捷联惯导初始对准中H_∞滤波器参数优化研究

对H∞滤波在捷联导航系统初始对准中的应用进行了研究。通过仿真和实验验证了滤波器在初始对准中的性能,并对如何设置参数进行了研究。结果表明,H∞滤波在参数选取合适的情况下方位角收敛速度比卡尔曼滤波快。当参数选取不合适的时候,H∞滤波会发散。虽然H∞滤波可能提高方位角收敛速度,但它自身的鲁棒性可能被削弱。因此,在实际系统中,必须选取合适的参数以保证滤波器的稳定性和初始对准的速度。实际使用过程中,先把参数设置为一个很小的值,再逐步调大以寻找临界值来获得最优的性能。     

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。     

基于滤波算法的对比研究

在处理目标跟踪的过程中,为了与实际接近,动态系统的模型选为非线性,而滤波算法采用非线性系统的滤波方法。在介绍了三种非线性滤波算法(EKF、UKF、PF)的原理和实现的同时,说明了各自适用的范围,以便针对不同问题采取比较便捷的算法来有效地实现算法在实际中的应用。EKF适用于线性化过程中系统对高阶项要求较小的情况下,UKF适用在噪声服从高斯分布的情况下,PF则适用与非高斯分布的情况下。此外,通过实例对三种算法分别进行了跟踪仿真实验,表明UKF、PF算法精度要比EKF算法高,UKF、EKF的实时性比PF好,PF的计算量相对较大。     

基于自适应无迹卡尔曼滤波的小波网络算法及其应用

针对扩展Kalman滤波(EKF)训练小波网络存在收敛慢、精度不高、计算Jacobian矩阵困难等问题,在自适应Kalman滤波理论基础上,提出一种基于自适应无迹Kalman滤波(UKF)的小波网络训练算法。该算法在在UKF框架内引入自适应因子,通过其调整观测协方差与状态参数协方差的比例,使状态向量预测值的协方差更趋向真实值,有效地提高了小波网络的精度。仿真结果表明,基于自适应UKF的小波网络的收敛速度快,估计精度高,无需计算Jacobian矩阵,适于解决非线性系统的建模预测问题。     

H∞滤波γ因子对舰载惯导自对准的影响研究

舰载惯导系统自对准中鲁棒滤波参数的选取问题,直接关系到惯导系统对准性能.基于矩阵链乘规则和重力加速度信息的惯性系分解方法,梳理了舰载捷联惯导系统自主精对准算法流程,并针对舰载条件下风浪等外界未知干扰,分系泊和等速航行两种情形,研究了H∞滤波器调节因子的选取规律和调节因子恒定时不同海况对对准性能的影响规律,为实际应用中γ...     

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.     

一种新的变步长LMS自适应滤波算法

通过建立步长因子μ与误差信号e之间的非线性关系,提出一种新的基于抽样函数的变步长LMS算法,并进行了计算机仿真.结果表明,该算法除了具有传统LMS算法计算量小、稳定性较好、简单易于实时处理等优点外,其收敛速度、稳定性以及跟踪速度均优于传统固定步长LMS算法抽样函数、SVSLMS算法.     

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.