[go: up one dir, main page]

TWI697845B - 多目標追蹤方法與系統 - Google Patents

多目標追蹤方法與系統 Download PDF

Info

Publication number
TWI697845B
TWI697845B TW107124174A TW107124174A TWI697845B TW I697845 B TWI697845 B TW I697845B TW 107124174 A TW107124174 A TW 107124174A TW 107124174 A TW107124174 A TW 107124174A TW I697845 B TWI697845 B TW I697845B
Authority
TW
Taiwan
Prior art keywords
data set
stored
database
physical feature
dimensional physical
Prior art date
Application number
TW107124174A
Other languages
English (en)
Other versions
TW202006600A (zh
Inventor
吳芳銘
巫文傑
Original Assignee
緯創資通股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 緯創資通股份有限公司 filed Critical 緯創資通股份有限公司
Priority to TW107124174A priority Critical patent/TWI697845B/zh
Priority to CN201810891105.9A priority patent/CN110717370A/zh
Priority to US16/141,391 priority patent/US11454717B2/en
Publication of TW202006600A publication Critical patent/TW202006600A/zh
Application granted granted Critical
Publication of TWI697845B publication Critical patent/TWI697845B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
    • G01S13/34—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Algebra (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

一種多目標追蹤方法包含：產生複數目標物的多維度物理特徵資料；簡化多維度物理特徵資料，以降低多維度物理特徵資料的維度，因此得到簡化資料集；及追蹤比較當前的簡化資料集與儲存於資料庫的儲存資料集。其中如果當前的簡化資料集符合儲存於資料庫的儲存資料集，則根據相應情形作適當處置；如果當前的簡化資料集不符合儲存於資料庫的儲存資料集，則將當前的簡化資料集定義為新的事件，並儲存於資料庫。

