限制。为保证侦察指标性能,系统方案会尽可能采用多天线进行信号侦测,在空域和频域维度重叠设计。
从多个传感器侦测到的信号目标,交由软件以不同的算法进行定位计算,其定位精度也不尽相同。在实际飞行中,当各种不同的软硬件处理手段均可测量获得目标坐标时,往往陷入结果融合上报的窘境,即,哪个天线或哪种算法计算的结果是最可信的,不断上报刷新的位置坐标是否比当前的结果更加精准。因此,数据融合机制显得尤为重要。多传感器侦察系统如何既兼顾定位数据上报的即时性要求,同时又能避免出错,保证定位结果的一致性和稳定性,成为亟待解决的技术问题。
发明内容
本发明的目的在于克服现有技术的不足,提供一种多传感器定位结果的融合方法、设备、介质及系统,能够使机载侦察系统既满足定位数据上报的即时性要求,同时目标的坐标位置趋于稳定一致。
本发明的目的是通过以下方案实现的:
一种多传感器定位结果的融合方法,包括以下步骤:
S1,将定位原始结果按照天线来源和定位算法分类;
S2,利用计算机处理器拟合计算每类坐标结果的最优值;
S3,将所有类的最优值按照系统的圆概率误差指标进行筛选。
进一步地,在步骤S3之后,还包括步骤:S4,输出满足圆概率误差的最优值。
进一步地,在步骤S1中,所述将定位结果按照天线来源和定位算法分类包括子步骤:
设机载电子侦察系统的两组干涉仪天线A和B,均可侦测到目标信号,将其测量结果分别以测向交叉定位法和相位变化定位法进行计算,得到坐标位置定位原始结果。
进一步地,在步骤S2中,所述拟合计算每类坐标结果的最优值,包括子步骤:
将定位原始结果的数值拟合,干涉仪A通过测向交叉定位得到目标坐标点a1、a2、a3,在以a1、a2、a3为顶点的三角形中,A点为该三角形重心,即坐标数值拟合结果;同理,A-点为以a-1、a-2、a-3所构成三角形的重心;B点为以b1、b2、b3所构成三角形的重心;B-点为以b-1、b-2、b-3所构成三角形的重心;在分类计算后,利用定位软件将产出的n×4个定位原始结果缩减为4个数值拟合优值A、A-、B、B-。
进一步地,在步骤S3中,所述将所有类的最优值进行筛选具体按照系统的圆概率误差指标进行筛选。
进一步地,所述按照系统的圆概率误差指标进行筛选,包括子步骤:
按照系统定位指标对拟合优值进行筛选,计算4个优值A、A-、B、B-构成的四边形重心坐标L,以载机位置O点为中心,计算得满足系统定位误差的概率圆,圆心为L;B点和A-在误差圆范围内,A点和B-点在误差圆范围外;上报B点和A-点坐标作为目标的最终经纬度结果;来自传感器的定位原始结果不断上报,其对应拟合值A、A-、B、B-也不断刷新,当满足误差概率圆时,则上报坐标,否则暂停上报。
进一步地,所述定位原始结果包括机载无源定位装备多传感器采集的数据。
一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,当所述计算机程序被所述处理器加载时并执行如上任一项所述的方法。
一种计算机可读存储介质,在可读存储介质中存储有计算机程序,所述计算机程序被处理器加载并执行如上任一项所述的方法。
一种多传感器定位结果的融合系统,包括如上所述的计算机设备。
本发明的有益效果包括:
本发明方案实现了定位结果的数值拟合,使定位误差逐步收敛;并且,实现多传感器定位结果的筛选融合,避免定位上报坐标的陡变,具有架构简洁,可扩展性强的优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为机载侦察装备定位场景图;
图2为侦察定位装备工作流程框图;
图3为定位结果的抖动;
图4为地面模拟测试方案步骤框图;
图5为定位坐标数值拟合;
图6为融合逻辑示意图;
图7为所有定位坐标全景图;
图8a为天线A定位坐标;
图8b为天线A定位坐标;
图9a为天线B定位坐标;
图9b为天线B定位坐标;
图10为天线C定位坐标;
图11为满足误差圆的上报结果。
具体实施方式
本说明书中所有实施例公开的所有特征,或隐含公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合和/或扩展、替换。
本发明尤其涉及电子侦察领域,具体提供一种机载电子侦察系统对多传感器定位结果的筛选和目标融合机制方案,用于解决机载无源定位装备多传感器定位结果的即时融合问题。机载无源侦察装备的定位工作场景如图1所示,载机在飞行过程中持续侦收到目标的电磁波信号。通过对信号来波方向进行不断测量,积累一定数据量后可通过软件算法计算出目标的坐标位置。
工程上最常用的测向天线为干涉仪体制,其原理如图2所示,信号来波以入射角θ进入测向系统,其在每个天线通道所激励出的电信号具有不同的相位。经射频放大滤波处理后,送给AD芯片完成信号采集,形成数字信号。随后,经信号分选和定位两级软件处理计算,形成了具备频率、脉宽、重频、坐标等各种情报信息的目标结果。
在信号侦收的过程中,由于气流抖动和飞行机动等原因,机身的不稳定会导致天线对信号的侦测存在误差,因此系统计算得到的目标位置在持续不断的变化。当多传感器同时侦收测量时,不同的干涉仪对于目标的测量结果是不同的,最终上报的定位结果成“散装点迹分布”,过程如图3所示。通过干涉仪A测量并计算得到的坐标位置为a1、a2、a3,通过干涉仪B测量并计算得到的坐标位置为b1、b2、b3。
