一种高速公路车道线的快速检测和跟踪算法

提出了一种高速公路车道线检测与跟踪算法:初始检测时,首先估计消失点位置;再将图像特征点向消失点投影,通过检测投影直方图波峰来识别车道线;然后利用车道宽度和车道线强度特征滤除与车道线平行的伪车道线;跟踪时,采用卡尔曼滤波缩小搜索区域.试验结果表明:该算法抗干扰能力强,跟踪算法运行速度大约为50 Hz.     

GNSS/INS组合导航的随机时延卡尔曼滤波

组合导航系统在实际应用中存在信号传输和解算的延时影响,直接使用带有延迟的测量数据会导致滤波算法的精度下降甚至发散.针对这类测量具有随机时延的滤波问题,提出了随机时延卡尔曼滤波算法,该算法的核心是将新的量测用于更新过去的多个状态,以此来对时延进行补偿.GNSS与INS的组合导航系统仿真结果表明,所设计的滤波算法在面对量测...     

一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足,提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计,动态补偿线性化带来的误差。算法的对比仿真分析结果表明,AEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位被动目标跟踪的实现提供一种新的方法。     

和平利用军工技术 促进经济社会发展 “自主创新、和平利用”2007中国和平利用军工技术高层论坛开幕

2007年10月12日上午,由国防科工委主办、国防科技工业科技成果推广转化研究中心和中国和平利用军工技术协会承办的"自主创新,和     

基于时变量测方差的多传感器多目标优化分配算法

在目标跟踪过程中,目标的动态模型通常在笛卡尔坐标系中,而量测是在极/球坐标系中得到的。在基于卡尔曼滤波及其一些改进算法中,设定量测方差固定不变,可能导致滤波发散。为此提出了一种基于时变量测方差的多传感器资源管理算法。该算法通过统计方法求出转换测量值误差的均值和方差,利用转化卡尔曼滤波算法估计误差协方差,基于协方差的效能函数进行多传感器多目标分配。仿真结果显示该算法在目标跟踪过程中满足跟踪精度要求,并实现传感器资源的充分的利用。     

自适应平方根无迹滤波的雷达组网状态估计算法

从最小方差的角度分析了雷达组网无迹滤波(Unscented Filter,UF)状态估计的统计学本质,并且针对UF的Cholesky分解遇到非半正定矩阵容易发散、不准确滤波初值造成滤波发散以及异常扰动影响滤波效果等问题,提出将自适应平方根无迹滤波(Adaptive Square Root Unscented Filter,ASQUF)用于雷达组网状态估计,结合合理的滤波初始化策略,提高了UF的工程可用性。仿真验证表明,提出的ASRUF算法用于雷达组网空域目标状态估计时,初始化平稳无波动,工程可用性好,状态估计精度高,明显优于扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法。     

基于简化CKF的IMM算法北大核心

IMM算法中采用的运动模型多为线性,针对这一情况,首先对容积卡尔曼滤波(cubature Kalman filter,CKF)算法进行了简化,通过理论推导证明,简化CKF算法的时间更新结果与KF算法的一步预测结果一致。然后对简化算法进行了计算复杂度分析,分析结果表明简化算法的复杂度要远低于CKF。进而将简化的CKF算法与IMM算法相结合,提出了一种基于简化CKF的IMM算法,最后通过机动目标跟踪实验对新算法进行了仿真,实验结果表明,新算法在没有降低跟踪精度的前提下,大幅缩短了算法的运算时间,提高了跟踪的实时性。     

改进型卡尔曼算法解算小型弹箭姿态角研究

弹箭飞行姿态参数的准确获取是实现精确高效打击敌方的重要前提。其中最重要的关键环节是姿态角的算法解算,决定着最后的精确导航。卡尔曼滤波算法是组合导航中最常用的解算算法,然而仍不能满足精度要求。为了进一步提高解算精度,提出通过BP神经网络对误差建模,进而修正卡尔曼滤波增益矩阵系数的改进算法。实验证明,应用于高速旋转弹姿态角测试,改进后的卡尔曼算法较传统卡尔曼算法精度提高了3°左右。     

济南军区研发推广“兵员征集定兵辅助决策系统”

正为探索利用信息化手段、网络化管理来改进征兵工作的方法路子,全面规范兵役机关主导的核心定兵权,济南军区在广泛调研、反复论证的基础上,研制开发了"兵员征集定兵辅助决策系统",为兵役机关审批定兵提供可靠的决策依据,建立更加公平公正、科学高效的定兵机制,吸引更多优秀青年报名参军。该"系统"能够一次性接收和整合体检、政治考核"双合格"青年的个人信息;依据"双合格"人员的学历、学业情况、政治面貌和年龄等信息进行综合素质排序;按照排序情况和当地征集任务,择优确定入伍人     

基于渐消因子的双机协同机动目标定位

传统的双机协同组网目标定位模型中,滤波方法大多为交互式多模型算法。交互式多模型算法的缺陷为需要目标机动先验模型,且模型个数的选择难以同时满足工程上关于跟踪精度和算法复杂性的要求。通过引入渐消因子,实时自适应校正机动目标的状态估计偏差,有效降低了目标运动先验模型对滤波的影响,提高了系统的机动处理能力和模型的工程实用性。