基于Jerk的常增益目标跟踪及其自适应算法

针对目前高机动目标跟踪的Jerk模型存在计算复杂度高和α-β-γ模型须预先估计过程噪声标准偏差的不足,提出了一种基于Jerk模型的常增益滤波算法：自适应的α-β-γ-δ模型,并从理论上推导出了上述新模型中α、β、γ和δ的计算公式。对一种典型的目标机动形式进行了Monte Carlo仿真,结果表明了新算法对于解决机动目标跟踪问题的有效性,且运算量远远小于Jerk模型算法。     

一种参数自适应的“当前”统计Jerk模型

针对高度机动目标跟踪问题,通过理论分析指出了Jerk模型及其一些改进模型的不足,并借 鉴“当前”统计的思想,提出了一种参数自适应的Jerk模型（Adaptive parameter current statistic jerk model, APC-Jerk）。该模型通过新息向量的范数定义调整因子,以此 来对模型中的各参数进行自适应调整,增强了系统对突发机动的自适应跟踪能力,并对加速 度均值进行了修正,使之适合于一般运动形式。最后对本算法进行了仿真,结果表明,参数 自适应的“当前”统计Jerk模型较经典Jerk模型、“当前”统计Jerk模型及改进的“当前” 统计Jerk模型对强机动目标的跟踪精度有较大程度的提高。     

基于常增益组合滤波器的目标跟踪算法

针对目前高机动目标跟踪的Jerk模型存在计算复杂度高的不足,提出一种四维常增益滤波器:α-β-γ-δ模型.给出模型中α、β、γ和δ的计算公式,并将它与α-β、α-β-γ滤波器组合得到一种常增益组合滤波算法,克服单一滤波器只能跟踪特定运动方式的目标的缺点.最后对一种典型的目标机动形式进行Monte Carlo仿真,结果表明新算法对于解决机动目标跟踪问题的有效性.     

GPS/DR组合导航FAIMM滤波算法仿真研究

研究GPS/DR组合导航滤波问题。GPS/DR组合导航系统量测噪声统计特性随载体机动发生变化导致传统滤波算法滤波效果下降,针对此问题,提出了一种模糊自适应交互式多模型(Fuzzy Adaptive Interacting Multiple Model,FAIMM)滤波算法,将模糊自适应无迹卡尔曼滤波(FAUKF)与交互式多模型无迹卡尔曼滤波(IMMUKF)相结合,不需要预先设置模型集就能实现对载体量测噪声模式的覆盖。仿真结果表明:改进算法能够实时调整滤波器量测噪声参数,适应组合导航系统量测噪声变化,得到了与模型集完备的IMMUKF相当的导航滤波效果。     

跟踪反舰导弹的机动频率自适应算法

为使建立的系统方程更适合强机动反舰导弹的真实运动状态,在分析"当前"统计模型及自适应滤波算法的基础上.通过由滤波残差的变化来检测目标机动与否的准则,设计了一种非线性的机动频率函数.实现机动频率自适应调整,优化了"当前"统计模型的系统参数,构建了机动频率自适应算法.在想定的初始条件下,结合反舰导弹的末段"蛇行机动",对建立的机动频率自适应算法进行Monte Carlo仿真实验,结果表明:该算法运行稳定,适应能力强,能有效提高"当前"统计模型的跟踪性能.     

基于改进“当前”统计模型的转弯机动跟踪算法

针对转弯机动目标跟踪,提出一种改进的“当前”统计模型对角速度进行估计．该模型在当前统计（CS）模型的基础上,通过加权一个以新息方差之迹为参数的活化函数,对加速度方差和机动频率进行自适应处理,经滤波获得目标速度方向角．然后,将角度滤波获得的方向角度、角速度、角加速度作为曲线模型的输入,实时跟踪机动状态．新模型可准确估计目标的角速度,算法可显著提高转弯机动目标的跟踪精度,仿真实验验证了算法的有效性．     

