基于通信延迟误差补偿的协同导航算法

多自主水下航行器(MAUV)协同导航技术是解决水下定位的重要手段。主从式多AUV协同导航系统利用水声通信方式实现数据共享,但由于声速在水中传播较慢,使得接收到的量测信息具有通信延迟。因此,针对通信延迟问题提出了一种新息重建的状态估计补偿方法,通过对从AUV进行状态递推,获得在有无量测延迟两种情况下的状态误差,将此误差作为重建的新息补偿到状态估计中。仿真结果验证了该方法能够有效地补偿协同导航中由于通信延迟造成的定位误差,提高从AUV的定位精度。     

基于无迹卡尔曼滤波的移动目标跟踪算法

为了提高对目标跟踪的位置估计精度,提出基于无迹卡尔曼滤波的移动目标跟踪UKTT算法。UKTT算法先获取移动目标与锚节点间的接收信号强度指示RSSI值,再依据这些RSSI值训练通用回归神经网络GRNN模型,并由GRNN初步估计目标位置,再由无迹卡尔曼滤波UKF修正目标位置的估计值。仿真结果表明,提出的UKTT算法提高了对目标位置的估计精度。     

基于DSP的目标定位跟踪硬件融合平台的设计

声探测技术用于低空低速飞行目标的跟踪定位,而红外图像探测器能跟踪中低空飞行目标。然而现在缺乏能处理两种或两种以上探测系统的硬件平台。基于这种现状,设计了一个硬件融合平台,既可以用于红外机动目标的跟踪,也可以用于声探测目标的定位处理。融合平台的设计,不仅弥补了不同平台之间的缺陷,又发挥各探测平台的优点。系统整体设计框架采用DM642+FPGA。在声探测软件设计中,设计了UART驱动,并用C语言编写了伪线性卡尔曼滤波定位算法,并且成功将跟踪算法移植到了硬件平台中,有效跟踪到飞行目标。     

车载激光捷联惯导系统的快速初始对准方法

首先建立了捷联惯导系统的误差模型,并对系统的误差模型进行了可观测性分析,然后针对车载激光捷联惯导系统的特点,采用卡尔曼滤波方法,对姿态误差角进行了估计,给出了方差仿真曲线.通过计算机仿真结果的分析,提出了一种快速估计方位失准角的方法,从而大大缩短了初始对准时间.仿真结果表明将该方法应用于车载激光捷联惯导系统初始对准中是有效的.     

边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。     

无线传感器网络中多传感器动态自适应调度算法

无线传感器网络中,目标跟踪往往通过节点之间的协作完成。在无迹变换卡尔曼滤波基础上,提出一种多传感器动态自适应调度算法进行目标跟踪。该方法根据预测跟踪精度来确定采样间隔,然后基于特定的检测概率,为下一时刻选择一组传感器,形成一个临时工作组,并指定某一个传感器作为中心节点进行数据融合。仿真结果证明了该算法能有效提高跟踪精度和可靠性。     

扩张状态观测器的机动目标跟踪算法

跟踪算法是自动跟踪火控系统的关键.提出了一种新的基于模板匹配的跟踪算法,可应用于实时的跟踪系统.该算法由扩张状态观测器(ESO)和序贯相似性(SSDA)匹配算法组成.首先使用扩张状态观测器,可以预测出目标在下一帧图像中的位置,再使用SSDA算法,在预测位置的邻域内进行搜索从而获得目标的准确位置.基于扩张状态观测器的模板匹配算法减少了搜索位置,提高了算法的效率,同时也克服了传统卡尔曼滤波用于目标预测时需要目标模型已知且滤波时间长的缺点.仿真实验证明该算法可以满足实时性要求.     

基于方根分解形式的UKF算法在目标跟踪中的应用

UKF作为一种新的非线性滤波方法已在目标跟踪问题中得到应用,在状态的时间更新阶段直接使用非线性模型,不引入线性化误差,而且不必计算Jacobians矩阵,相对于扩展卡尔曼滤波(EKF)不仅能提高滤波精度,而且更容易实现.提出了一种基于方根分解形式的UKF算法(SRD-UKF),算法的方根形式增加了数字稳定性和状态协方差的半正定性.通过BOT(bearing of target)仿真实验结果表明,该算法与UKF和PF算法相比具有更好的滤波性能.