一种基于机器学习算法的单目里程计研究

视觉里程计(VO)通过轨迹推算,累加运动矢量,得出当前位置的相对定位方法,单目里程计仅使用单个相机作为图像获取载体,使获得信息的要求更低,且能较精确地识别和定位特征点,实时性好,成本也少很多,因此具有更广的应用前景。本课题采用SURF算法来同时检测和匹配特征点,使用一种基于机器学习算法(SVM)自适应卡尔曼滤波器,减缓原本卡尔曼滤波器中会出现的精度低和发散状况,起到优化单目里程计的系统准确度。     

基于最优估计理论的股利信息含量实证分析

本文通过股利与永久盈余之间的相关性来研究股利的信息含量,利用最优估计理论中常用的卡尔曼滤波和强跟踪滤波方法对永久盈余进行实时估计和预测估计,进而对股利与永久盈余之间的相关性进行分析,实证结果表明在本文样本中股利和永久盈余之间没有显著的相关性,股利不能反映公司未来盈余的信息。     

用GPS进行山地滑坡监测的卡尔曼滤波模型

用变形后的监测点和基准点上的GPS载波相位观测值组成双差观测值，提出一种滑坡监测的卡尔曼滤波模型。这种模型不仅利用包含在观测中的统计信息，而且利用边坡滑坡的有关力学状态和地质条件所提供的信息。     

基于卡尔曼滤波的网络安全预测

针对现有网络安全态势预测模型往往只能对离线数据进行预测,无法根据历史信息来对当前数据进行在线实时预测的问题,提出了一种基于卡尔曼滤波的网络安全态势预测方法.首先,介绍了卡尔曼滤波的基本原理和相应的状态方程和预测方程,然后设计了基于卡尔曼滤波的网络安全态势在线预测算法,算法采用最小二乘方法来求解预测方程中的权值矩阵和噪声参数,从而获得了相应的预测表达式,可以实现对网络安全态势的实时预测.为了验证所提模型的预测效果,将其应用于离线数据集和在线实时数据中,并与其它方法进行了比较.仿真结果表明:所提模型能准确有效地对网络安全态势进行预测,具有预测精度高的优点,和其他方法相比,具有较大的优越性.     

四因子CIR利率期限结构模型实证研究——基于上交所国债数据

本文使用N-S模型对上交所国债隐含的利率期限结构进行了估计,进而得出了样本期内不同到到期期限的即期利率序列,在对不同到期期限的即期利率序列进行相关性检验后发现,所有相关系数均不为1,这说明单个因子不足以刻画瞬时利率的动态特性,瞬时利率的动态特性需要由多个因子来刻画.鉴于单因子模型与事实不太相符,本文在单因子CIR模型的基础上对其进行了扩展,建立了四因子CIR模型,并使用卡尔曼滤波法对模型的参数进行了估计.最后,本文选择误差均分方跟作为评价模型拟合优度的指标并计算得出了各期限利率序列的误差均方根,计算结果表明,四因子模型对样本的拟合效果优良.     

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。     

空间目标的数据处理研究

随着人造卫星的日益智能化,精确跟踪卫星的坐标和速度也越来越重要.然而,目前对空间目标的跟踪滤波研究主要集中在航天、天体测量等领域,在雷达数据处理领域则鲜有研究.本文针对雷达数据处理的特点,采用协议地球坐标系下的卫星运动模型分析比较了最小二乘法、扩展卡尔曼滤波法和不敏卡尔曼滤波法的性能.研究结果发现扩展卡尔曼滤波的费效比最好,适合用于空间目标的跟踪滤波.     

基于卡尔曼滤波的轴向加速度动态标定方法

本文针对弹载加速度传感器量测误差较大的问题,提出应用卡尔曼滤波对弹丸轴向加速度传感器输出模型中的参数C进行估计。采用改进的质点弹道模型,建立卡尔曼滤波系统状态模型和以加速度传感器输出作为滤波过称中的量测值,推导并分析了相应的滤波公式,对轴向加速度实行了弹上动态标定。仿真结果表明,标定误差很小,其标定的比例系数C为一常数,和理论分析一致。     

伪线性卡尔曼滤波在目标被动跟踪中的应用

在对目标进行纯方位跟踪时,伪线性卡尔曼滤波算法是一种有效的跟踪滤波方法,该方法可以很好地对目标运动状态进行估计。通过仿真证明了该方法降低了对模型精度的要求,具有较好的稳定性。