为了解决数据上报的融合技术问题,本发明方案旨在设计相对独立的定位计算流程,化繁为简,分类处理,如图4所示,包括如下步骤:
步骤a),将定位结果按照天线来源和定位算法分类;
步骤b),拟合计算每类坐标结果的最优值;
步骤c),将所有类的最优值按照系统的圆概率误差指标进行筛选;
步骤d),输出满足圆概率误差的最优值。
对各个步骤分别详细说明如下:
系统的两组干涉仪天线A和B,均可侦测到目标信号。将测量结果分别以测向交叉定位法和相位变化定位法进行计算,所得坐标位置见表1所示。
表1定位结果计算过程
图5表示定位原始结果的数值拟合思路。以n=3举例说明,干涉仪A通过测向交叉定位得到目标坐标点a1、a2、a3,在以a1、a2、a3为顶点的三角形中,A点为该三角形重心,即坐标数值拟合结果。同理,A-点为以a-1、a-2、a-3所构成三角形的重心;B点为以b1、b2、b3所构成三角形的重心;B-点为以b-1、b-2、b-3所构成三角形的重心。
分类计算后,定位软件产出的n×4个定位原始结果被缩减为4个数值拟合优值A、A-、B、B-。
接下来,按照系统定位指标对拟合优值进行筛选,筛选过程见图6所示。计算4个优值A、A-、B、B-构成的四边形重心坐标L,以载机位置O点为中心,OL距离为R/km,计算得满足系统定位误差的概率圆,圆心为L,半径为r/km。
图6中,B点和A-在误差圆范围内,A点和B-点在误差圆范围外。因此上报B点和A-点坐标作为目标的最终经纬度结果。
来自传感器的定位原始结果不断上报,其对应拟合值A、A-、B、B-也不断刷新,当满足误差概率圆时,则上报坐标,否则暂停上报。
基于本发明方法对多传感器无源侦察系统的定位结果融合筛选起到了良好效果,既满足了定位结果上报的即时性,又保证结果的稳定性。
本发明以模拟仿真的形式具体说明:假设系统具备3组定位天线,分别为干涉仪A、干涉仪B和干涉仪C,其中干涉仪A和B侦测到的脉冲可用于测向交叉定位和相位变化定位,干涉仪C仅用于测向交叉定位。在航程的一段时间内,各天线定位结果见表2。
表2定位结果
利用EXCEL软件创建随机数函数,表征定位原始结果的随机结果分布:
干涉仪A交叉定位经度:Ean=RANDBETWEEN(90,91),n取值范围1~17;
干涉仪A交叉定位纬度:Wan=RANDBETWEEN(45,47),n取值范围1~17;
干涉仪A相变定位经度:Ean=RANDBETWEEN(90.5,91.8),n取值范围1~30;
干涉仪A相变定位纬度:Wan=RANDBETWEEN(45.4,46.6),n取值范围1~30;
干涉仪B交叉定位经度:Ebn=RANDBETWEEN(89.5,90.5),n取值范围1~13;
干涉仪B交叉定位纬度:Wbn=RANDBETWEEN(44.5,46.5),n取值范围1~13;
干涉仪B相变定位经度:Ebn=RANDBETWEEN(89,90.9),n取值范围1~47;
干涉仪B相变定位纬度:Wbn=RANDBETWEEN(44.2,46.8),n取值范围1~47;
干涉仪C交叉定位经度:Ecn=RANDBETWEEN(90.3,91.1),n取值范围1~18;
干涉仪C交叉定位纬度:Wcn=RANDBETWEEN(45.2,46.9),n取值范围1~18。
如图7、图8a、图8b、图9a、图9b、图10和图11所示,所有定位坐标经分类统计后,形成各自的数值拟合结果,在图11中采用误差圆的方式,选用满足误差精度的结果上报。这种方式有效的解决了定位结果离散的问题,使航电系统收到的最终坐标持续稳定的缓慢变化,从根本上提升人机交互的有效性。本发明的方法已在某航空无源定位测试中得到应用,验证了实用性,且具有显著的进步性。
需要说明的是,在本发明权利要求书中所限定的保护范围内,以下实施例均可以从上述具体实施方式中,例如公开的技术原理,公开的技术特征或隐含公开的技术特征等,以合乎逻辑的任何方式进行组合和/或扩展、替换。
实施例1
一种多传感器定位结果的融合方法,包括以下步骤:
S1,将定位原始结果按照天线来源和定位算法分类;
S2,利用计算机处理器拟合计算每类坐标结果的最优值;
S3,将所有类的最优值按照系统的圆概率误差指标进行筛选。
实施例2
在实施例1的基础上,在步骤S3之后,还包括步骤:S4,输出满足圆概率误差的最优值。
实施例3
在实施例1的基础上,在步骤S1中,所述将定位结果按照天线来源和定位算法分类包括子步骤:
设机载电子侦察系统的两组干涉仪天线A和B,均可侦测到目标信号,将其测量结果分别以测向交叉定位法和相位变化定位法进行计算,得到坐标位置定位原始结果。
实施例4
在实施例3的基础上,在步骤S2中,所述拟合计算每类坐标结果的最优值,包括子步骤:
