Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "tracking filters" wg kryterium: Temat


Wyświetlanie 1-5 z 5
Tytuł:
Statistical analysis of real radar target course and speed changes for the needs of multiple model tracking filter
Analiza statystyczna zmian kursów i prędkości obiektów śledzonych przez radar dla potrzeb wielomodelowej filtracji neuronowej
Autorzy:
Wołejsza, P.
Powiązania:
https://bibliotekanauki.pl/articles/359694.pdf
Data publikacji:
2012
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
analiza statystyczna
obiekty radarowe
zmiana kursu i prędkości
filtry śledzące
statistical analysis
radar targets
course and speed changes
tracking filters
Opis:
The accuracy of calculating the parameters of another vessel movement and the consequent accuracy of determined ship encounter parameters is of key importance for collision avoidance and navigational safety. It is also essential to promptly detect a manoeuvre of another vessel, or target, especially where such manoeuvre cannot be detected by other methods, e.g. due to restricted visibility. Therefore, research in this field aims at improvement of radar target tracking methods.
Dokładność obliczenia parametrów ruchu obiektu obcego, a co za tym idzie, dokładność określenia parametrów spotkania statków ma kluczowe znaczenie z punktu widzenia unikania kolizji i bezpieczeństwa nawigacji. Istotna jest również szybkość wykrycia manewru obiektu obcego, zwłaszcza w sytuacji, gdy nie można tego manewru wykryć innymi metodami, np. z powodu ograniczonej widzialności. Prowadzone badania mają na celu udoskonalenie metod śledzenia obiektów radarowych.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2012, 30 (102); 166-169
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Software implementation of multiple model neural filter for radar target tracking
Autorzy:
Kazimierski, W.
Wawrzyniak, N.
Powiązania:
https://bibliotekanauki.pl/articles/359024.pdf
Data publikacji:
2012
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
radar target tracking
multiple model filters
neural networks
Opis:
The paper presents a software implementation of multiple model neural filter for radar target tracking. Such a filter may be proposed as an interesting alternative for numerical filters. The main purpose of software implementation is to provide a tool for complex research of the filter possibilities and adjusting options. A concept of a filter is briefly mentioned, however the main body of paper is focused on user-approach detailed description of application with UML use-case diagrams. Examples of detailed presentation of usecases are given and the general use-case diagram for application is included. The application itself is to be an advanced tool for researchers interested in analyzing target tracking process, providing different tracking methods and the possibility of adjusting their parameters. The possibility of simulating any scenario, as well as working with real data (also on-line) was ensured. The research was financed by Polish National Centre of Science under the research project “Development of radar target tracking methods of floating targets with the use of multiple model neural filtering”.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2012, 32 (104) z. 2; 88-93
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The analysis of methods of interaction between elementary filters in multiple model tracking filter in marine radars
Autorzy:
Kazimierski, W.
Powiązania:
https://bibliotekanauki.pl/articles/359032.pdf
Data publikacji:
2012
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
radar target tracking
multiple model filters
manoeuvre detection
Opis:
Radar target tracking on a sea-going ship is a basic source of information about movement of other vessels, influencing directly safety of navigation. The research on improving of tracking methods has led to a new concept of multiple model neural filtration, which is a combination of multiple model approach with the use of artificial neural networks for the needs of estimation of movement vector. One of the key issue during designing of filter id to establish rules of interaction between elementary filters. The paper presents the most popular methods of manoeuvre detection and interaction of elementary filters in the numerical filtration. The modifications of them for the needs of neural tracking are proposed. Additionally, a concept of use of probabilistic neural network for this purpose is described. The idea was checked in the experimental research with the use of simulation. The result of the research confirmed usefulness of using PNN in multiple model filtration, showing however simultaneously the directions of future research in this. The research was financed by Polish National Centre of Science under the research project “Development of radar target tracking methods of floating targets with the use of multiple model neural filtering”.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2012, 32 (104) z. 2; 81-87
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multisensor Tracking of Marine Targets : Decentralized Fusion of Kalman and Neural Filters
Autorzy:
Stateczny, A.
Kazimierski, W.
Powiązania:
https://bibliotekanauki.pl/articles/226579.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
target tracking
sensor fusion
Kalman filter
neural filters
Opis:
This paper presents an algorithm of multisensor decentralized data fusion for radar tracking of maritime targets. The fusion is performed in the space of Kalman Filter and is done by finding weighted average of single state estimates provided be each of the sensors. The sensors use numerical or neural filters for tracking. The article presents two tracking methods - Kalman Filter and General Regression Neural Network, together with the fusion algorithm. The structural and measurement models of moving target are determined. Two approaches for data fusion are stated - centralized and decentralized - and the latter is thoroughly examined. Further, the discussion on main fusing process problems in complex radar systems is presented. This includes coordinates transformation, track association and measurements synchronization. The results of numerical experiment simulating tracking and fusion process are highlighted. The article is ended with a summary of the issues pointed out during the research.
Źródło:
International Journal of Electronics and Telecommunications; 2011, 57, 1; 65-70
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rozproszony system wyznaczania trajektorii poruszających się obiektów
Distributed tracking system for trajectories estimation of moving objects
Autorzy:
Kowalczuk, Z.
Domżalski, M.
Powiązania:
https://bibliotekanauki.pl/articles/153782.pdf
Data publikacji:
2008
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
wyznaczanie trajektorii
estymacja stanu
filtracja Kalmana
wiele źródeł danych
rozproszone systemy śledzenia
tracking systems
state estimation
Kalman filters
multiple data sources
distributed tracking systems
Opis:
W pracy rozważa się problem śledzenia trajektorii poruszających się obiektów przy użyciu rozproszonego systemu śledzenia. W systemie takim trajektoria poruszającego się obiektu jest wyznaczana przez grupę lokalnych estymatorów. Każdy z tych estymatorów korzysta z filtru Kalmana i danych z pojedynczego źródła w celu określenia trajektorii obiektu. Następnie wyznaczone trajektorie przesyłane są do systemu centralnego, gdzie następuje ich fuzja, czyli proces określania na podstawie trajektorii lokalnych jednej, potencjalnie najdokładniejszej trajektorii centralnej.
This paper considers the problem of tracking moving objects using a distributed multi-sensor system. In such a system a trajectory of a moving object is estimated by a group of local estimators. Each local estimator utilizes a Kalman filter and data from a single source to determine a local trajectory of the object. Computed trajectories are sent to a central processor, which performs data fusion, i.e. combines trajectories from multiple local estimators so as to obtain an optimal trajectory, representing possibly best estimates of the kinematics states of the objects.
Źródło:
Pomiary Automatyka Kontrola; 2008, R. 54, nr 3, 3; 136-139
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-5 z 5

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies