导读:本文包含了概率数据关联论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:概率,数据,算法,目标,模型,传感器,卡尔。
概率数据关联论文文献综述
王鹏宇,赵世杰,马天飞,熊晓勇,程馨[1]（2019）在《基于联合概率数据关联的车用多传感器目标跟踪融合算法》一文中研究指出针对智能车辆前向多传感器多目标跟踪融合问题,提出一种基于改进的联合概率数据关联的车用多传感器跟踪融合算法。首先,根据车辆坐标系和各传感器坐标系的相对运动关系,对多传感器数据进行坐标变换,之后采用基于改进的联合概率数据关联的单传感器多目标跟踪算法、基于相关序贯关联法的多传感器关联算法和凸组合融合算法实现了对目标的稳定跟踪与准确融合。最终,通过装备毫米波雷达和摄像头的实验车在实际交通环境下进行实车试验,试验结果表明:目标被稳定跟踪且融合结果具有良好的精度,验证了算法的可行性和有效性。(本文来源于《吉林大学学报(工学版)》期刊2019年05期）
吴弦骏,闻平,廖丽敏,杨勇喜[2]（2019）在《基于贝叶斯概率模型的不动产存量数据自动关联》一文中研究指出完成不动产存量数据各表格间的正确逻辑关联是不动产存量数据整合的重要内容,本文采取了一种基于贝叶斯概率模型的房屋登记数据关联楼盘表方法,该方法实现了房屋登记数据和楼盘表中户数据批量自动关联,相较于传统的通过依据坐落关系人工逐户判断关联的方式,该方法的关联效率提升了约10倍。(本文来源于《测绘通报》期刊2019年S1期）
骆荣剑,唐鉴波,罗凯[3]（2019）在《一种具有关联波门自适应的联合概率数据关联算法》一文中研究指出针对杂波环境下的多目标跟踪数据关联问题,提出了一种关联波门自适应的联合概率数据关联算法,该算法结合"当前"统计模型,实现了过程噪声的自适应,进而自适应调整目标量测值,从而达到自适应调整关联波门,通过在不同过程噪声水平下的仿真实验,证明本文所提算法一定程度上提高了目标跟踪精度,收敛速度也有所提高。(本文来源于《电子设计工程》期刊2019年03期）
魏祥,李颖,骆荣剑[4]（2018）在《一种改进的基于“当前”统计模型的联合概率数据关联算法》一文中研究指出针对自适应卡尔曼滤波算法中"当前"统计模型需要预先设置机动频率和加速度极限值,不合理的设置将造成目标跟踪误差加大的情况,首先对机动频率进行调整,提出了新的自适应卡尔曼滤波算法。在此基础上,文章将新的自适应卡尔曼滤波算法和联合概率数据关联算法相结合,提出了一种改进的基于"当前"统计模型的联合概率数据关联算法。通过仿真实验证明,该算法能够较好地减弱目标机动,尤其是目标弱机动对原有自适应跟踪算法跟踪精度地带来的影响。(本文来源于《无线互联科技》期刊2018年16期）
骆荣剑,魏祥,李颖[5]（2018）在《一种改进的联合概率数据关联算法》一文中研究指出针对联合概率数据关联算法在跟踪多机动目标时跟踪精度不高、计算量较大等问题,提出了一种新的联合概率数据关联算法。引入"当前"统计模型,并针对"当前"统计模型中机动频率和加速度方差不能自适应调整的问题进行了改进,实现了机动频率和加速度方差自适应。针对联合概率数据关联算法在跟踪多机动目标时,随着目标数的增多,算法计算量急剧增大的问题,提出了改进算法。改进算法避开了联合概率数据关联算法中由确认矩阵计算关联矩阵的过程,直接从确认矩阵计算关联概率。仿真实验结果表明:所提算法有效提高了多目标的跟踪精度,降低了算法计算量。(本文来源于《重庆理工大学学报(自然科学)》期刊2018年06期）
胡昌林,郭博[6]（2018）在《基于Bayes的航迹概率数据关联算法》一文中研究指出数据关联是多传感器信息融合的核心技术,其常用的航迹数据关联方法主要有NN、PDA、JPDA、MHT等算法。常用关联算法有的不适合强杂波或多目标环境、有的计算量大、有的时效性差等不足。文中采用了基于贝叶斯航迹概率的数据关联算法,来实现雷达航迹之间数据关联。首先介绍贝叶斯和航迹关联技术原理;其次描述贝叶斯算法过程;最后通过仿真证明该关联算法有效性。(本文来源于《现代雷达》期刊2018年05期）
