融合阈值法和边缘提取的图像分割算法

针对阈值法分割目标区域不完整和边缘提取断续边缘多的问题,提出了一种融合阈值法分割和多尺度边缘提取的图像分割算法。该算法充分利用阈值分割提供的目标区域信息和边缘提取给出的边缘信息,采用基于区域生长的最大轮廓法连接断续边缘,填充目标孔洞,完成目标分割。利用Matlab平台对该算法进行了验证,结果表明:该算法能有效分割出目标完整轮廓。     

基于磁通门/GPS组合的车辆导航系统滤波技术

给出了基于磁通门/GPS组合导航系统的硬件结构图,并应用卡尔曼滤波和方差自适应滤波算法分别对GPS、磁通门单独导航定位系统进行了分散滤波,最后应用联合卡尔曼滤波器对GPS和磁通门信息进行了信息融合.并且通过实际跑车实验,验证了滤波对导航系统随机误差消除和定位精度提高的有效性.     

一种提高舰炮精度的观测数据处理新方法研究

传统舰炮对目标观测数据处理以舰炮安装部位为基准,舰艇由于摇摆和船体变形等造成基准点变化会产生观测目标数据处理误差,影响舰炮射击精度,研究分析了舰艇平台状态和舰炮基准假设对舰炮射击理论精度的影响,提出了以舰艇摇摆中心为基准的观测目标数据处理新方法,建立了观测目标参数计算数学模型,提高射击诸元的解算精度。     

一种JPDA的快速算法

为使标准JPDA算法能在实际工程中实时应用,着重在JPDA的主要计算环节进行了改进和实时性提升,提出了一种JPDA的快速算法。通过引入"关联目标类",对确认矩阵进行降维,即把一个高维数矩阵分解成若干"相互独立"的低维矩阵。提出了一种互联概率的递归计算方法,减少拆分矩阵巨大的内存占用需求。同时还对相关波门和滤波方差计算进行了改进。仿真结果表明,快速算法比标准JPDA算法的计算时间有显著缩短,在不是"太密集"的多目标环境下具有一定的工程应用价值。     

基于SDE模型的雷达组目标角度跟踪方法

针对低信噪比下的组目标实时跟踪精度低的问题,提出一种基于随机微分方程(stochastic differential equation,SDE)模型的多输入多输出雷达目标角度跟踪方法.应用随机微分方程进行建模描述,利用马尔可夫链蒙特卡罗粒子滤波算法来进行连续推理.仿真结果验证了该方法的有效性,并显示低信噪比情况下的组目...     

压制干扰环境下目标跟踪的改进粒子滤波算法

针对压制干扰环境下传统粒子滤波算法跟踪效果不佳的问题,在传统粒子滤波算法的基础之上,融合压制干扰条件下的有用量测信息,构造了一种新的粒子滤波算法。在算法的实现过程中,通过采用伯努利(Bernoulli)分布重新构造了压制干扰环境下发生量测数据丢失的传感器模型,在此基础上通过充分考虑有效量测值以及量测丢失时的一些有用量测信息,推导出了闪烁噪声条件下的似然函数,直接用于粒子权重更新的计算,并且通过纯方位跟踪以及协同转弯机动模型,仿真验证了该算法极大改善了标准粒子滤波算法的稳定性和提升了粒子滤波算法的估计精度。     

月球轨道超长波天文观测微卫星在轨数据预处理方法

围绕“嫦娥4号”月球轨道超长波天文观测微卫星展开研究,针对微纳卫星对地数传资源的限制,提出一种在轨信号预处理方法：通过10通道数字下变频链路实现原始数据的变频接收,再利用多级滤波器抽取获得低采样率基带数据,下变频本振频率可调,在对地数传资源约束下保证了不同频带数据的灵活选取。以上方法实现了一种10频点超窄带梳状滤波,仿真验证表明,采样率80 MSPS基带带宽为1 kHz的情况下,此方法可在现场可编程门阵列平台上稳定运行,能保证带内平坦度和线性相位等关键技术指标, 数据量与直接下传原始数据相比,降低了3个数量级以上。     

基于粒子滤波的目标跟踪抗野值算法

运用粒子滤波对目标位置进行跟踪时,测量数据的异常突变点、目标的机动转弯、粒子数量的制约和重要性密度函数的优劣都会导致估计误差较大的野值出现,这将严重影响雷达对目标的跟踪精度。现有的野值剔除方法在目标发生机动时,都存在误剔率较高的问题。针对这个问题,采用莱特准则与机动门限准则相结合的方法,提出了不确定观测点的概念,设计了一种适用于机动目标的抗野值粒子滤波算法。仿真结果表明,该方法能较好地检测和更新野值,降低跟踪误差,提高跟踪精度。     

一种改进的均方根容积粒子滤波算法

传统的粒子滤波算法在重要性采样估计时忽略了当前量测影响。在非线性场景下,传统的粒子滤波导致个别粒子具有大权值,造成估计结果精度差。针对该问题,结合均方根容积卡尔曼滤波(SCKF)算法和Gating技术,提出了一种新的重要性函数估计算法。本算法将后验概率作为重要性采样函数,通过利用SCKF和统计距离,建立粒子与量测的关联关系,实现对重要性采样函数的均值和协方差矩阵的估计。而后,使用粒子滤波算法,对多目标状态和数目进行估计。实验表明,在非线性跟踪场景下,本算法估计精度高,估计结果稳定。