晃动基座下捷联惯导的初始对准研究

为了降低车体振动对惯性器件输出的影响,运用小波域阈值滤波对信号进行预滤波,介绍一种初始对准非线性误差模型,并运用H∞滤波完成初始对准。针对坦克发动的情况,分别在固定怠速和不同怠速的情况下进行大量重复实验,实验结果表明：该方法能够有效完成坦克发动下初始对准,具有良好的重复性和稳定性。     

一种基于满意滤波的纯方位目标跟踪算法

针对潜艇纯方位目标跟踪算法存在算法初始化困难、收敛速度慢、稳定性差等问题,借鉴交互式多模型算法(IMM)的思想,将EKF实时解算出的滤波增益和满意滤波解算出的稳态增益实时融合并行工作,以求克服滤波初值对滤波器的影响,尽可能地消除线性化误差,最终输出具有更高精度的估计结果。仿真实验表明,提出的单站纯方位算法对滤波初值的设置有较大的领域范围,较好地克服了算法对滤波初值的敏感性问题,同时增加了算法的稳定性。     

一种新的针对模型误差所致滤波发散的补偿方法

系统模型误差是导致卡尔曼滤波发散的一个很重要的原因,分析了衰减记忆法和限定记忆法两种对模型误差所致滤波发散的补偿方法,通过引入阈值可以将这两种方法进行有机结合,给出了一种新的衰减限定记忆算法。算例分析验证了衰减限定记忆算法在抑制滤波发散方面具有比衰减记忆和限定记忆法更好的性能,并能自适应调整算法所需观测数据数目。     

基于彩色的概率跟踪及其快速实现

针对基于彩色的概率跟踪中每一时间步每一个像点都要计算彩色直方图导致计算代价大大增加这一瓶颈问题,提出了一种减少直方图搜索区域从而提高计算效率的方法。根据前一帧中跟踪器的输出,在当前帧中建立一个基准窗口,并将其分割成若干个相等的子窗口,分别计算出它们的彩色直方图。然后根据像点滤波中不同像点的搜索区域与基准窗口的相对关系,找出重叠部分,从而可以利用该部分已知的子窗口的直方图而无需重复计算,只需计算不同部分即可,实验结果表明,该方法使计算量减少了50%以上。     

半带脉冲成形滤波器设计及性能分析

为了减少调制带宽、抑制带外杂散,通信系统中通常在发射端设置脉冲成形滤波器,而为了获得最大信噪比,在接收端通常使用匹配滤波器。以半带滤波器为基础,利用多级级联方法,设计了一种新型的脉冲成形滤波器,通过最小、最大相位分解方法,使得滤波器便于在实际通信系统中的使用。仿真结果表明,设计的成形滤波器与升余弦滚降滤波器相比,通带起伏小,硬件资源耗费少,在低信噪比时对不同调制方式均有额外的功率增益。     

基于红外图像的小目标检测与跟踪方法

为了能在强杂波、低信噪比的情况下检测小目标,人们提出了许多针对小目标检测与跟踪的方法。介绍了基于红外图像的小目标检测和跟踪的各种方法和最新进展,重点讨论了灰度形态法、小波变换法、最优时空非线性滤波法用于小目标检测与跟踪的原理,并指出了今后的发展和研究方向。     

一种新的自适应粒子滤波算法*

在对实时性要求高的系统中,粒子数的选择对粒子滤波至关重要,需要在滤波精度与计算复杂度乏间取折衷.提出了一种基于决策规则的自适应粒子滤波算法,在定义综合性能代价函数的基础上,推导出粒子数与滤波误差方差之间的关系,使得在粒子滤波过程中,可以根据实际滤波情况在线调节粒子数,以使滤波的综合性能达到最优.通过Monte Carlo仿真实验表明,新算法在与基本粒子滤波算法(PF)保持同等精度的条件下,大大降低了算法的计算量,约为PF的六分之一.     

非线性滤波方法在水下目标跟踪中的应用

在对扩展卡尔曼滤波、不敏卡尔曼滤波和粒子滤波3种非线性滤波方法进行研究的基础上,对粒子滤波算法的重要性密度函数的选取方法进行了研究。结合水下目标的被动跟踪的应用背景,比较了3种滤波算法在水下目标跟踪中的性能差异。结果表明,粒子滤波算法能较好的用于非线性、非高斯条件下的水下目标跟踪。     

基于粒子滤波的活动轮廓模型视频跟踪(英文)

跟踪变形目标包括假定目标的全局运动和时间方程的局部变形。粒子滤波算法依靠参数化法选择,但是不能处理曲线的拓扑变化。活动轮廓模型是独立参数化,可以比较好地适应拓扑变化。基于上面两个方法的局限性,将上述两种方法相结合,运用于变形目标的跟踪。实验结果证明,该方法有很强的鲁棒性,对部分遮挡的物体有很强的适应性,证明了该方法的有效性。     

模糊自适应PMHT机动目标跟踪算法

对目标机动的检测和准确跟踪,是目标跟踪研究中非常重要但难度较大的问题.将统计距离、统计距离增量作为系统方差的调整参量,采用模糊专家规则系统,提出了一种适用于机动目标的模糊自适应概率多假设跟踪(FA-PMHT)算法.该算法将数据关联寻优与运动模型寻优联合处理,从而实现了数据关联寻优、目标模型寻优一体化.仿真结果表明,所提算法与交互式多模型概率多假设跟踪(IMM-PMHT)算法相比在跟踪精度上有明显提高,并且满足实时性要求,证明该算法是有效的.