Description

多目標追蹤方法與系統
本發明係有關一種追蹤系統，特別是關於一種多目標追蹤系統與方法。
追蹤(tracking)系統或監測(monitoring)系統係用以擷取目標物的狀態，並根據所得到的狀態資料作及時的適當回饋處理。追蹤系統若擷取較少的資料(例如一維或單變數的資料)，雖然可快速的處理，但是可能因資料不足容易在環境干擾下產生變動，因而造成資訊誤判之情形。相反的，如果擷取多維度的資料，則無法被傳統的處理器所及時處理與分辨解析。
傳統追蹤系統通常使用三維加速度計作為監測元件。然而，此類監測元件通常採用侵入方式與設備結合，因此可能破壞原設備結構，且不容易安裝在具活動性的設備上。光感雷射是傳統追蹤系統的另一種常用監測元件，其雖然可設置於設備外以進行監測，但是雷射的指向性高，僅能對單一目標進行監測。此外，光感雷射僅能取得訊號飛行時間，因此其應用受到侷限。
對於一些追蹤應用，例如電路板訊號檢測，通常需耗費大量人力，且受到檢測人員的主觀意識，或者因為電路板內部模組不同的佈局或電路走線會各自產生不同的雜訊，而影響效能，因而增加了很多不確定因素。因此亟需一種新穎的追蹤機制，在此機制下我們可以快速檢測問題所在，而進行改善維修。
鑑於上述，本發明實施例的目的之一在於提出一種多目標追蹤系統與方法，有效維持資料的可靠度，減少量測誤差，達到快速檢修，並可減少人力與時間成本。
根據本發明實施例，多目標追蹤方法包含：產生複數目標物的多維度物理特徵資料；簡化多維度物理特徵資料，以降低多維度物理特徵資料的維度，因此得到簡化資料集；及追蹤比較當前的簡化資料集與儲存於資料庫的儲存資料集。其中如果當前的簡化資料集符合儲存於資料庫的儲存資料集，則根據相應情形作適當處置；如果當前的簡化資料集不符合儲存於資料庫的儲存資料集，則將當前的簡化資料集定義為新的事件，並儲存於資料庫。
第一A圖顯示本發明第一實施例之多目標追蹤(multi-object tracking)系統100的方塊圖，第一B圖顯示本發明第一實施例之多目標追蹤方法200的流程圖。在本實施例中，多目標追蹤系統100可包含雷達11，其可發射與接收射頻電波(radio wave)以偵測多個目標物12。本實施例的雷達11為頻率調變連續波(FM-CW)雷達，但不限定於此。第二圖例示第一A圖之雷達11的細部方塊圖，其可包含調變解調器(modulator/demodulator或modem)111、發射器112及接收器113。本實施例之調變解調器111為頻率調變連續波(FM-CW)調變解調器，其調變電路產生頻率調變連續波(FM-CW)射頻訊號(亦即發射訊號)，其射頻時頻(time-frequency)訊號如例示的波形114，其藉由發射器112發送至多目標物12(步驟21)。在此例子中，目標物12為機械手臂的上手臂12A與下手臂12B(但量測物不限於機械手臂，亦可以是馬達傳軸等具物理表徵之機械設備)。接收器113接收反射自目標物12的反射訊號(亦即接收訊號)，經調變解調器111的解調電路予以降頻解調後，可得到基頻時頻訊號如例示的波形115(步驟22)。由於各個目標物12具有不同的物理特徵(例如機械振動或位移)，表現為相異的相對位置與速率變化，因此降頻解調後的波形115形成多重振幅-頻率的混合訊號。
第三A圖例示反射訊號經時頻分析得到的基頻時頻訊號與波形圖。觀察第三A圖的波形可以得知，物體於正常相對速率的運動下，可得到相對的頻率與訊號能量大小的波形混合變化。第三B圖例示從射頻波段降為基頻波段之示意圖。如第三B圖所示，接收訊號的波形相對於發射訊號的波形具有沿時td 。根據發射/接收訊號的升緣與降緣可得到拍擊(beat)訊號，據以得到相對位置(距離)與速度如下所示：
Figure 02_image001
其中Δf為雷達11的掃描頻寬，tm 為雷達11掃頻一週期所費時間，C為光速，fb1 為發射/接收訊號波形升緣的拍擊頻差，fb2 為發射/接收訊號波形降緣的拍擊頻差。
