关于自适应滤波技术的一些思考

本文研究工程实践中应用Ｋａｌｍａｎ滤波时出现的滤波异常现象。文中从滤波异常的检测出发,由此构成动力学噪声方差阵的自适应估计。对于常用的衰减记忆滤波,提出了衰减因子的自适应确定方法,对于未知的动力学噪声和观测噪声的方差阵,运用Ｂａｙｅｓ－ＭＬ估计方法给出了递推估算方案。对于构造自适应滤波的技术途径,提出了一些看法。     

惯性导航系统中的Kalman滤波技术

近年来针对在实际应用中出现的Kalman滤波精度低,甚至滤波器发散的问题,出现了多种改进的状态估计算法,研究了偏差分离滤波,自适应Kalman滤波,H∞滤波,鲁棒Kalman滤波,根据它们的特点,对于它们在惯性导航领域中的应用进行了论述和分析,这些算法对于提高Kalman滤波精度,增强滤波的稳定性,提高惯性导航系统性能具有一定的效果,同时具有广阔的应用前景。     

非线性目标跟踪滤波算法的比较研究

针对不同的非线性目标跟踪滤波算法在性能上存在较大差异的问题,展开了5种非线性滤波算法的比较分析研究,通过分析不同滤波框架下非线性目标跟踪性能,阐述了算法理论中的关键异同点.通过仿真实验和跑车试验,比较了基于Kalman框架下非线性滤波算法和基于Monte Carlo贝叶斯估计的粒子滤波在估计精度、计算量等方面的优劣性.实验结果表明,在复杂的非线性环境中,粒子滤波相对于其他4种滤波器滤波精度更高,但计算复杂耗时长,该结果可为非线性目标跟踪滤波算法的选取提供有益的参考.     

一种保持图像细节的形态学滤波器

提出了一种保持图像细节的形态学滤波器 .和经典形态学滤波器相比较 ,新的形态学滤波器在其主要算子中使用了结构元素的轮廓 .用测试图和加噪图进行实验 ,表明此滤波器具有良好的保护图像细节和滤噪的性能     

基于自适应Kalman滤波算法的联邦滤波器

为弥补传统联邦滤波器实用性不好,缺乏对对象模型和传感器噪声的自适应估计能力的缺陷,利用自适应Kalman滤波算法的思想,结合联邦滤波器本身的算法结构,对联邦滤波器进行改进,使之具有很强的自适应性,能够自适应地计算出模型噪声和传感器噪声的协方差阵.给出了基于自适应Kalman滤波算法的联邦滤波器的计算架构,其他优秀的自适应算法均可按相同的方式加入该架构中.最后通过仿真计算验证了该算法的有效性.     

基于KALMAN滤波的两种多传感器观测融合方法

目前有两种基于K a lm an滤波的多传感器观测融合方法,方法1是将观测向量的维数增加,获得扩展观测向量。方法2是在最小均方误差准则下,对不同传感器间的观测向量进行加权运算,获得与单个传感器相同维数的观测向量。通过对滤波器的状态估计误差协方差的分析和相关数学表达式,给出了两种方法的对比。仿真结果表明,当两个传感器的观测矩阵相同时,两种方法在功能上等价,但方法2的运算复杂度低。当两个传感器的观测矩阵的维数相同,但其值不相等时,方法1优于方法2。当两个传感器的观测矩阵的维数不同时,只能用方法1,而方法2失效。     

一种自适应α、β、γ滤波算法

针对Ｋａｌｍａｎ滤波运算量大和目前的一些自适应α－β滤波算法存在的不足,本文给出了一种新的自适应α、β、γ滤波算法,仿真结果表明了该算法的可行性。     

一种新的脉冲噪声滤波算法

针对传统中值滤波法在去除脉冲噪声时存在的不足,提出了一种由噪声检测、噪声滤波和误检像素校正三个阶段组成的图像噪声滤波方法.通过对不同类型和不同强度噪声图像的实验结果表明,该方法在去除噪声的同时较好地保持了边缘,在噪声率为80%时,该方法比中值滤波法的峰值信噪比提高了16 dB.     

水下目标跟踪粒子滤波算法性能分析

粒子滤波(PF)、扩展粒子滤波(EPF)和无迹粒子滤波(UPF)在非线性状态估计方面表现出更好的性能.分析了PF、EPF、UPF 3种算法,UPF的估计状态依赖于测量值,对历史模型信息的敏感度较低,并避免了雅可比矩阵的计算,比EPF更容易进行模型设计;EPF在计算上虽然高效,但跟踪效果不稳定.以AUV水下三维目标跟踪为...     

机载测角三维无源定位的建模与算法分析

在机载测角三维无源定位应用中 ,采用载机NED (North_East_Down)坐标系作为状态坐标系、选在此坐标系中的目标位置坐标作为状态变量建立状态方程 ,采用测量系统天线坐标系为测量坐标系建立测量方程 ,两个坐标系以载机姿态角相关联。本文在此坐标框架下 ,通过对三个定位模型和四个定位算法的分析和仿真比较 ,确定了更适合于机载测角三维无源定位应用的模型和算法。     

H∞滤波的广义平方根算法

研究H∞广义平方根滤波.引入非定矩阵的广义平方根分解,给出了使矩阵三角化的双曲变换矩阵的存在性判别及其求取方法,从而使H∞滤波的存在性判别以及H∞广义平方根滤波的算法得以实现.     

