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。     

一种SAR运动参数估计及成像方法基于DCFT变换

SAR运动参数估计是SAR成像技术研究中的一项关键技术,目前国际上普遍采用的方法是GPS INS导航系统进行运动参数估计。国内由于技术等方面的原因导航参数的估计精度远远不能满足SAR成像要求,目前只能从回波中提取平台运动参数,其中较为典型的方法是PGA、子孔径相关法等,而DCFT作为一种新的CHIRP信号参数估计方法能快速、精确的估计CHIRP信号的相关参数。本文提出利用DCFT方法估计SAR运动参数,并以此为基础对传统的RD成像算法加以改进,提出了一种基于DCFT变换的改进RD成像算法。     

基于时间序列数据Hull-White模型半参数估计方法

基于时间序列数据,对Hull-White短期利率模型进行半参数估计。通过两阶段估计方法,原半参数估计模型转化为非参数估计模型和全参数估计模型。前者使用核函数估计方法,后者使用极大似然估计,从而简化整个参数估计过程。实证的结果表明,在给定合适窗宽条件下,基于Hull-White模型的似然值将得到改善。     

图像序列中快速全局运动估计和运动目标提取算法

提出了一种基于边界灰度投影匹配的全局运动估计和运动目标提取算法．算法将边界灰度水平投影和垂直投影值作为匹配特征,较好地估计了全局运动参数．由于只需计算一维特征向量所以降低了全局运动估计的计算量．经过全局运动补偿后,可以运用传统的帧间差法得到运动目标、为了减少噪声的影响,准确地提取到目标,采用了高阶统计量的方法（HOS）来区分背景和运动目标．试验结果证明所提出的方法在估计全局运动参数和提取运动目标方面有较好的鲁棒性．     

灰度图像序列中运动目标提取方法的研究

随着人们对运动图像研究的深入，运动检测及提取算法的研究也在不断的发展。该文给出了一种从灰度图像序列中提取运动目标的算法—模板对准相乘法。实验证明，该种算法提取出的运动目标失真度小，误检率低，性能比常用的差值法和符号判别法要明显地优越。     

基于卡尔曼滤波的室内移动目标定位算法

针对室内定位算法受环境噪声影响严重,导致定位误差大的问题.首先在室内移动目标定位算法中引入卡尔曼滤波算法对原始采集数据进行滤波,能有效抑制定位过程中因数据采集误差引发的定位误差发散;然后通过kNN(k-Nearest Neighbor)算法估算待测目标的坐标;最后利用方位传感器对直线运动过程的定位点进行修正。通过3个阶段的优化可提高定位精度,仿真实验结果表明,基于卡尔曼滤波的室内移动目标定位算法的平均测量误差为0.648 7m,误差范围是0.1~1.9m,对于移动目标的路径测定也更加符合实际情况。     

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。     

纯方位目标运动分析的自适应算法

基于Lainiotis算法的基本原理，使用贝叶斯估计理论和半马尔科夫过程的概念，利用一组并行的、且是自适应加权的卡尔曼滤波器对纯方位目标运动分析问题进行求解，对本算法与伪线性卡尔曼滤波算法的估计结果进行了比较，结果表明，这种估算方法在大的环境噪声、远距离和小目标速度等不利条件下仍具有较好的估计性能。     

基于卡尔曼滤波与粒子滤波的SLAM研究综述

同时定位与地图构建（SLAM）问题在移动机器人研究领域受到了广泛关注,其是机器人能否实现完全自主运动功能的关键。首先阐述了SLAM系统相关模型,并介绍了经典卡尔曼滤波相关知识;其次介绍基于扩展卡尔曼滤波、无迹卡尔曼滤波与粒子滤波的SLAM算法如何解决现实世界的非线性、非高斯问题,并总结了各算法优缺点;最后,展望了基于卡尔曼滤波的SLAM算法发展趋势。     

基于不同参数模型的项目参数估计结果的比较

参数估计是项目反应理论应用和发展的前提。本研究采用项目反应理论,使用PARSCALE4.1软件,选择两参数和三参数罗杰斯蒂(Logistic)混合模型对某年区域初中毕业生中考物理测验成绩进行项目参数估计,发现不同参数的项目参数估计结果在不同程度上存在差异。     