本實施例之多目標追蹤系統100可包含處理器13，例如電腦，其根據發射訊號與接收訊號以萃取得到多目標物12於不同時間的多維度物理特徵資料(步驟23)，例如強度、頻率、位置、速度。第三C圖例示經處理器13所萃取得到的物理特徵資料，其包含強度、頻率、位置、速度共四維度，該些資料可存放於資料庫14。在本實施例中，處理器13萃取多維度的資料，可避免單維度因資料不足容易在環境干擾下產生變動，因而造成資訊誤判之情形。
接著，於步驟24，處理器13使用主成分分析法(principle component analysis, PCA)，用以簡化步驟23所得到物理特徵資料，降低維度，同時保持該些資料當中變異數(variance)貢獻最大的特徵。藉由保留特徵值較高之特徵向量且忽略特徵值較低之特徵向量，所保留的特徵值較高之特徵向量成分即可保留住該些資料的最重要方面。經主成分分析法(PCA)處理後的簡化資料集可儲存於資料庫14。在另一實施例中，於步驟24，處理器13使用獨立成分分析法(independent component analysis, ICA)，用以簡化步驟23所得到物理特徵資料。獨立成分分析法(ICA)係為一種信號處理方法，用以將多變數(multivariate)信號分離成為相加的次信號(additive subcomponent)。
第四A圖至第四C圖例示使用主成分分析法(PCA)處理後的簡化資料集PC1/PC2，其中X軸表示距離，Y軸表示速度，其亦可由第三Ｃ圖擷取其他相關資料作為運算。第四A圖表示正常事件的簡化資料集，第四B圖表示異常事件的簡化資料集，例如機械手臂的轉軸故障情形，第四C圖表示另一異常事件的簡化資料集，例如電力不足或效能降低。
於步驟25，處理器13追蹤比較當前的簡化資料集與儲存於資料庫14的儲存資料集。如果當前的簡化資料集符合儲存於資料庫14的儲存資料集(亦即存在資料庫14內)，則根據相應情形作適當處置(步驟26)。如果當前的簡化資料集不符合儲存於資料庫14的儲存資料集(亦即不在資料庫14內)，則可根據檢測結果將此簡化資料集定義為新的事件(步驟27)，並儲存於資料庫14。在本實施例中，資料庫14可使用機器學習(machine learning)技術以進行資料集的分類。
第五A圖顯示本發明第二實施例之多目標追蹤系統300的方塊圖，第五B圖顯示本發明第二實施例之多目標追蹤方法400的流程圖。在本實施例中，多目標追蹤系統300可包含探測器(probe)15，夾帶於機械手臂上。
第六A圖例示筆記型電腦的印刷電路板600的示意圖。由於印刷電路板600上的各個模組(例如通用串列匯流排(USB)、連接器、雙倍資料率記憶體(DDR1/DDR2)、電源、中央處理單元)具有個別的熱效應與模組雜訊，因此各模組的佈局與電路走線的相對位置會影響天線1/天線2(61)的收訊效能。於步驟41，使用探測器15對印刷電路板600的多處進行雜訊功率量測，以得到物理特徵資料，並進行後續檢測分析主要問題所在，而進行修繕。
本實施例之多目標追蹤系統300可包含處理器13，例如電腦，其接收探測器15量測得到的物理特徵資料(例如印刷電路板600的雜訊能量)。此外，處理器13還同時從機械手臂取得探測器15的其他相關物理特徵資料，例如位置與角度(步驟42)。第六B圖例示機械手臂的世界座標，第六C圖例示機械手臂的轉軸角度。第六D圖例示第五B圖之步驟41所得到的雜訊能量與步驟42所得到的位置與角度。
於步驟42之後(但步驟43之前)，可額外增加第一實施例的步驟21~24，使用雷達11發射與接收射頻電波(radio wave)以偵測多個目標物12，其實施細節不再贅述。在本實施例中，雷達11為連續波(CW)雷達，但不限定於此。相較於頻率調變連續波(FM-CW)雷達，連續波(CW)雷達得到較少維度的資料，例如強度與頻率。
於步驟43，處理器13使用主成分分析法(PCA)，用以簡化步驟41、42所得到物理特徵資料，降低維度，同時保持該些資料當中變異數(variance)貢獻最大的特徵，藉以分析主要雜訊來源，並進行修繕，減少檢測之人力與時間成本。經主成分分析法(PCA)處理後的簡化資料集可儲存於資料庫14。在另一實施例中，於步驟43，處理器13使用獨立成分分析法(ICA)，用以簡化步驟41、42所得到物理特徵資料。
第七A圖至第七B圖例示使用主成分分析法(PCA)處理後的簡化資料集，其中第七A圖表示正常事件的簡化資料集，第七B圖表示異常事件的簡化資料集，如異常雜訊分布。
接著，於步驟44，分析處理雜訊主要分布貢獻來源，或判定是否為系統量測誤差，處理器13追蹤比較當前的簡化資料集與儲存於資料庫14的儲存資料集。如果當前的簡化資料集符合儲存於資料庫14的儲存資料集(亦即存在資料庫14內)，則根據相應情形作適當處置(步驟45)。例如，根據步驟42所得到世界座標對機械手臂進行回饋補償校正。如果當前的簡化資料集不符合儲存於資料庫14的儲存資料集(亦即不在資料庫14內)，則可根據檢測結果將此簡化資料集定義為新的事件(步驟46)，並儲存於資料庫14。在本實施例中，資料庫14可使用機器學習(machine learning)技術以進行資料集的分類。
以下說明前述主成分分析法(PCA)(第一實施例的步驟24或第二實施例的步驟43)的實施細節。首先，從第三C圖或第六D圖的每一段時間或每一批次，可以得到資訊矩陣S如下：
Figure 02_image003
利用資訊矩陣S以得到協方差(covariance)矩陣C如下： C=ST S
由於協方差矩陣C為一個實對稱矩陣，因此可進行特徵分解，得到一個對角特徵值(diagonal eigenvalue)D與特徵向量U： D=(SU)T (SU)=UT ST SU=UT CU
接著，將特徵值由大排列至小，並將特徵向量依特徵值排列方式，從左至右進行排列，取其前面k個當主要特徵分量，經過壓縮轉換，即可得到簡化的資料如下：
Figure 02_image005
以上所述僅為本發明之較佳實施例而已，並非用以限定本發明之申請專利範圍；凡其它未脫離發明所揭示之精神下所完成之等效改變或修飾，均應包含在下述之申請專利範圍內。
100‧‧‧多目標追蹤系統11‧‧‧雷達111‧‧‧調變解調器112‧‧‧發射器113‧‧‧接收器114‧‧‧波形115‧‧‧波形12‧‧‧目標物12A‧‧‧上手臂12B‧‧‧下手臂13‧‧‧處理器14‧‧‧資料庫15‧‧‧探測器200‧‧‧多目標追蹤方法21‧‧‧產生並發送發射訊號至多目標物22‧‧‧接收並解調反射自多目標物的接收訊號23‧‧‧萃取多目標物的物理特徵資料24‧‧‧簡化物理特徵資料25‧‧‧追蹤比較簡化資料集26‧‧‧相應處置27‧‧‧定義新事件300‧‧‧多目標追蹤系統400‧‧‧多目標追蹤方法41‧‧‧以探測器量測得到物理特徵資料42‧‧‧取得探測器的位置與角度43‧‧‧簡化物理特徵資料44‧‧‧追蹤比較簡化資料集45‧‧‧相應處置46‧‧‧定義新事件61‧‧‧天線1/天線2ft‧‧‧發射頻率fr‧‧‧接收頻率fb1‧‧‧拍擊頻差fb2‧‧‧拍擊頻差td‧‧‧沿時tm‧‧‧時間PC1‧‧‧簡化資料集PC2‧‧‧簡化資料集USB‧‧‧通用串列匯流排DDR1‧‧‧雙倍資料率記憶體DDR2‧‧‧雙倍資料率記憶體
第一A圖顯示本發明第一實施例之多目標追蹤系統的方塊圖。 第一B圖顯示本發明第一實施例之多目標追蹤方法的流程圖。 第二圖例示第一A圖之雷達的細部方塊圖。 第三A圖例示反射訊號經時頻分析得到的基頻時頻訊號與波形圖。 第三B圖例示射頻波接收訊號降頻解調示意圖。 第三C圖例示經處理器所萃取得到的物理特徵資料。 第四A圖至第四C圖例示使用主成分分析法處理後的簡化資料集。 第五A圖顯示本發明第二實施例之多目標追蹤系統的方塊圖。 第五B圖顯示本發明第二實施例之多目標追蹤方法的流程圖。 第六A圖例示筆記型電腦的印刷電路板的示意圖。 第六B圖例示機械手臂的世界座標。 第六C圖例示機械手臂的轉軸角度。 第六D圖例示第五B圖之步驟41所得到的雜訊能量與步驟42所得到的位置與角度。 第七A圖至第七B圖例示使用主成分分析法處理後的簡化資料集。
200‧‧‧多目標追蹤方法
21‧‧‧產生並發送發射訊號至多目標物
22‧‧‧接收並解調反射自多目標物的接收訊號
23‧‧‧萃取多目標物的物理特徵資料
24‧‧‧簡化物理特徵資料
25‧‧‧追蹤比較簡化資料集
26‧‧‧相應處置
27‧‧‧定義新事件

