Documents disponibles écrits par cet auteur

Feature extraction by gaussian mixture with rigidity constraint / Ruan, Yanhua in IEEE transactions on automatic control, Vol. 52 N°10 (Octobre 2007) 

Public ISBD [article]  in IEEE transactions on automatic control > Vol. 52 N°10 (Octobre 2007) . - 1899-1907 p. Titre : Feature extraction by gaussian mixture with rigidity constraint Titre original : Extraction de dispositif par le mélange gaussien avec la contrainte de rigidité Type de document : texte imprimé Auteurs : Ruan, Yanhua, Auteur ; Hong, Lang, Auteur Article en page(s) : 1899-1907 p. Note générale : Automatique Langues : Anglais (eng) Mots-clés : Feature-aided  target  tracking  Feature  extraction  High  resolutional  range  (HRR)  radar  Extraction  de  dispositif  Haut  radar  de  la  gamme  de  resolutional  (HRR)  Contrainte  de  rigidité  Mélange  gaussien Index. décimale : 629.8 Résumé : The performance of feature-aided tracking (FAT) relies largely on the quality of features extracted from signature sensors. In our previous work, we introduced a new FAT algorithm for tracking with ground moving target indicator (GMTI) and high resolutional range (HRR) measurements, where features were extracted from an HRR sensor using the technique of mixture density estimation. Although satisfactory results were achieved, an additional improvement is expected if a target rigidity constraint is incorporated. In this paper, we exploit the rigidity property of targets to alleviate the inherent local convergence problem of the expectation-maximization algorithm used in mixture density estimation. Simulation results show a performance improvement over the previous FAT algorithm. L'exécution du cheminement facilité de dispositif (FAT) se fonde en grande partie sur la qualité des dispositifs extraits à partir des sondes de signature. Dans nos travaux précédents, nous avons présenté un nouvel algorithme de FAT pour dépister avec l'éliminateur d'échos fixes moulu (GMTI) et les mesures élevées de la gamme de resolutional (HRR), où des dispositifs ont été extraits à partir d'une sonde de HRR utilisant la technique de l'évaluation de densité de mélange. Bien que des résultats satisfaisants aient été réalisés, une amélioration additionnelle est prévue si une contrainte de rigidité de cible est incorporée. En ce document, nous exploitons la propriété de rigidité des cibles pour alléger le problème local inhérent de convergence de l'algorithme de maximisation d'espérance utilisé dans l'évaluation de densité de mélange. Les résultats de simulation montrent une amélioration d'exécution au-dessus de l'algorithme précédent de FAT. DEWEY : 629.8 ISSN : 0018-9286 En ligne : yanhua.ruan@wright.edu, lang.hong@wright.edu [article] Feature extraction by gaussian mixture with rigidity constraint = Extraction de dispositif par le mélange gaussien avec la contrainte de rigidité [texte imprimé] / Ruan, Yanhua, Auteur ; Hong, Lang, Auteur . - 1899-1907 p. Automatique Langues : Anglais (eng) in IEEE transactions on automatic control > Vol. 52 N°10 (Octobre 2007) . - 1899-1907 p. Mots-clés : Feature-aided  target  tracking  Feature  extraction  High  resolutional  range  (HRR)  radar  Extraction  de  dispositif  Haut  radar  de  la  gamme  de  resolutional  (HRR)  Contrainte  de  rigidité  Mélange  gaussien Index. décimale : 629.8 Résumé : The performance of feature-aided tracking (FAT) relies largely on the quality of features extracted from signature sensors. In our previous work, we introduced a new FAT algorithm for tracking with ground moving target indicator (GMTI) and high resolutional range (HRR) measurements, where features were extracted from an HRR sensor using the technique of mixture density estimation. Although satisfactory results were achieved, an additional improvement is expected if a target rigidity constraint is incorporated. In this paper, we exploit the rigidity property of targets to alleviate the inherent local convergence problem of the expectation-maximization algorithm used in mixture density estimation. Simulation results show a performance improvement over the previous FAT algorithm. L'exécution du cheminement facilité de dispositif (FAT) se fonde en grande partie sur la qualité des dispositifs extraits à partir des sondes de signature. Dans nos travaux précédents, nous avons présenté un nouvel algorithme de FAT pour dépister avec l'éliminateur d'échos fixes moulu (GMTI) et les mesures élevées de la gamme de resolutional (HRR), où des dispositifs ont été extraits à partir d'une sonde de HRR utilisant la technique de l'évaluation de densité de mélange. Bien que des résultats satisfaisants aient été réalisés, une amélioration additionnelle est prévue si une contrainte de rigidité de cible est incorporée. En ce document, nous exploitons la propriété de rigidité des cibles pour alléger le problème local inhérent de convergence de l'algorithme de maximisation d'espérance utilisé dans l'évaluation de densité de mélange. Les résultats de simulation montrent une amélioration d'exécution au-dessus de l'algorithme précédent de FAT. DEWEY : 629.8 ISSN : 0018-9286 En ligne : yanhua.ruan@wright.edu, lang.hong@wright.edu