铁路轨道异物完整性检测与跟踪算法研究

被引：10

作者：

牛宏侠 ^{[1
,2
]}

张肇鑫 ^{[1
,2
]}

宁正 ^{[1
,2
]}

陈光武 ^{[1
,2
]}

机构：

[1] 兰州交通大学自动控制研究所

[2] 兰州交通大学甘肃省高原交通信息工程及控制重点实验室

来源：

交通运输系统工程与信息 | 2019年 / 19卷 / 01期

关键词：

信息技术; 检测与跟踪; 像素过滤; 轨道异物; BP神经网络-IMM-Kalman;

D O I：

10.16097/j.cnki.1009-6744.2019.01.008

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ;

摘要：

针对野外复杂环境下轨道异物检测不完整问题,提出基于小波变换的像素过滤思想改进GMM,构建背景模型;为解决异物目标实施机动(转弯、加速或突然出现)时跟踪实时性差和准确率低的问题,分析Kalman滤波线性化误差,搭建BP神经网络修正IMM的跟踪模型,实现轨道异物跟踪预测,并推导出非线性Kalman滤波关系.实验表明,改进GMM在正常天气下平均前景误检率降低了24.94个百分点,针对复杂恶劣天气平均前景误检率降低了33.76个百分点;建立BP神经网络-IMM-Kalman滤波模型不仅可以快速准确地对场景中的机动目标进行跟踪,而且比Kalman滤波和IMM更加平稳,误差更小.

引用

页码：45 / 54

页数：10

共 11 条

[1] 一种快速高精度GPS组合定位方法研究 [J].