将定位原始结果的数值拟合,干涉仪A通过测向交叉定位得到目标坐标点a1、a2、a3,在以a1、a2、a3为顶点的三角形中,A点为该三角形重心,即坐标数值拟合结果;同理,A-点为以a-1、a-2、a-3所构成三角形的重心;B点为以b1、b2、b3所构成三角形的重心;B-点为以b-1、b-2、b-3所构成三角形的重心;在分类计算后,利用定位软件将产出的n×4个定位原始结果缩减为4个数值拟合优值A、A-、B、B-。
实施例5
在实施例4的基础上,在步骤S3中,所述将所有类的最优值进行筛选具体按照系统的圆概率误差指标进行筛选。
实施例6
在实施例5的基础上,所述按照系统的圆概率误差指标进行筛选,包括子步骤:
按照系统定位指标对拟合优值进行筛选,计算4个优值A、A-、B、B-构成的四边形重心坐标L,以载机位置O点为中心,计算得满足系统定位误差的概率圆,圆心为L;B点和A-在误差圆范围内,A点和B-点在误差圆范围外;上报B点和A-点坐标作为目标的最终经纬度结果;来自传感器的定位原始结果不断上报,其对应拟合值A、A-、B、B-也不断刷新,当满足误差概率圆时,则上报坐标,否则暂停上报。
实施例7
在实施例1的基础上,所述定位原始结果包括机载无源定位装备多传感器采集的数据。
实施例8
一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,当所述计算机程序被所述处理器加载时并执行如实施例1~实施例7任一项所述的方法。
实施例9
一种计算机可读存储介质,在可读存储介质中存储有计算机程序,所述计算机程序被处理器加载并执行如实施例1~实施例7任一项所述的方法。
实施例10
一种多传感器定位结果的融合系统,包括如实施例8所述的计算机设备。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本发明实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面,本发明实施例还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
除以上实例以外,本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例,各个实施例的特征可以互换或替换,本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种多传感器定位结果的融合方法,其特征在于,包括以下步骤:
S1,将定位原始结果按照天线来源和定位算法分类;
S2,利用计算机处理器拟合计算每类坐标结果的最优值;
S3,将所有类的最优值按照系统的圆概率误差指标进行筛选。
2.根据权利要求1所述的多传感器定位结果的融合方法,其特征在于,在步骤S3之后,还包括步骤:S4,输出满足圆概率误差的最优值。
3.根据权利要求1所述的多传感器定位结果的融合方法,其特征在于,在步骤S1中,所述将定位结果按照天线来源和定位算法分类包括子步骤:
设机载电子侦察系统的两组干涉仪天线A和B,均可侦测到目标信号,将其测量结果分别以测向交叉定位法和相位变化定位法进行计算,得到坐标位置定位原始结果。
4.根据权利要求3所述的多传感器定位结果的融合方法,其特征在于,在步骤S2中,所述拟合计算每类坐标结果的最优值,包括子步骤:
将定位原始结果的数值拟合,干涉仪A通过测向交叉定位得到目标坐标点a1、a2、a3,在以a1、a2、a3为顶点的三角形中,A点为该三角形重心,即坐标数值拟合结果;同理,A-点为以a-1、a-2、a-3所构成三角形的重心;B点为以b1、b2、b3所构成三角形的重心;B-点为以b-1、b-2、b-3所构成三角形的重心;在分类计算后,利用定位软件将产出的n×4个定位原始结果缩减为4个数值拟合优值A、A-、B、B-。
5.根据权利要求4所述的多传感器定位结果的融合方法,其特征在于,在步骤S3中,所述将所有类的最优值进行筛选具体按照系统的圆概率误差指标进行筛选。
6.根据权利要求5所述的多传感器定位结果的融合方法,其特征在于,所述按照系统的圆概率误差指标进行筛选,包括子步骤:
按照系统定位指标对拟合优值进行筛选,计算4个优值A、A-、B、B-构成的四边形重心坐标L,以载机位置O点为中心,计算得满足系统定位误差的概率圆,圆心为L;B点和A-在误差圆范围内,A点和B-点在误差圆范围外;上报B点和A-点坐标作为目标的最终经纬度结果;来自传感器的定位原始结果不断上报,其对应拟合值A、A-、B、B-也不断刷新,当满足误差概率圆时,则上报坐标,否则暂停上报。
7.根据权利要求1所述的多传感器定位结果的融合方法,其特征在于,所述定位原始结果包括机载无源定位装备多传感器采集的数据。
8.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,当所述计算机程序被所述处理器加载时并执行如权利要求1~7任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,在可读存储介质中存储有计算机程序,所述计算机程序被处理器加载并执行如权利要求1~7任一项所述的方法。
