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。     

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.     

结合自适应时间权重的改进STRCF目标跟踪

针对STRCF算法时间权重因子固定,且常因长时遮挡等原因造成跟踪漂移的问题,提出了一种自适应时间权重学习的目标跟踪算法.利用峰值旁瓣比在线动态更新时间权重因子以提升跟踪器的准确性.在跟踪器中嵌入遮挡判断模块,设定条件判断是否发生遮挡,以决定是否停止对目标位置的更新.实验结果表明:该算法的精确度与成功率分别为0.880和0.814,相比STRCF算法分别提升了2.6％和2.0％,且跟踪速度达到28.61帧/s,在CPU上可以达到实时.     

基于自适应Kalman滤波算法的航空发动机可测参数及其偏离量估计

针对采用估计可测参数偏离量建立航空发动机机载自适应模型的方案中,可测参数偏离量估计的问题,引入了CA(Constant Acceleration)模型,建立了简化的可测参数状态方程和测量方程,采用自适应Kalman滤波算法直接估计可测参数,由估计出的可测参数与发动机非线性模型计算的额定值之差,获得可测参数偏离量.为解决因简化的状态模型系统误差较大,采用标准Kalman滤波会出现估计严重偏离真值的问题,分析了标准Kalman滤波准则和状态模型误差对滤波结果的影响,采用动态调整状态预报在滤波估计结果中权重的策略,给出了单因子自适应Kalman滤波算法准则及递推公式,使滤波估计准确.对不同的可测参数分别采取序列滤波的方法,减少了运算量.以仿真产生的发动机测量数据为例,对系统模型和所设计的算法进行验证,计算结果表明,所设计的滤波算法具有很快的收敛速度和计算速度,结果优于标准Kalman滤波算法,具有更好的估计精度和一定的工程应用价值.     

面向非广域目标的无人机对峙跟踪方法

针对无人机对峙跟踪非广域目标问题,开展目标状态估计与无人机制导方法研究。首先建立非广域地理环境模型,将非广域地理约束作为伪观测方程引入粒子滤波器的观测方程。其次,鉴于目标在运动过程中可能受到多个模型的约束,采用交互多模型滤波算法进行状态估计,即每个模型对应的受约束粒子滤波器并行工作,并对多个滤波器估计结果进行加权,得到更精确的目标运动状态估计值。然后,提出时间最优导航向量场,通过计算期望航向角,引导无人机快速收敛至目标极限环。最后,仿真实验表明,受约束粒子滤波-多交互模型算法相比于传统的滤波算法,估计精度提高了20%,时间最优导航向量场方法相比于传统的导航向量场方法,引导效率提高了15%,所提方法可更有效地用于解决非广域目标对峙跟踪问题。     

基于斜卷积双边滤波的特种机器人视觉引导算法的改进与优化

移动机器人可以在确保个人安全下有效减少人类的劳动行为,已经广泛应用到运输、救援、勘探、工业自动化等领域。针对特种越障机器人在城镇和工厂等以平面为主的非结构化场景下作业,提出一种依靠视觉引导的图像处理与障碍高度评估新方法。在图像预处理流程中,为了更好地保留特定朝向的图像边缘,在双边滤波算法的基础上,引入了一种呈高斯分布的斜卷积空域卷积核,改进为斜卷积双边滤波,并与其他边缘保持滤波算法进行比较。实验结果表明：不同算法信噪比一致时,斜卷积双边滤波算法的PFOM(pratt’s figure of merit)均值高于引导滤波与加权最小二乘滤波;当σ(标准差)=0.02时,斜卷积双边滤波的PFOM比引导滤波高出12.18%,比加权最小二乘滤波高4.4%。对具有普遍性的台阶沿向与沿向垂直使用斜卷积双边滤波处理后提取边缘,越障机器人在不同光照条件下进行不同高度台阶越障实验。实验表明：机器人在视觉系统引导下可快速正对台阶,越障成功率为100%。     

机动式指挥自动化系统电磁兼容性设计

电磁兼容性设计是机动式指挥自动化系统的重要环节。电磁屏蔽、滤波、接地等技术是电磁兼容性设计的重要方法。电磁屏蔽是抑制辐射干扰的一种有效隔离方法。滤波是抑制传导干扰最直接、最有效的方法,对于瞬态脉冲干扰,最有效的办法是采用脉冲吸收技术。接地的综合考虑,对产品电磁兼容性有至关重要的意义。针对机动式指挥自动化系统的结构和组成特点,给出了一些具体的电磁干扰抑制设计,对满足实际的电磁兼容性方面作出了有意义的尝试。     

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。