基于模糊自适应变维Kalman滤波器的跟踪算法(英文)

针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种模糊自适应变维跟踪算法(FAVD)。该算法使用两级滤波器,根据目标机动性的变化,适当地调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾。同时通过模糊推理机制,在线调节高阶滤波器的参数,使适用范围大大增强,提高自适应能力,从而使该算法可以采用较少的模型覆盖较多的目标运动模式,达到很好的跟踪滤波效果,计算量也会大大减小。通过对计算机仿真结果分析表明,提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。     

无人机测控系统Turbo-MAP译码方法

无人机测控数据链系统与地面控制站进行的是遥测数据、侦察图像及遥控指令的传输,因此,高质量的通信是确保无人机数据链发挥效能的关键技术之一。针对无人机信道的特点和要求,研究了无人机信道的Turbo-MAP译码模型,提出一种无人机测控系统Turbo-MAP译码方法,并针对各种参数条件进行了Matlab仿真。实验结果证明,该方法能够保证在发送数据的时候尽量使用长度较长的数据包且增加交织深度,并显著提升译码BER性能。     

一种色噪声下的自适应Kalman跟踪滤波器

有色噪声干扰情况下非线性系统的状态估计是许多实际工程需要解决的问题.该文章针对传统Kalman滤波器噪声统计特性未知时,受色噪声的影响精度严重降低,甚至出现发散等现象,设计了一种基于神经模糊网络的自适应的Kalman滤波跟踪器.该滤波器通过利用神经模糊网络作为误差估计器,估计出Kalman滤波器的估计误差,从而对Kal...     

二维Turbo编码的无人机通信研究

传统基于RS-Turbo码的系统需要提供RS译码及Turho译码2种不同的译码算法需求,使得译码器的软硬件设计复杂化,无法满足无人机通信要求.从理论上分析了Turbo码的性能特点,提出一种改进的二维turbo迭代算法,并应用在无人机通信仿真中.仿真结果表明该算法在低信噪比时能够提升误码率性能,且易于工程实现.     

基于卡尔曼滤波和模糊数据融合的跟踪算法

在目标跟踪系统中,特别是在复杂背景情况下对地面目标的跟踪中,传统相关算法采用全局搜索的方法,使得计算量相当大,不易实时实现,而且当发生目标局部遮挡时,目标容易丢失.为此,提出一种基于模糊推理和卡尔曼预测器的目标相关跟踪的方法,它充分利用卡尔曼预测器的预测功能来预测下一帧目标可能出现的区域,然后在较小的预测区域中进行相关匹配运算,找到最佳相关匹配点,跟踪更具主动性,同时用模糊推理方法对卡尔曼预测器的参数进行自适应调整,从而可以跟踪各种机动目标.实验中用传统算法和本算法对高速行驶的坦克进行跟踪时,传统算法容易跑飞,而本算法不受遮挡干扰,始终稳定跟踪且耗时大幅减少,且能够跟踪机动速度大幅变化的目标.     

针对KMC局部最优问题的飞蛾捕焰优化方法

针对传统飞蛾捕焰(MFO)算法求解复杂函数时后期收敛速度慢与求解精度较低等问题,提出了一种基于快速收敛的飞蛾捕焰(RMFO)算法.采用最大最小距离积的方法来初始化飞蛾群,能够提高算法全局收敛速度并且优化解的质量,同时构造出MFO算法的适应度函数作为寻优函数.将RMFO算法和有K均值聚类算法(KMC)进行交叉迭代,构建基于RMFO优化的KMC算法,求解聚类中心时能够改善聚类性能,可以解决现有KMC算法选取初始聚类中心不确定陷入结果局部最优的问题.实验结果表明,通过用UCI国际通用测试数据库的Iris、Wine和Glass 3种数据集,对RMFO算法和优化KMC算法进行性能测试,提出的RMFO算法更加精准,收敛速度快,不易陷入局部最优解,同时,优化KMC算法的聚类性能更好.