从图像中提取文字

提出一种从图像中检测目标的思路 ,并利用它提出了从图像中提取文字的新方法。该方法可以用于图像数据库内容检索 ,视频检索 ,以及将纸张出版物中的文本转化为电子出版物。新方法分为如下两个基本步骤 ,首先检测出可能存在文字的候选区 ;其次 ,利用Hough变换方法分析候选内扫描线灰度分布对候选区进行证实 ,并对候选区的形状进行修剪 ,使其尽可能紧凑地包含文字。该方法适用于检测出不同大小、字体、排列方向、灰度 (颜色 )的文字。由于该方法所有操作都是基于像元进行的 ,所以便于硬件并行实现。所做的实验证实了方法的有效性     

基于双重酉滤波的再入目标实时跟踪

适当的运动模型和估计方法是提高再入目标跟踪性能的关键.选择机动再入动力学模型,将再入目标跟踪问题转化为状态和参数的联合估计问题,并利用试验数据分析了再入模型状态和参数的相关性.针对原始双重酉滤波算法的确定性系统输入假设造成信息损失的局限性,提出了一种基于随机性系统输入假设的改进双重酉滤波算法,并从理论上分析了该算法的估...     

联邦滤波器信息分配因子优选问题

在剖析联邦滤波核心理论的基础上,对当前学术热点--联邦滤波器信息分配因子优选问题进行探讨.分析了文献中几种常见的优选算法,指出其中的理论缺陷.从全局估计、局部估计、容错性等三方面质疑了信息分配因子优选的必要性和可行性,提出一些值得商榷之处,并得出结论.通过SINS/GPS/TAN/SAR四组合导航系统联邦滤波器仿真分析,验证了观点的有效性.     

在GPS/INS综合中的最佳非线性滤波

本文介绍了最佳非线性/非高斯滤波应用到临界情况的INS/GPS综合的问题。用所谓质点滤波的新技术使这种方法成为可能,并且当与诸如广义卡尔曼滤波这种经典的次最佳技术比较时,表现出优越性能。介绍了质点滤波理论并讨论了GPS/INS综合仿真结果。     

基于随机有限集的多目标跟踪算法

对基于有限集统计的多目标跟踪算法进行研究。PHD滤波器针对传统多目标跟踪中计算量较大的问题,通过计算多目标分布后验密度的一阶矩模拟多目标贝叶斯迭代,取得了良好的效果。针对PHD滤波器对目标漏检较为敏感的缺陷,Cardinalized PHD(CPHD)滤波器同时估计得到后验密度分布和后验势分布,是对PHD滤波的泛化。通过实现PHD和CPHD滤波的混合高斯模型,分析比较两者的性能。实验表明,由于引入了势分布,CPHD滤波提高了对目标估计的准确率,总体性能优于PHD滤波算法。     

在组合导航中应用H∞滤波来提高精度的研究

目前,Kalman滤波在组合导航中的应用已很广泛,但是,在系统模型和干扰噪声不确定的情况下,误差出现发散,精度下降.H∞滤波由于对系统模型不确定性和外界干扰具有较强的鲁棒性,可以提高滤波性能和精度.对这两种滤波方法用于导弹组合导航中的性能进行了分析.     

信息融合算法在空间飞行器自由段跟踪中的应用

针对空间飞行器在自由段运动的情况,在自由段创建轨道动力学模型,并讨论多基雷达观测下,基于UKF滤波的集中式融合与分布式融合的相关性能.在集中式融合算法中,运用了基于并行和序贯的滤波方法,在分布式融合方法中,运用了Bar?Shalom?Campo融合以及联邦滤波,并对比了几种滤波算法对在轨道自由段状态估计融合的适用性.仿...     

非均匀杂波环境中基于粒子滤波的无参目标跟踪算法

目标跟踪算法通常包含对参数杂波密度的测量,该杂波密度通常是不均匀的。目前的无参目标跟踪一般是先假设一个先验未知的杂波密度,假设它均匀分布在一个选好的门限内。这和一个包含强杂波密度、多扫描的目标跟踪算法的选通门限有很大的不同。基于此,提出了一个替代杂波密度估计的无参目标跟踪方法,该算法不假设该杂波在选择的门限内。而是建立在对已测杂波密度估计的基础上,重要的是该估计是在后验目标的轨道更新以前就被估计过,即它是针对杂波密度逆向测量的修正估计。仿真结果表明:该算法在强密度非均匀杂波环境中的有效性。     

基于α-β滤波算法的目标运动信息滤波与估计

针对目标运动量测信息的特点,通过分析α-β滤波算法,指出该算法常增益的特点影响其对机动目标的跟踪效果.为了克服这个缺点,给出了一种新的目标运动信息滤波和估计的自适应算法,该算法可直接利用构造的函数关系自适应调整α,β的值.仿真结果表明,该自适应α-β滤波算法对目标运动信息的滤波和估计具有较好的性能.