南京网站网站建设有没有帮忙做问卷调查的网站

当前位置： 首页 > news >正文

南京网站网站建设,有没有帮忙做问卷调查的网站,建设部网站1667号,南平网站开发目录 #x1f4a5;1 概述 #x1f4da;2 运行结果 #x1f389;3 参考文献 #x1f468;#x1f4bb;4 Matlab代码 #x1f4a5;1 概述 一、设计内容 利用Hough变换处理量测得到的含杂波的二维坐标#xff0c;解决多目标航迹起始问题。使用Matlab进行仿真#x…     目录 1 概述 2 运行结果 3 参考文献 4 Matlab代码 1 概述 一、设计内容 利用Hough变换处理量测得到的含杂波的二维坐标解决多目标航迹起始问题。使用Matlab进行仿真用离散点绘制原始数据用连线绘制处理结果。 二、主要技术指标 1、掌握标准Hough变换检测直线的基本原理以及一些改进的Hough变换算法。 2、用Matlab实现Hough变换算法并绘制处理结果。 航迹起始是航迹处理中的首要问题在各种航迹处理的情况下都存在对于多目标航迹处理来说航迹起始是第一步是进行航迹跟踪的基础。 由于被探测目标一般都是由远到近的出现在搜索雷达的有效探测范围内的在航迹起始时目标一般距离雷达较远此时雷达分辨力低、测量精度差加之真假目标的出现无真正的统计规律因此在搜索雷达数据处理技术中航迹起始问题是一个难题。 现有的航迹起始算法可分为顺序处理技术和批处理技术两大类。通常顺序数据处理技术适用于弱杂波环境中的航迹起始主要包括启发式规则方法和基于逻辑方法批处理技术则更适用于强杂波环境主要包括Hough变换等方法。基于逻辑的方法在虚警概率比较低的情况下起始航迹的效果比较好但在复杂环境下虚假航迹比较多Hough变换法则适用于强杂波背景下航迹成直线的环境但是Hough变换法通常需要多次的扫描才能较好地起始航迹且计算量大不符合工程应用的需要。 低信噪比、低信杂比下的航迹起始是多目标航迹起始的关键问题。Hough变换具有对局部缺损的不敏感性、对随机噪声的鲁棒性以及适于并行处理、实时应用等特点特别史和解决多目标航迹起始问题。本文对Hough变换航迹起始算法进行了研究主要工作如下 1.概述了主要的航迹起始方法介绍了Hough变换基本原理、Hough变换的特点指出了Hough变换在航迹起始中存在的问题。 2.研究与分析了标准Hough变换、修正Hough变换和序列Hough变换三种典型航迹起始算法。通过仿真分析总结出每种算法的适用环境。 Hough变换用于航迹起始具有以下特点 1将量测空间中的检测问题转换到参数空间进行具有很强的抗干扰能力对随机噪声具有一定的鲁棒性 2量测中的每一个点都参加“投票”所以它特别适合并行处理 3一种变换方程只对某一种特定的曲线进行检测针对性强 4不受空间和曲线形状的影响广义Hough变换可以检测任意形状的曲线三维空间Hough变换可以检测空间曲线。 Hough变换用于航迹起始具有以下优点 1Hough变换可以检测任意已知形状的曲线从而能够起始某类特定航迹作为先验信息特定航迹的选定提高了信号相干累积的效率避免了大量杂波引起的虚假航迹问题 2Hough变换不要求曲线连续或可导并且对局部缺损和随机噪声鲁棒适于低检测率和低量测精度下的起始 3Hough变换用于航迹起始不需要目标状态初值可实现全自动起始。 本文通过大量仿真实验体会到Hough变换航迹起始算法存在若干问题严重地影响这航迹起始的性能具体体现在 1标准Hough变换的计算量庞大并且需要很大的存储空间在低信噪比环境下表现得特别明显延长了航迹起始时间达不到快速性起始的要求。 2Hough变换航迹起始算法在提取航迹参数时一般使用阈值法这就不可避免的出现航迹簇拥现象即一个目标产生了参数近似的多条轨迹。如何选择峰值提取方法既能准确地提取峰值同时又能有效地解决航迹簇拥现象是亟待解决的问题。 