Claims (16)

  1. 一種多目標追蹤方法，包含：(a)產生複數目標物的多維度物理特徵資料；(b)簡化該多維度物理特徵資料，以降低該多維度物理特徵資料的維度，因此得到一簡化資料集；及(c)追蹤比較當前的簡化資料集與儲存於一資料庫的儲存資料集；其中如果該當前的簡化資料集符合儲存於該資料庫的儲存資料集，則根據相應情形作適當處置；如果該當前的簡化資料集不符合儲存於該資料庫的儲存資料集，則將該當前的簡化資料集定義為新的事件，並儲存於該資料庫；其中該步驟(a)包含：產生並發送含射頻電波的發射訊號至一機械手臂所包含的該些目標物；接收反射自該些目標物之接收訊號；及根據該發射訊號與該接收訊號以萃取得到該些目標物於不同時間的該多維度物理特徵資料。
  2. 根據申請專利範圍第1項所述之多目標追蹤方法，其中該發射訊號包含頻率調變連續波(FM-CW)射頻訊號。
  3. 根據申請專利範圍第1項所述之多目標追蹤方法，其中該萃取得到的該多維度物理特徵資料包含強度、頻率、位置及速度。
  4. 根據申請專利範圍第1項所述之多目標追蹤方法，其中該步驟(b)係使用主成分分析法以簡化該多維度物理特徵資料。
  5. 根據申請專利範圍第1項所述之多目標追蹤方法，其中該步驟(b)係使用獨立成分分析法以簡化分類該多維度物理特徵資料。
  6. 根據申請專利範圍第1項所述之多目標追蹤方法，其中該資料庫係使用機器學習技術以進行資料集的分類。
  7. 一種多目標追蹤方法，包含：(a)產生複數目標物的多維度物理特徵資料，包含：使用一機械手臂夾帶一探測器進行量測，以得到至少一物理特徵資料；及取得該機械手臂的至少一相關物理特徵資料；產生並發送含射頻電波的發射訊號至該機械手臂所包含的該些目標物；接收反射自該些目標物之接收訊號；及根據該發射訊號與該接收訊號以萃取得到該些目標物於不同時間的至少一物理特徵資料；(b)簡化該多維度物理特徵資料，以降低該多維度物理特徵資料的維度，因此得到一簡化資料集；及(c)追蹤比較當前的簡化資料集與儲存於一資料庫的儲存資料集；其中如果該當前的簡化資料集符合儲存於該資料庫的儲存資料集，則根據相應情形作適當處置；如果該當前的簡化資料集不符合儲存於該資料庫的儲存資料集，則將該當前的簡化資料集定義為新的事件，並儲存於該資料庫。
  8. 根據申請專利範圍第7項所述之多目標追蹤方法，其中該多維度物理特徵資料包含該探測器量測的雜訊能量及該機械手臂的位置、轉軸角。
  9. 一種多目標追蹤系統，包含：一處理器，接收複數目標物的多維度物理特徵資料，並簡化該多維度物理特徵資料，以降低該多維度物理特徵資料的維度，因此得到一簡化資料集；及一資料庫，儲存有複數儲存資料集； 其中該處理器追蹤比較當前的簡化資料集與儲存於該資料庫的儲存資料集；如果該當前的簡化資料集符合儲存於該資料庫的儲存資料集，則根據相應情形作適當處置；如果該當前的簡化資料集不符合儲存於該資料庫的儲存資料集，則將該當前的簡化資料集定義為新的事件，並儲存於該資料庫；更包含一雷達，其包含：一調變解調器，產生含射頻電波的發射訊號；一發射器，發送該發射訊號至一機械手臂所包含的該些目標物；及一接收器，接收反射自該些目標物之接收訊號；其中該調變解調器根據該發射訊號與該接收訊號以萃取得到該些目標物於不同時間的該多維度物理特徵資料。
