线性与非线性滤波方法仿真

在数据量测领域,对运动目标当前的运动状态进行滤波,并对目标未来的运动状态进行预测,讨论线性的数据平滑处理、最小二乘和卡尔曼滤波,通过非线性地扩展卡尔曼滤波进行仿真实验。线性与非线性滤波方法是多传感器数据预处理的主要工具,仿真实验表明,滤波方法能够有效处理运动目标量测误差。     

两轮自平衡车的设计与实现

以飞思卡尔E车模为模型,意法半导体stm32为控制核心,设计了一个两轮自平衡车。阐述了平衡车的硬件组成和软件设计,设计了单片机最小系统、电源模块、姿态检测模块的电路。给出了软件的总体设计框图,包括卡尔曼滤波算法、姿态检测和PID控制算法。该平衡车能够实现稳定、可靠地车体直立、匀速以及转向功能,表明算法准确有效。     

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。     

基于贝叶斯网络的人体异常行为检测与识别

使用卡尔曼滤波算法检测视频中的运动目标,并对检测到的行人进行特征提取。采用图像熵、Hu不变矩和长宽比特征,建立贝叶斯网络结构对人体目标进行分类,从而对人的正常行走和倒地、奔跑、挥拳4种行为进行识别。正常行走是正常行为,摔倒、挥拳和奔跑是异常行为。实验结果表明,通过特征提取的贝叶斯网络分类具有较好的实时性,其准确率可达90%。     

一种基于3D的道路与障碍物检测算法

在智能驾驶系统中,道路与障碍物的自动检测是最为关键的问题,也是安全行驶的基本保证。传统的检测方法与单目视觉检测都存在检测精度不高,鲁棒性不够等问题。一种基于立体视觉的自动识别算法,在建立三维道路模型的基础上,通过扩展卡尔曼滤波器的不断迭代与更新,能快速有效地识别出行驶过程中的车道边界,进而对车辆的位置与障碍物做出检测。     

一种稳定平台中陀螺漂移滤波算法的设计与实现

针对稳定平台工作中陀螺仪漂移问题,采用以陀螺仪角速度传感器的输出量作为观测量,建立陀螺仪漂移的数学模型和状态方程,然后利用卡尔曼滤波对含有噪声的测量数据进行滤波处理的方式改善漂移问题.仿真结果表明,该方式可以有效抑制陀螺仪信号中的扰动,提高陀螺仪稳定平台的工作精度.     

无人机在室内环境中自主飞行与避障

为使无人机在室内、密林等无GPS或弱GPS信号环境下实现自主飞行并避开飞行过程中的障碍物,基于无迹卡尔曼滤波的方法实现多种机载传感器数据融合,获得无人机飞行状态及周围环境信息;通过信息融合与单目摄像机目标检测等算法,使无人机避开飞行过程中的障碍物并按照顺序穿越特定障碍圈,实现无人机自主飞行与避障功能.在Airsim仿真...     

无迹卡尔曼滤波在新型地形无源组合导航系统中的应用

为了提高自主水下航行器的导航精度,提出了一种新型地形无源组合导航系统.根据水下环境特点和航行器导航高精度和低成本的要求,采用捷联式惯性导航系统、地形辅助导航系统、多普勒速度声纳、电子磁罗经和利用UKF进行信息融合的导航计算机组成新型水下地形无源组合导航系统,并给出了EKF线性滤波方程、UKF非线性滤波方程和导航传感器量测方程.对比仿真实验表明,采用建议的传感器和UKF信息融合方式比采用EKF方式提高了水下航行器导航定位的精度.采用不同的导航传感器和UKF信息融合方法的地形无源组合导航系统可以有效地减小水下航行器导航位置误差,提高组合导航的稳定性和精度.     

基于改进无序运动数学形态特征的弱目标跟踪

在视频无序运动目标实时跟踪中,无序性的出现会使所跟踪目标的尺寸和色彩等外观线索失去强度可靠性,跟踪目标的弱化会导致对目标地错误跟踪.为了克服这一问题,本文提出了一种基于改进无序运动数学形态特征的弱目标跟踪算法.该算法根据数学形态模型,分割出图像中的可跟踪特征,进行弱化特征增强,利用卡尔曼滤波预测各目标是否遇到是真实跟踪模型,在目标较为弱化的情况下,可以计算最佳定位信息更新目标信息.计算机仿真结果表明,所提出算法能够在保证实时性的前提下,在目标较为弱化的情况下,均能实现准确跟踪,并且跟踪结果令人满意.     

基于自适应无味卡尔曼滤波的机床选点温升快速辨识方法研究

研究目的：为了缩短机床温升试验时间,提出一种机床热特性快速辨识方法,利用较短时间的温度采样数据即可准确预测出完整的温升曲线,进而获得热平衡时间及稳态温度等热特性参数。创新要点：提出了基于自适应无味卡尔曼滤波的机床选点温升快速辨识方法,其中最短辨识时间判据可以有效解决如何寻找准确辨识热特性参数的最短采样时间问题,而自适应无味卡尔曼滤波则可以实时调整参数,防止外界因素对辨识的干扰。研究方法：由于无味卡尔曼滤波在非线性状态预测和参数辨识上具有优势,所以本文将无味卡尔曼滤波算法应用到机床选点温升辨识上。为了防止辨识过程中的发散退化等问题,将无味卡尔曼滤波发展为自适应无味卡尔曼滤波（图1）。在快速辨识方法上提出了最短辨识时间判据（图2）。文章中又将此算法应用到实际的立式加工中心温升辨识上,证明了该算法的可行性及有效性（图5和6）。最后又将带有自适应调整过程的无味卡尔曼滤波算法和不带调整过程的算法做了对比,显示了自适应调整过程对辨识算法的重要性（图6和11）。重要结论：基于自适应无味卡尔曼滤波的机床选点温升快速辨识方法可以准确快速地辨识出温升曲线,获取热特性参数,将原来394 min的热平衡试验时间缩短,只需28 min即可得到温升变化情况。