基于预测残差的自适应Unscented粒子滤波

针对经典粒子滤波的样本退化问题,提出了基于预测残差的自适应Unscented粒子滤波.该方法将自适应因子与无迹卡尔曼滤波相结合构造粒子滤波的建议分布,即通过UT变化构造建议分布函数,利用预测残差作为自适应因子,在线调整测量预测协方差、状态测量互协方差和状态更新协方差的实时变化,从而调整其在滤波中的作用.非线性状态估计仿真实验表明,该算法具有较强的自适应性和较高的滤波精度.     

基于H∞滤波的机载单站无源定位技术

机载单站无源定位技术正成为当前精确定位技术的研究热点,基于方位角变化率,建立了空间定位模型,针对目标机动,噪声统计特性不确定等实战环境,引入鲁棒控制理论中的H∞滤波,提出了一种新的定位跟踪算法,仿真结果表明,该方法增强了定位系统的鲁棒性,具有较好的定位性能.     

加权采样的序列蒙特卡罗滤波技术

在处理非线性滤波问题时,常用的几种通过模型近似或计算近似的滤波方法均在某种特定的情况下具有适用性.近年来随着计算机处理能力的快速发展,提出了序列蒙特卡罗滤波方法,因其在处理复杂的非线性和非高斯问题时表现出强大的潜力而引起广泛关注.详述了序列蒙特卡罗滤波算法的基本思想和原理,对其关键技术进行了归纳分析,并指出了该方法亟待解决的一些难点问题.     

一种改进的SIR粒子滤波方法

SIR粒子滤波算法在重采样无法进行时可能失效,详细分析了算法失效的原因,并针对此问题提出了基于PSO的改进方法,该方法利用PSO的智能寻优机制引导重要性抽样的粒子移向高似然区,从而确保重采样过程的顺利进行。仿真试验表明,提出的改进方法可以有效解决SIR算法因重采样无法进行而导致的失效问题。     

基于K-矩阵残差的航天器姿态确定自适应算法

在航天器姿态确定时,针对由于模型误差而使滤波发散的情况,根据协方差匹配的方法,提出一种基于K-矩阵残差的自适应姿态确定算法.通过调整滤波器中的噪声协方差,得到一种在线最佳姿态四元数的最小二乘拟合递归算法.针对传统残差定义的不足,根据K-矩阵的几何性质,设计适应的残差和标准,来解决这一问题.针对高值的残差可由测量噪声或过程噪声的建模误差引起,或由两个共同引起,分别对测量噪声自适应滤波和过程噪声自适应滤波进行了研究.仿真表明,此种算法效果较好.     

2种卡尔曼滤波算法的应用分析

将传统的扩展卡尔曼滤波(EKF)和基于无味变换(UT)和标准卡尔曼滤波体系相结合的无味卡尔曼滤波(UKF)算法应用于反辐射导弹抗雷达关机的技术中,并对其进行仿真分析.结果表明,UKF算法具有跟快的收敛性和具有更高的精度,并能有效克服非线性严重时出现的滤波发散的问题,较好地达到了反辐射导弹抗雷达关机的目的.     

激光成像自动对焦系统的散斑噪声滤波算法

针对激光主动探测成像的散斑（Speckle）噪声影响自动对焦系统的清晰度评价函数曲线,从而影响对焦性能的问题,提出一种多方向线型加权形态滤波方法。实验证明：基于该方法构造的滤波器明显改善了激光图像清晰度评价曲线（即自动对焦曲线）的形状,降低了误对焦率,提高了自动对焦系统的稳定性。     

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.