  10. 根據申請專利範圍第9項所述之多目標追蹤系統，其中該雷達包含頻率調變連續波(FM-CW)雷達。
  11. 根據申請專利範圍第9項所述之多目標追蹤系統，其中該萃取得到的該多維度物理特徵資料包含強度、頻率、位置及速度。
  12. 根據申請專利範圍第9項所述之多目標追蹤系統，其中該處理器係使用主成分分析法以簡化該多維度物理特徵資料。
  13. 根據申請專利範圍第9項所述之多目標追蹤系統，其中該處理器係使用獨立成分分析法以簡化分類該多維度物理特徵資料。
  14. 根據申請專利範圍第9項所述之多目標追蹤系統，其中該資料庫係使用機器學習技術以進行資料集的分類。
  15. 一種多目標追蹤系統，包含：一處理器，接收複數目標物的多維度物理特徵資料，並簡化該多維度物理特徵資料，以降低該多維度物理特徵資料的維度，因此得到一簡化資料集；一資料庫，儲存有複數儲存資料集；一探測器，夾帶於一機械手臂上以進行量測，因而得到至少一物理特徵資料，其中該機械手臂提供至少一相關物理特徵資料；及一雷達，其包含：一調變解調器，產生含射頻電波的發射訊號；一發射器，發送該發射訊號至該機械手臂所包含的該些目標物；及一接收器，接收反射自該些目標物之接收訊號；其中該調變解調器根據該發射訊號與該接收訊號以萃取得到該些目標物於不同時間的至少一物理特徵資料；其中該處理器追蹤比較當前的簡化資料集與儲存於該資料庫的儲存資料集；如果該當前的簡化資料集符合儲存於該資料庫的儲存資料集，則根據相應情形作適當處置；如果該當前的簡化資料集不符合儲存於該資料庫的儲存資料集，則將該當前的簡化資料集定義為新的事件，並儲存於該資料庫。
  16. 根據申請專利範圍第15項所述之多目標追蹤系統，其中該多維度物理特徵資料包含該探測器量測的雜訊能量及該機械手臂的位置、轉軸角。
TW107124174A 2018-07-13 2018-07-13 多目標追蹤方法與系統 TWI697845B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW107124174A TWI697845B (zh) 2018-07-13 2018-07-13 多目標追蹤方法與系統
CN201810891105.9A CN110717370A (zh) 2018-07-13 2018-08-07 多目标追踪方法与系统
US16/141,391 US11454717B2 (en) 2018-07-13 2018-09-25 Multi-object tracking method and system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107124174A TWI697845B (zh) 2018-07-13 2018-07-13 多目標追蹤方法與系統