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Kalman滤波算法的运动目标跟踪系统建模与仿真

鉴于传统的跟踪算法鲁棒性和实时性不足,构建了一种基于Kalman滤波的运动目标跟踪系统。对于运动目标的跟踪,此系统先采用背景差分法检测目标位置,再使用Kalman滤波算法估计目标位置。通过建模仿真,结果表明,该算法能较好预测运动目标的位置,实现了对运动目标的实时跟踪。     

基于扩展卡尔曼滤波器的网络队列预测

为解决网络队列动态预测问题,提出一个网络系统在泊松分布流量和指数服务时间下的暂态队列行为预测模型并进行仿真验证。阐述基于扩展卡尔曼滤波（Kalman）的预测模型及其具体算法,结合网络中的数据流量特性,构建基于扩展卡尔曼滤波器的网络暂态队列预测模型,并根据仿真网络中的实际数据对模型进行验证。实验结果表明,所建立的网络暂态队列实时预测模型预测效果比较理想,基本与实时队列长度保持一致。因此,该模型可以较低的代价应用于网络中的动态路由算法及拥塞控制算法中。     

一种基于核岭回归与卡尔曼滤波的定位算法

传感器定位技术作为无线传感器网络的重要课题之一,为实现目标实时定位,提出一种基于核岭回归与卡尔曼滤波的定位算法。该算法在离线阶段使用核岭回归算法（KRR）对无线位置指纹数据库进行训练,从而得到一个可反映信号强度指标（RSSI）与位置坐标之间映射关系的函数|在线阶段先利用离线阶段得到的函数对目标进行粗定位,再结合卡尔曼滤波（KF）方法对目标进行精确定位。实验结果表明,在真实室内办公环境下,相比 KNN 算法与核函数（Kernel）算法,该算法能实现更好的定位精度,平均定位误差为 1.898 3m。     

基于最小二乘法的灰色模型参数估计

通过建立灰色模型来实现对灰色系统的预测的方法得到了众多学者的重视.其首要一步是通过合适的方法建立灰色模型,然后求解灰色微分方程,再将灰色序列进行还原,从而得到原始序列下一时刻的预测值.在灰色微分方程中有两个未知参数,通过应用广泛的最小二乘法可以对未知参数进行估计.     

基于降阶推广卡尔曼滤波器的异步电机无速度传感器矢量控制

提出一种估计异步电机转子速度和转子磁链的新型降阶推广卡尔曼滤波器算法 ,建立了基于此算法的异步电机无速度传感器矢量控制系统 .以转子磁链的两个分量为状态变量 ,被估计的参数转子速度作为扩充状态变量 ,构成三阶推广卡尔曼滤波器算法 ,算法阶数的降低明显地减少了运算量 ,适合实时实现 .仿真结果显示转子速度和转子磁链的估计精度高 ,系统的速度控制性能令人满意 ,证明此算法有效可行 .     

基于2PLM项目参数估计的病态矩阵控制

病态矩阵是IRT理论中项目参数估计必然面对的问题．本文以2PLM参数估计为例．推导出参数估计迭代公式，系统阐述了三种病态控制方法的原理及在编程中数据处理的技巧。     

参数估计在目标跟踪中应用仿真研究

本文采用最小二乘参数估计的方法在已知观测数据的基础上对假定的目标的初始位置和速度进行了估计，从而对目标进行跟踪仿真，并对跟踪性能进行了分析。     

基于卡尔曼滤波的数据融合在无线传感器网络中的研究

为了减少节点传输数据量和网络总能量的消耗,本文针对特定应用模型,提出了基于卡尔曼滤波的数据融合算法,并用MATLAB工具进行仿真实验,证明该融合方法提高数据精确度和可信度.     

基于Kalman滤波器的红外标志点快速识别与跟踪

在军事上,利用移动机器人跟踪前方的引导员,在野外复杂环境中完成后勤运输与救援任务有重要的意义．针对野外复杂环境这个应用背景,提出了一个基于红外标志点的视觉跟踪系统,该系统有效的解决了传统的视觉跟踪方法受周围环境影响而不能够准确的识别跟踪对象的缺陷;针对传统的标志点识别采用全局搜索的方法计算量大、实时性差的缺陷,提出了一种基于Kalman滤波器预测的红外标志点的识别方法,该方法较传统的标志点识别方法识别速度提高了93％．