无迹卡尔曼滤波（UKF）的应用比较分析

在高斯噪声环境下,由于扩展卡尔曼滤波（EKF）在目标跟踪应用中精度低和可能出现的滤波发散,将无迹卡尔曼滤波（UKF）应用于非线性系统的目标跟踪.通过UKF在目标跟踪中的应用和仿真结果的分析比较表明,与EKF相比较,UKF收敛快、对噪声适应能力强,算法实现简单.     

基于自适应无迹卡尔曼滤波算法的月壤参数估计

在月球低重力环境下,载人月球车的行驶稳定性会受到月壤参数影响和发生参数无法直接获取的问题,对此提出一种月壤参数估计算法。建立月球车行驶过程中轮壤模型并进行简化,设计基于自适应无迹卡尔曼滤波的估计器,通过车轮力实现月壤参数在线估计。在Adams/Simulink中搭建月球车动力学模型及估计算法模型,并进行联合仿真。仿真结果表明,设计的估计器能够较为准确地估计月壤参数。     

基于IMMUKF的目标定位跟踪算法研究

目标定位跟踪的关键在于得到精确的定位数据,而要获取精确的定位数据取决于高效的滤波算法。无迹卡尔曼滤波由于具有定位精度高、算法复杂度低等特点,被广泛应用于非线性系统中。针对无迹卡尔曼滤波在目标运动状态突变时容易出现跟踪精度下降、目标丢失等问题,对传统无迹卡尔曼滤波算法进行优化和改进,通过将无迹卡尔曼滤波与IMM卡尔曼滤波算法相结合,利用IMM算法的鲁棒性有效提高了无迹卡尔曼滤波在目标机动运动时的跟踪精度,避免了目标丢失。实验仿真结果表明,IMMUKF算法具有很好的稳定性,可实现复杂的目标跟踪。     

基于自适应扩展卡尔曼滤波器的UWB-PDOA算法

提出了一种使用超宽带(Ultra Wide Band, UWB)信号且基于扩展卡尔曼滤波的接收信号相位差定位(Phase Difference of Arrival, PDOA)改进方法。在滤波器中引入了相位差变化率以及距离变化率,用来反映标签在运动过程中的速度大小以及方向的变化情况,通过它们信息熵的大小,即所含信息量的大小计算出权重比,根据标签的运动状态实时自适应改变卡尔曼滤波器的增益系数。实验表明,使用该方法可将误差控制在15 cm以内,较传统方法误差减少了11.2%。     

基于模糊自适应无迹卡尔曼滤波的多源异构信息融合弹道目标跟踪测量系统

本文将多源信息融合理论应用于弹道目标跟踪系统,综合考虑到“当前”统计模型能够准确描述主动段导弹飞行特性,和卡尔曼滤波器预测的无偏性,稳定性和最优化特点.在“当前”统计模型的基础上,利用无迹卡尔曼滤波器做最优估计实时预测跟踪,同时运用模糊理论能够描述和处理传感器信息的不确定性的特点,对卡尔曼滤波器的测量参数进行自适应调节,从而达到系统误差自校准和测量误差自适应的功能,建立实时数据融合模型,通过仿真显示,该系统能够有效提高跟踪精度和跟踪稳定性,避免外在干扰;且加快响应收敛速度,适应主动段目标跟踪测量.     

基于图像处理和UKF算法的小球位置预测

针对球的非线性运动和系统延时等因素对球的位置预测精度的影响,采用帧差法和改进的霍夫圆检测方法得到球的位置信息,并应用无迹卡尔曼滤波(UKF)算法对球的运动轨迹进行预测。通过摄像机采集球在自由滚动和发生碰撞时的几组图像,在上位机VC6.0软件上实现对球位置信息采集和处理,得到球准确的预测位置信息,满足决策系统的对球位置信息的要求,从而验证了算法的有效性。     

基于卡尔曼滤波器的机动目标跟踪仿真

将卡尔曼(Kalman)滤波器的变维滤波算法应用于雷达数据处理中,对机动目标进行跟踪,得出机动目标的滤波数据曲线,并对目标进行了拦截仿真。仿真结果表明该方法能估计出目标的运动特征并对运动目标拦截成功。     

