基于BP神经网络的Kalman滤波在大坝变形数据处理中的应用

Kalman滤波是一种处理动态数据的有效的方法,其在大坝变形数据处理中将会有很好的应用前景.但当存在异常时,Kalman滤波精度将会降低甚至滤波发散.BP神经网络是一个高度复杂的非线线性动力学系统,它可以处理含有不确定因素的问题,可以任意精度逼近.因此BP神经网络辅助Kalman滤波能在一定程度上提高滤波的精度.     

多分辨正交多小波神经网络在变形预测中的应用

将多小波与神经网络结合建立了一种新的变形预测方法:多分辨正交多小波神经网络变形预测模型,通过理论分析和变形预测实验表明该方法较单小波神经网络具有更高的精度,更快的速度。     

多分辨正交多小波神经网络在变形预测中的应用

将多小波与神经网络结合建立了一种新的变形预测方法:多分辨正交多小波神经网络变形预测模型,通过理论分析和变形预测实验表明该方法较单小波神经网络具有更高的精度,更快的速度.     

一种基于Kalman滤波器的运动目标检测和跟踪算法

视频或图像序列中的运动目标检测与跟踪已成为计算机视觉领域研究的重要方向之一。本文实现了视频序列中的运动目标检测,使用了背景差法和帧间差分法检测到运动目标并进行了优化。Kalman滤波器是一种在时域内采用递归滤波的方法对系统状态进行最小均方误差估计的方法,本文提出利用Kalman滤波器实现运动目标跟踪中的形心跟踪的方法,可以准确预测到运动目标的一下个状态,得到良好的跟踪效果。     

遮挡率因子优化Kalman的户外活动路线跟踪模型

针对标准Kalman滤波在户外活动路线跟踪中还存在的跟踪不精确的问题,设计了一种基于遮挡率因子优化Kalman滤波的户外活动路线跟踪模型。首先根据户外活动路线跟踪的需求,选择直线定位准确,抗干扰力强的概率Hough变换算法,采用首尾相连的连续的直线进行户外道路的拟合,然后针对出现遮挡时,Kalman滤波迭代出的观测值具有较大误差的问题,引入遮挡率因子调节Kalman滤波器的估计参数。之后就设计的模型进行了仿真实验,与传统的算法相比,采用改进Kalman滤波进行户外活动路线跟踪的效果较为精准。     

Kalman滤波算法的简化研究

本文首先从数理角度界定了Kalman滤波算法的定义,并对其特征进行了介绍,分析了Kalman滤波算法的应用优势及缺陷,在基于仿真的Kalman滤波算法理论依据上,从优化计算复杂性和数据稳定性两个方面,给出了Kalman滤波算法的简化算法,归纳出简化算法的核心思想。     

基于滤波误差阈值的风速预测研究

风速时间序列的预测对风能的可持续发展至关重要,研究出准确的风速预测算法可以提高电网的安全性,改善环境效益。根据卡尔曼滤波和广义回归神经网络(GRNN)的特点,提出一种新的混合风速预测模型以及滤波误差阈值(FET)预测的方法,可以实现长期的风速预测,具有较高的精度和可靠性。     

基于多小波分析的图像优化去噪方法研究

针对传统单小波在对称性、正交性、有限支撑等特性上的不足,提出一种基于多小波分析的图像优化去噪方法。对图像进行预滤波处理操作,消除多小波的不恰当离散性。对待处理信号经预滤波处理后产生的四个分量进行多小波变换处理。采用Visu shrink方法与基于stein无风险估计的Sureshrink方法对阈值进行确定。保持总像素量不变,给出多小波分解及重构系统框图。以S=2的多小波为例对多小波变换进行分析。分别完成行滤波和列滤波。对噪声方差进行预测,完成对原始图像多小波系数的方差的估计,对尺度参数和阈值进行计算。仿真实验结果表明,所提方法能够有效去除图像噪声,进一步增强了图像的信噪比。     

基于Kalman滤波的Web数据流抗干扰挖掘算法

提出一种基于变维Kalman滤波的Web海量数据流抗干扰挖掘算法。构建Web环境下的海量数据挖掘数据流信息模型和噪声干扰模型,结合现代信号处理方法,设计变维Kalman滤波算法进行海量数据流信号滤波预处理,把Web海量数据流映射为一组非线性宽带调频信号模型,采用信号检测算法实现Web海量数据的抗干扰挖掘。仿真结果表明,采用该算法进行Web海量数据信息的抗干扰挖掘,具有较高的数据检测精度和准确挖掘性能,具有较高的抗干扰性和鲁棒性。     

