矩阵外积法Kalman滤波器在动态GPS定位中的应用

由于计算机有效字长的限制,滤波算法在计算机上实施时易于产生误差积累,误差协方差失去正定性或对称性,从而出现数值计算中的不稳定现象.一般情况下,当状态变量维数超过10时,滤波过程中出现滤波结果不稳定现象概率增大.为了解决滤波器数值计算不稳定问题,实践中提出并应用了许多方法,如自适应滤波、固定增益滤波、平方根滤波等.这些算法的不足是计算繁琐,效率低下.提出一个基于矩阵外积法所设计的快速、稳定的滤波算法,该卡尔曼滤波算法速度快,效率高,数值稳定性好,运算量少,将其应用于动态GPS定位验证了其有效性.     

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.     

舰载武器系统目指精度预估模型研究

针对舰载武器系统中的目指精度预估问题,基于卡尔曼滤波理论导出了目指距离精度、目指方位精度、径向速度精度与目标航向精度的数学模型,结合最小二乘滤波建立了这些指标参数的简化计算公式,并利用仿真航路进行了验证,结果表明简化公式物理含义直观明确,预估误差在合理范围之内,能够为武器系统目指精度指标的确定提供理论依据,同时为目指精度参数的在线预估提供支持.     

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.     

通过变维kalman滤波实现融合定位

为了能更好地跟踪、定位机动目标,提出了一种将蜂窝网定位信息与本地传感器信息相融合,利用变维Kalman滤波实现定位的方法。本地传感器信息指目标的运动速度和方向。仿真实验证明该方法具有较强的机动跟踪能力,定位精度高,且计算相对简便。     

一种基于特征匹配的实时电子稳像算法

为了实时地稳定摄像系统的输出视频,提出了一种基于特征匹配的实时电子稳像算法。将改进的Kanade Lucas Tomasi(KLT)算法用于特征提取,并提出一种新的基于灰度投影均值的特征匹配算法。为了保证稳像结果的鲁棒性,还给出了特征的有效性检验方法。另外,基于高实时性对运动滤波算法的要求,在有意运动参数估计中采用了递归Kalman滤波法。实验表明,在微机上稳定单帧图像仅需24.7ms,能够满足实时性要求,且具有良好的稳像效果。     

基于SVD的机动目标自适应滤波研究与仿真

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性.该研究在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于奇异值分解(SVD)的协方差平方根滤波的自适应卡尔曼滤波算法.仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点.     

用局部对比度信息改善图像质量

在图像的摄取和传输中,图像经常降质。为了改善图像质量,将信息熵的概念与图像的局部对比度信息相结合,提出了一种基于熵概念的非线性噪声的滤除方法,并进一步利用局部统计信息对图像进行增强。分别对模拟图像以及红外图像进行了试验,并与中值滤波、Lee滤波、Frost滤波等经典噪声滤波方法进行比较,实验结果验证了该方法的有效性。     

一种基于改进型KALMAN滤波器的导弹故障检测算法

常规卡尔曼滤波器有一大缺点，它要求精确的模型和噪声统计，但实际问题中，大多数情况上述要求不能满足。本文给出了考虑滤波器初始条件不精确性的Ｋａｌｍａｎ滤波器表达式。利用这种Ｋａｌｍａｎ滤波方法进行故障检测，降低了误报警率，提高了鲁棒性。由于导弹姿态控制系统模型的精确性有限，常规Ｋａｌｍａｎ滤波方法因其鲁棒性差很难检测故障，这种方法能有效检测故障。仿真算例表明此方法非常有效。     

基于迭代结构滤波器的SAR图像去噪方法研究

通过比较各种合成孔径雷达 (SAR)图像的滤波方法 ,指出他们存在的不足。然后提出基于模拟退火的迭代滤波器的SAR图像滤波方法。这种方法通过引入相关邻域模型 ,描述图像的局部特性。首先建立一系列反映方向信息的模板 ,每一个模板代表了一种邻域结构。然后在SAR图像的统计性质基础上 ,对于每个邻域结构 ,利用Bayes方法 ,根据图像的观测值 ,获得强度真实值的最大后验概率 (MAP)估计。然后运用模拟退火算法 ,根据每个结构的概率随机选取一个邻域结构作为最适合结构 ,它所对应的估计值作为图像真实强度的估计。模拟退火保证随着温度逐步趋向于 0 ,算法可以获得估计的全局最优解