基于Colpitts振荡器的超宽带混沌雷达测距实验研究

实验研究了基于Colpitts振荡器的超宽带混沌雷达系统的测距性能。该系统利用改进型Colpitts振荡器产生自相关曲线主峰半高全宽(full width at half maximum,FWHM)为0.5ns的混沌信号,可提供7.5cm的距离分辨率;用混沌相关法对回波信号与参考信号进行处理,可获得目标距离信息。实验分析了在自由空间和存在障碍物情况下系统对单目标的测距性能,并用后向投影(back-projection,BP)算法对空间中目标进行了扫描成像。实验结果表明:该系统具有穿透探测的能力,可以实现厘米级的高精度测距;通过合成孔径技术,可以实现二维成像。     

基于相关滤波器的视频跟踪算法与仿真

为解决视频跟踪中目标旋转、形变、光照等导致目标丢失问题,提出了一种相关滤波器跟踪算法,该算法利用局部信息,对目标多次训练获取滤波器,再经相关运算对目标位置进行估计,并在线实时更新滤波器。仿真实验表明,该算法具有快速、简单、鲁棒等特点,能够实现对运动目标的实时跟踪。     

基于卡尔曼预测的轨迹片段关联目标跟踪算法

利用卡尔曼算法对运动目标跟踪展开研究,提出了一种基于卡尔曼预测的轨迹片段关联目标跟踪算法。首先利用卡尔曼预测缩小搜索区域,对检测结果进行匹配关联,生成可信的短轨迹片段;然后对每个轨迹片段通过卡尔曼预测迭代关联,形成单个目标的跟踪轨迹集合。实验证明该方法可有效提高轨迹片段关联跟踪算法效率,解决目标相互遮挡问题,实现对目标的稳定跟踪。     

基于毫米波雷达的室内老人轨迹追踪算法

为了实现对室内老人运动状态的实时与准确追踪,提出一种基于毫米波雷达的多目标人物轨迹追踪（multi-objective human trajectory tracking, MOHTT）算法。首先利用静态杂波滤除算法移除雷达数据中的环境干扰;其次根据自适应聚类（self-adaptive clustering, SAC）算法实现人物质心位置识别,基于质心在二维平面中的坐标信息确定人物状态向量,利用多目标离散追踪（multi-objective discrete tracking, MODT）算法实现人物运动状态估计;再利用CNN-GRU校正（CNN-GRU correction, CGC）算法对人物质心状态进行实时校正,得出准确的人体质心位置坐标;在此基础上,通过足迹获取（footprint acquisition, FA）算法得出足迹坐标,经拟合操作后给出完整的人物“质心+足迹”运动轨迹。实验结果表明,MOHTT算法对1、2、3、4个人的检测成功率分别为99.8%、95.6%、93.7%和87.3%,对单人位置检测误差的RMSE为0.152m,且在不同类型干扰下仍能提供具有信服力的检...     

改进的强跟踪卡尔曼滤波器在MSINS/GPS组合导航中的应用研究

通过深入分析次优渐消因子的解算原理,提出了一种无须先验知识的多时变渐消因子估计方法,用于改进强跟踪卡尔曼滤波算法,并将其应用于MSINS/GPS浅组合中。采用多个次优渐消因子,分别对不同的数据通道进行渐消,可以有效提高滤波算法的跟踪能力。仿真结果表明,改进的强跟踪卡尔曼滤波算法解决了量测相关、初值选取敏感性等问题,可以提高系统的实时性、鲁棒性。     

基于蚁群优化的边缘化粒子滤波器跟踪算法

针对边缘化粒子滤波器(MPF)中的Kalman滤波通常无法从量测方程中获得线性状态估计,以及标准粒子滤波器估计非线性状态计算量大和粒子退化的问题,提出了一种改进的MPF粒子滤波目标跟踪算法。该方法采用状态的预测值作为Kalman粒子滤波的量测更新,用Kalman滤波估计目标的速度和加速度,并通过蚁群优化算法改进标准粒子滤波器,并用以估计目标的位置信息。仿真结果表明:该方法在提高目标状态估计精度的同时,降低了粒子滤波的计算复杂度,克服了粒子滤波退化现象。     