Publications (2)

Publication Number Publication Date
TW202006600A TW202006600A (zh) 2020-02-01
TWI697845B true TWI697845B (zh) 2020-07-01

Family

ID=69140282

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107124174A TWI697845B (zh) 2018-07-13 2018-07-13 多目標追蹤方法與系統

Country Status (3)

Country Link
US (1) US11454717B2 (zh)
CN (1) CN110717370A (zh)
TW (1) TWI697845B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115147458B (zh) * 2022-07-21 2023-04-07 北京远度互联科技有限公司 目标跟踪方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104731875A (zh) * 2015-03-06 2015-06-24 浙江大学 一种获取多维数据稳定性的方法和系统
TW201638816A (zh) * 2015-04-21 2016-11-01 阿里巴巴集團服務有限公司 人機識別方法及裝置、行為特徵資料的採集方法及裝置
CN107085164A (zh) * 2017-03-22 2017-08-22 清华大学 一种电网故障类型确定方法及装置
CN107631867A (zh) * 2017-09-07 2018-01-26 天津工业大学 一种基于深度学习的旋转机械故障智能分类方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7181529B2 (en) * 2000-09-22 2007-02-20 Ericsson Inc. Business to business engine and system for facilitating information interexchange using realtime data
US7136765B2 (en) * 2005-02-09 2006-11-14 Deepsea Power & Light, Inc. Buried object locating and tracing method and system employing principal components analysis for blind signal detection
US8760631B2 (en) * 2010-01-27 2014-06-24 Intersil Americas Inc. Distance sensing by IQ domain differentiation of time of flight (TOF) measurements
US11131734B2 (en) * 2012-12-13 2021-09-28 Gagan Sidhu Processing multidimensional signals
US9635514B2 (en) * 2014-04-04 2017-04-25 Mayo Foundation For Medical Education And Research Identification of a subject in a facility
US20160363663A1 (en) * 2015-06-15 2016-12-15 Humatics Corporation High precision time of flight measurement system for industrial automation
CN106772331B (zh) * 2016-12-13 2019-04-09 中国电子科技集团公司第三研究所 目标识别方法和目标识别装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104731875A (zh) * 2015-03-06 2015-06-24 浙江大学 一种获取多维数据稳定性的方法和系统
CN104731875B (zh) 2015-03-06 2018-04-17 浙江大学 一种获取多维数据稳定性的方法和系统
TW201638816A (zh) * 2015-04-21 2016-11-01 阿里巴巴集團服務有限公司 人機識別方法及裝置、行為特徵資料的採集方法及裝置
CN107085164A (zh) * 2017-03-22 2017-08-22 清华大学 一种电网故障类型确定方法及装置
CN107631867A (zh) * 2017-09-07 2018-01-26 天津工业大学 一种基于深度学习的旋转机械故障智能分类方法

Also Published As

Publication number Publication date
US20200018843A1 (en) 2020-01-16
US11454717B2 (en) 2022-09-27
TW202006600A (zh) 2020-02-01
CN110717370A (zh) 2020-01-21

Similar Documents

Publication Publication Date Title
Jiang et al. mmVib: micrometer-level vibration measurement with mmwave radar
Feng et al. WiMi: Target material identification with commodity Wi-Fi devices
Yang et al. Rf-ear: Contactless multi-device vibration sensing and identification using cots rfid
US11060849B2 (en) Dual-channel optical three-dimensional interference method and system based on underdetermined blind source separation
US9575170B2 (en) Radar device and target height calculation method
US8907841B2 (en) Method for detecting targets using space-time adaptive processing
US12080060B2 (en) Method and system for indoor multipath ghosts recognition
CN110907906B (zh) 目标分类方法和相关设备
US20100332199A1 (en) Noise reduction technique for monitoring electromagnetic signals
JP2012220492A5 (zh)
CN103809173A (zh) 帧恒虚警目标检测跟踪一体化方法
Qiu et al. Radar 2: Passive spy radar detection and localization using COTS mmWave radar
TWI697845B (zh) 多目標追蹤方法與系統
WO2020103265A1 (zh) 生命体的检测方法及装置
CN115061113A (zh) 用于雷达的目标检测模型训练方法、装置及存储介质
WO2024047897A1 (ja) 検出システム、センサ装置、及び検出方法
Feng et al. RF-Ear $^+ $: A Mechanical Identification and Troubleshooting System Based on Contactless Vibration Sensing
Ding et al. Rotation speed sensing with mmWave radar
Yan et al. Wi-painter: Fine-grained material identification and image delineation using cots WiFi devices
Gao et al. Extreme learning machine ensemble for CSI based device-free indoor localization
US9094392B1 (en) GNSS receiver autonomous signal authentication using signal stability analysis system and related method
CN120446972A (zh) 基于调频连续波激光雷达的目标识别方法及激光雷达系统
JP2012189543A (ja) レーダ受信機及びパルスレーダ装置
CN118131161A (zh) 目标识别方法、装置、设备和计算机可读存储介质
Zhang et al. Wi-Ear: A contact-free vibration sensing and identification system based on COTS WiFi