10.一种多传感器定位结果的融合系统,其特征在于,包括如权利要求8所述的计算机设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311716773.5A CN117607796A (zh) | 2023-12-13 | 2023-12-13 | 多传感器定位结果的融合方法、设备、介质及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311716773.5A CN117607796A (zh) | 2023-12-13 | 2023-12-13 | 多传感器定位结果的融合方法、设备、介质及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117607796A true CN117607796A (zh) | 2024-02-27 |
Family
ID=89946249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311716773.5A Pending CN117607796A (zh) | 2023-12-13 | 2023-12-13 | 多传感器定位结果的融合方法、设备、介质及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117607796A (zh) |
-
2023
- 2023-12-13 CN CN202311716773.5A patent/CN117607796A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8723730B2 (en) | System and method for direction finding and geolocation of emitters based on line-of-bearing intersections | |
CN112051568B (zh) | 一种两坐标雷达的俯仰测角方法 | |
CN112689775B (zh) | 雷达点云聚类方法和装置 | |
CN110879390B (zh) | 一种基于父子结点遍历的距离多普勒平面点迹凝聚方法 | |
CN107229033A (zh) | 基于高度维分段搜索的多目标到达时间差定位方法 | |
CN103995250A (zh) | 射频标签轨迹追踪方法 | |
CN106526549A (zh) | 联合两坐标雷达和三坐标雷达统计量的假目标鉴别方法 | |
CN107484139A (zh) | 一种基于地理位置信息的车联网协作定位方法和装置 | |
Liu et al. | A WiFi-based weighted screening method for indoor positioning systems | |
CN104507097A (zh) | 一种基于WiFi位置指纹的半监督训练方法 | |
CN103249144A (zh) | 一种基于c型的无线传感器网络节点定位方法 | |
CN101308206A (zh) | 一种白噪声背景下的圆周轨迹机动目标跟踪方法 | |
CN104101861B (zh) | 测距定位方法及系统 | |
CN117607796A (zh) | 多传感器定位结果的融合方法、设备、介质及系统 | |
Li et al. | Radar-based UAV swarm surveillance based on a two-stage wave path difference estimation method | |
Mikhalev et al. | Passive emitter geolocation using agent-based data fusion of AOA, TDOA and FDOA measurements | |
CN104457756B (zh) | 一种基于双机测距的海面物体定位方法 | |
CN108332749A (zh) | 一种室内动态追踪定位方法 | |
CN114118215A (zh) | 一种低空融合空域飞行流量监测方法及系统 | |
Pidanic et al. | Advanced targets association based on GPU computation of PHD function | |
CN103945528A (zh) | 无线传感器网络中的单目标定位方法 | |
CN106199569B (zh) | 基于无线电探测的低慢小目标立体速度探测方法及系统 | |
CN116430333A (zh) | 雷达性能判定方法、装置、计算机设备和存储介质 | |
Li et al. | Improved Trilateration Algorithm Based on Unscented Kalman Filter | |
CN117908003B (zh) | 一种空间人数统计方法及系统 |
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 |