3Hough变换航迹起始算法应用于工程实际带来了诸多问题如实际系统中涉及参数众多如何对这些参数进行全面有效地利用是急需解决地问题针对不同地起始环境应该研究不同地专用算法与之相匹配实际系统中很多参数地选取都不能由理论公式推导得出而要通过大量得仿真实验得出。 2 运行结果 主函数部分代码 %标准Hough变换 %Author:Shen Baoyin %Time:2018/8/1 close all clear all ​ target2;%目标数 n15;%起始拍数 k90;%sig分的个数 m500;%p分的个数 Monte_Carlo100;%Monte_Carlo仿真次数 L150;%雷达量测距离 Pd1;%检测概率 ​ %目标起始坐标及速度 x140;y120;vx10.3;vy10.18;%单位km,km/s x220;y280;vx20.3;vy2-0.18; Ts4;%采样周期单位s ​ successzeros(Monte_Carlo,target);%目标航迹成功起始矩阵 fake(1:Monte_Carlo)0;%目标航迹虚假起始矩阵 track_number(1:Monte_Carlo)0;%总航迹起始数 ​ N0:n-1; X1_initx1Ts*N*vx1;%真实航迹1 Y1_inity1Ts*N*vy1; Y1_0y1-vy1*x1/vx1; offset(1)Y1_0*cos(atan(abs(vy1)/abs(vx1)));%航迹1真实垂距 X2_initx2Ts*N*vx2;%真实航迹2 Y2_inity2Ts*N*vy2; Y2_0y2-vy2*x2/vx2; offset(2)Y2_0*cos(atan(abs(vy2)/abs(vx2)));%航迹2真实垂距 ​ Np1:k; dNppi/k;%参数空间角度间隔 angle(Np-¹⁄₂)*dNp; ​ dMp6*0.1;%%参数空间垂距间隔 ​ for monte1:Monte_Carloclear R Rn A0 P0 R X_za Y_za noisex noiseyR poissrnd(50,1,n);%每拍杂波个数服从泊松分布RnR(1);X_zaunifrnd (0, 100, 1, R(1));%随机产生x,y坐标服从0-100的均匀分布Y_zaunifrnd (0, 100, 1, R(1));for i2:nX_za(Rn1:RnR(i))unifrnd (0, 100, 1, R(i));Y_za(Rn1:RnR(i))unifrnd (0, 100, 1, R(i));RnRnR(i);end ​noisexnormrnd(0,0.1,1,n);%x量测噪声noiseynormrnd(0,0.1,1,n); ​X1X1_initnoisex;X2X2_initnoisex;%实际量测Y1Y1_initnoisey;Y2Y2_initnoisey; ​Azeros(k,2*m);%积累矩阵 ​%航迹1 Hough变换for i1:nfor j1:kP(i,j)X1(i)*cos(angle(j))Y1(i)*sin(angle(j));endend%航迹2 Hough变换for i(n1):(2*n)for j1:kP(i,j)X2(i-n)*cos(angle(j))Y2(i-n)*sin(angle(j));endend ​%杂波的Hough变换for i2*n1:(2*nRn)for j1:kP(i,j)X_za(i-2*n)*cos(angle(j))Y_za(i-2*n)*sin(angle(j));endend ​%对积累矩阵投票for i1:kfor j1:2*ma-L(j-1)*dMp;b-Lj*dMp;for h1:2*nRnif (P(h,i)a P(h,i)b) A(i,j)A(i,j)1;endendendend3 参考文献 ​[1]高国琴,李明.基于K-means算法的温室移动机器人导航路径识别[J].农业工程学报,2014,30(07):25-33. 部分理论引用网络文献若有侵权联系博主删除。