基于内点法的不敏卡尔曼滤波算法

针对非线性不等式状态约束滤波问题,提出一种基于内点法的不敏卡尔曼滤波算法。该算法在不敏卡尔曼滤波的基础上结合了优化算法的思想,采用内点优化法求解非线性不等式约束条件下的最优解。在算法实现过程中,引入障碍项,用无约束障碍函数近似化受约束目标函数,采用一个相当小的正数即障碍因子,通过序列极小化方法逐渐减小该障碍因子,经过迭代快速搜索出非线性不等式状态约束问题的近似最优解。对具有约束的航路跟踪系统进行实验仿真,实验结果表明新算法在处理非线性不等式状态约束滤波问题时,能够有效地提高状态估计精度,获得较高的滤波精度,且时间复杂度较低。     

基于目标特性的雷达恒虚警技术研究

雷达CFAR(Constant False-Alarm Rate)恒虚警技术自提出及应用以来,行业主要关注参考单元取值方式对不同背景的适应性,未关注目标特性变化导致的检测单元适应性与实效性问题。鉴于一旦雷达工作平台或检测目标特性发生变化,检测单元误入参考单元,目标检测效果将严重下降甚至失效,提出基于目标特性的雷达恒虚警技术,根据目标有效尺寸自适应调整恒虚警检测器参数,满足应用平台机动和目标特性实时变化的需求。     

基于IG-DNN混合决策算法的糖尿病预测研究

糖尿病患者人数众多,对人的健康危害极大,尽早预测是否患有糖尿病是降低糖尿病死亡率的关键。基于IG-DNN混合决策算法进行糖尿病预测模型研究,其中糖尿病数据集来源于UCI机器学习库—PIDD。PIDD包括768个记录,每条记录包含8个属性。首先应用信息增益方法（IG）将属性减少到5个,然后将其应用于DNN作为输入。该方法分类准确度达到88.3%,效果优于之前的大部分研究成果。     

基于自适应UKF的MEMS捷联惯导传递对准研究

在导航制导武器中,针对微机电捷联惯导系统（MEMS-SINS）非线性误差的状态估计精度差和模型扰动问题,通过分析无迹卡尔曼滤波（UKF）算法中初值的选取会直接影响观测值精度的问题,结合自适应估计原理,提出一种基于自适应因子的UKF算法,该算法能够自适应地调节系统模型的扰动和初值的偏差并根据新的协方差观测值更新方程。首先建立传递对准的大失准角误差模型,然后将该算法应用于该系统状态估计中,并与标准UKF进行比较,通过计算机仿真,传递对准速度提高3s左右,精度提高将近1倍。对两种算法结果进行对比分析表明,能够抑制传递对准系统初值选取的偏差影响,降低系统状态模型扰动的影响,提高传递对准的对准精度。     

基于UKF算法的电池荷电状态SOC估算研究

新能源汽车锂电池荷电状态是反映电池及电源系统的重要参数,为达到实时估算SOC目的,基于无迹卡尔曼滤波算法提出SOC估算解决方案。在MATLAB/Simulink环境中建立一阶Thevenin等效电路模型和无迹卡尔曼滤波算法,通过建立混合功率脉冲特性实验,辨析出不同SOC和温度对电池模型的影响参数,将辨析出来的参数代入到UKF算法中进行仿真实验。实验结果表明,该荷电状态估算具有较高的精准度。     

基于粒子群算法的双子支持向量机研究

针对标准支持向量机训练时间过长与参数选择无指导性问题,给出一种通过粒子群优化双支持向量机模型参数的方法。与标准支持向量机不同,该方法的时间复杂度更小,特别适合不均衡的数据样本分类问题,对求解大规模的数据分类问题有很大优势。将该算法与标准的支持向量机分类器在不同的文本数据集上进行仿真实验对比,以验证算法的有效性。结果表明基于粒子群优化的双子支持向量机分类器的分类结果高于标准支持向量机分类结果。     

基于ANFIS的实验教学质量评价的研究

本文分析了高等学校实验教学质量评价体系,阐述了自适应模糊推理系统(ANFIS)的算法和结构,并用于数控技术及应用课程实验教学质量评价,最后对评价结果作了分析。