陈晓,李亚安,李余兴,蔚婧[7]（2018）在《基于距离加权的概率数据关联机动目标跟踪算法》一文中研究指出为了提高杂波环境下机动目标跟踪的实时性和精确性,在概率数据关联算法的基础上,引入距离加权的概念,以区分来自于目标的量测概率和来自于杂波的虚假概率,在一定程度上提高了概率数据关联算法在密集杂波环境下的非机动目标的跟踪性能.针对机动目标的跟踪,提出了一种适用于密集杂波环境下的联合交互式多模型概率数据关联跟踪算法,该算法利用距离加权的概率数据关联算法进行滤波.模拟实验结果表明:该算法可以在一定程度上提高密集杂波环境下机动目标跟踪的性能,能够更加有效、可靠地实现机动目标跟踪的目的.(本文来源于《上海交通大学学报》期刊2018年04期）
肖晶,段修生,齐晓慧[8]（2018）在《一种基于概率数据关联的地磁匹配ICCP算法》一文中研究指出针对地磁测量误差和地磁补偿余差等带来的匹配误差增大和易造成误匹配的问题,提出了一种基于概率数据关联的地磁匹配ICCP算法。首先,基于磁场测量误差的统计特性,在一定置信范围内生成若干伪测量值,将其视为对应位置地磁场的有效测量,只是它们源于磁场真实值的概率不同;然后,利用ICCP算法对各伪测量值构成的磁场序列分别进行匹配,得到干扰环境下载体可能出现的位置;最后,利用载体的运动约束对各匹配结果进行限制,再对有效的匹配结果进行融合,得到载体最终的位置。实验结果表明,在不同磁场干扰水平下,所提算法的定位精度都能控制在2个地磁图网格左右,具有较好的应用前景。(本文来源于《中国惯性技术学报》期刊2018年02期）
张俊,许力[9]（2018）在《一种基于目标检测和联合概率数据关联的多目标跟踪方法》一文中研究指出针对多目标跟踪问题,提出了一种基于目标检测和联合概率数据关联的方法。将目标检测的结果作为系统的观测值,采用联合概率数据关联方法对它们在时间上做数据关联,最后采用卡尔曼滤波对关联好的观测值和状态值做滤波、跟踪。(本文来源于《工业控制计算机》期刊2018年03期）
王磊磊,陈志刚,吴嘉[10]（2018）在《基于车辆关联性的车载网络数据转发概率策略路由算法》一文中研究指出车辆交流对于未来车辆的设计已经变得相当重要。低延迟情况下的高效传输速率对于选择最优消息传输路径非常重要。在简单分析一些已有车载网络路由算法基础上,提出了一种新的基于关联性的车载网络数据转发概率策略路由算法(data forwarding probability strategy based on relevance in vehicular network,FPSR)。FPSR保留了节点所携带的副本信息,通过车辆之间关联性和数据转发概率,确定最优数据传输路径,在网络拓扑结构变化快速的车载网络中能够快速实现数据传输,提高网络的性能。仿真实验的效果表明,FPSR实现了高的数据传输率和降低了数据传输时延。(本文来源于《计算机应用研究》期刊2018年11期）
概率数据关联论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
完成不动产存量数据各表格间的正确逻辑关联是不动产存量数据整合的重要内容,本文采取了一种基于贝叶斯概率模型的房屋登记数据关联楼盘表方法,该方法实现了房屋登记数据和楼盘表中户数据批量自动关联,相较于传统的通过依据坐落关系人工逐户判断关联的方式,该方法的关联效率提升了约10倍。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
概率数据关联论文参考文献
[1].王鹏宇,赵世杰,马天飞,熊晓勇,程馨.基于联合概率数据关联的车用多传感器目标跟踪融合算法[J].吉林大学学报(工学版).2019
[2].吴弦骏,闻平,廖丽敏,杨勇喜.基于贝叶斯概率模型的不动产存量数据自动关联[J].测绘通报.2019
[3].骆荣剑,唐鉴波,罗凯.一种具有关联波门自适应的联合概率数据关联算法[J].电子设计工程.2019
[4].魏祥,李颖,骆荣剑.一种改进的基于“当前”统计模型的联合概率数据关联算法[J].无线互联科技.2018
[5].骆荣剑,魏祥,李颖.一种改进的联合概率数据关联算法[J].重庆理工大学学报(自然科学).2018
[6].胡昌林,郭博.基于Bayes的航迹概率数据关联算法[J].现代雷达.2018
[7].陈晓,李亚安,李余兴,蔚婧.基于距离加权的概率数据关联机动目标跟踪算法[J].上海交通大学学报.2018
[8].肖晶,段修生,齐晓慧.一种基于概率数据关联的地磁匹配ICCP算法[J].中国惯性技术学报.2018
[9].张俊,许力.一种基于目标检测和联合概率数据关联的多目标跟踪方法[J].工业控制计算机.2018
[10].王磊磊,陈志刚,吴嘉.基于车辆关联性的车载网络数据转发概率策略路由算法[J].计算机应用研究.2018
论文知识图