基于Mean-shift与Kalman算法相结合的动态目标跟踪算法研究

针对动态目标的跟踪,本文给出了采用Mean-shift与Kalman算法相结合的一种方法。该方法首先用Mean-shift算法确定动态目标所在的特征区间,然后再用Kalman算法对动态目标进行跟踪预测。     

交通流数据的采集及基于Kalman滤波的处理应用

本文以实际项目为背景,探讨了交通流数据的采集、应用,以及如何把Kalman滤波原理利用到交通流的处理上,并对S市的实际交通流数据进行处理,同时也介绍了几种常用的数据采集方法及其优点,对实际交通流数据处理结果表明Kalman滤波的适应性强、处理效果好。     

Kalman滤波的发散及其抑制

在对Kalman滤波算法进行深入分析的基础上,对Kalman滤波算法在实际应用中常出现的发散现象进行了简单的阐述,指出了产生发散的原因,并给出了几种常用的抑制发散的算法,说明了进一步研究的方向.     

pH值的神经网络多步预测控制算法

ｐＨ值控制过程是一个具有较强非线性、纯滞后的过程,针对ｐＨ值控制系统提出了一种基于神经网络的多步预测控制算法（ＮＭＰＣ）。神经网络用于辨识对象的预测模型,控制算法利用了神经网络的梯度信息。控制效果表明该控制系统具有较好的动态性能和较强的鲁棒性。     

RBF神经网络在建筑物沉降预测中的应用

介绍了基于matlab的径向基函数RBF神经网络对于建筑物沉降预测的方法,讨论了RBF神经网络的构造思路、参数和分布密度spread的选择。为建筑物变形监测人员的数据分析、变形预测提供了一个可行的概念。     

BP神经网络在预测股票价格中的应用

尽管人们预测股市已有多种方法,但由于神经网络具有的联想记忆与非线性映射功能使人们对股市的预测多了一种有力的方法。本文研究的内容就是用BP神经网络对股票进行预测。Matlab中的BP神经网络工具箱功能强大。但编程缺乏灵活性,而它的缺点正好用VC＋＋弥补。本文就是用VC＋＋与Matlab混合编程,借助BP神经网络工具箱来实现对股票价格预测的研究。     

一类非线性贝叶斯动态模型的算法研究

本文利用自主滤波与神经网络相结合的方法,对非线性贝叶斯动态模型进行了简单的探讨,从而给模型的短期预测以自适应,自纠正的智能化功能,为非线性贝叶斯动态系统的预测提供了一条可行的途径.     

基于Kalman滤波的CAMShift目标跟踪算法

针对传统的CAMShift算法跟踪目标丢失的问题,提出一种基于Kalman滤波的CAMShift目标跟踪算法。为验证改进后算法,可用安装摄像头的农田作业设备采集图像,并对图像中的特定目标进行跟踪。该算法用Kalman滤波器预测下一帧特定目标的位置,统计候选目标的直方图并进行反向投影,将得到的色彩概率分布图跟踪特定目标的特征。实验表明,改进后的算法在目标快速运动的情况下仍然取得较好的跟踪效果,具有较好的稳定性。     

卡尔曼波形估计在雷达信号处理中的应用

目标跟踪问题的应用背景是雷达数据处理,即雷达在搜索到目标并记录目标的位置数据,对测量到的目标位置数据（称为点迹）进行处理,自动形成航迹,并对目标下一时刻位置预测。本文讨论在蒙特卡罗方法下采用Kalman滤波方法对单个目标航迹进行预测,借助于Matlab仿真工具评估实验效果。     

基于北斗GNSS技术的智慧城管数据采集系统架构与实现

针对标准Kalman滤波算法在GNSS定位的应用中还存在精确性不高的问题。本文提出了一种基于模糊度参数优化Kalman算法的GNSS智慧城管数据采集定位模型。在整周模糊度未知的情况下,可将双差整周模糊度作为状态向量的一部分,同时利用伪距、载波相位双差观测值,在滤波估计动态接收机天线位置以及速度的同时,估计双差载波相位整周模糊度。算法仿真结果表明,本文提出的基于模糊度参数优化的Kalman算法相比较标准Kalman算法,在智慧城管数据采集定位的应用中,具有更高的精确性。     

电力系统超短期负荷预算法及准确率评价

正point本文介绍了线性外推法、时间序列法、Kalman滤波法以及以人工神经网络法等超短期负荷预测的基本方法,总结了各自的特点。从综合预测模型、数据挖掘技术以及异常数据的识别与修正三个方面总结了目前常用的提高预测准确度的方法。最后笔者结合工作实际,将超短期负荷预测准确率分为5分钟、10分钟、30分钟、60分钟超短期负荷预测准确率,创新性地提出了分时日平均负