高速高机动目标自适应IMM跟踪算法

针对目标运动过程中有转弯机动等复杂运动模式的高速高机动目标,设计了自适应两层IMM跟踪算法。该算法内层由改进的机动目标当前统计模型构成,把目标速度方向角作为伪测量值进行滤波,实时获得目标的角速度和角加速度;外层模型由常速模型和曲线模型构成,把内层模型得到的切向加速度和转弯角速度作为曲线模型参数,利用IMM算法进行滤波。仿真结果表明,该算法对高速高机动目标具有较高的跟踪精度,算法实现简单,具有一定的实际应用价值。     

基于改进“当前”统计模型的非线性机动目标跟踪算法

＂当前＂统计模型算法对目标加速度极限值及机动频率的依赖性这一缺点,导致该算法在跟踪弱机动目标及高机动目标时,跟踪性能会明显恶化.本文在当前统计（CS）模型的基础上,通过加权一个以残差方差的迹为参数的活化函数,对加速度方差和机动频率进行自适应处理,实现了对＂当前＂统计模型的改进;同时,采用UKF（unscented Kalman filter）对非线性目标进行跟踪滤波,构造出基于改进＂当前＂统计模型的非线性机动目标跟踪算法,仿真结果表明,改进的＂当前＂统计模型不仅保留了＂当前＂统计模型跟踪算法对一般机动目标跟踪精度高的特点,而且对弱机动目标跟踪也具有更优越的性能,大大扩大了机动跟踪范围.     

FB-CS模型的两层嵌套机动目标跟踪算法

针对转弯机动目标,提出了一种两层模型嵌套的跟踪算法.算法的内层模型由基于函数的“当前”统计(Function based current statistic,FB-CS)模型构成,该模型在“当前”统计(Current statistic,CS)模型的基础上,通过加权一个以新息方差之迹为参数的活化函数,对加速度方差和机动频率进行自适应处理,再针对目标的速度方向角进行滤波,将获得的角速度估计值作为外层的输入;外层模型由曲线模型构成,其方向角度、角速度和角加速度由内层模型提供.由于既准确估计目标的角速度,又设计了合理的运动模型,算法显著提高了转弯机动目标的跟踪精度.仿真实验验证了算法的有效性.     

非线性粒子滤波目标跟踪应用仿真

针对非线性环境中存在的机动目标跟踪问题,对基于贝叶斯估计的粒子滤波器进行研究,为解决混合退火粒子滤波重要密度函数构造的问题,在混合退火粒子滤波的基础上,通过对系统状态和观测粒子方差的研究,提出了非线性环境下动态退火参数粒子滤波的改进算法,在混合退火粒子滤波中引入动态退火参数来构造高效的重要密度函数,提高了混合退火粒子滤波的跟踪精度,应用该滤波方法对机动目标模型进行仿真,并对多种滤波跟踪算法进行性能测试和比较,仿真实验结果表明,在非线性环境下该粒子滤波方法可行有效.     

基于反馈教学优化算法的混沌系统参数辨识

针对传统智能优化算法对混沌系统参数辨识精度低、速度慢的问题,提出一种基于反馈教学优化算法的混沌系统参数辨识的新方法.该方法以教学优化算法为基础,在教授-学习阶段之后加入反馈阶段,同时将参数辨识问题转化为参数空间上的函数优化问题.分别以三维二次自治广义Lorenz系统、Jerk系统和Sprott-J系统为待辨识模型,对粒子群优化算法、量子粒子群优化算法、教学优化算法及反馈教学优化算法进行了对比实验,反馈教学优化算法辨识误差为零,搜索次数明显减少.仿真结果表明,反馈教学优化算法明显提高了混沌系统参数辨识精度和速度,验证了该算法的可行性和有效性.     

基于模糊模型的结构和参数的一体化辨识

基于模糊集合的模糊建模捕述复杂、病态、非线性系统的特性是一种有效方法．文中讨论了从样本数据中通过正交变换和模糊聚类获取模糊规则的方法．利用正交最小二乘对模糊聚类的结果进行变换，采用CGS（Classical Gram—Schmidt）方法确定对建模贡献大的规则，删除对建模贡献小的规则，并对模型中的参数进行估计，能够同时模对糊模型的结构和参数进行辨识．仿真结果表明，提出的方法能够对非线性系统进行模糊建模．     

基于云模型的BP算法改进

云模型是定性定量间的不确定转换模型 ,它将概念的模糊性和随机性集成在一起。文中提出一种利用云模型来有效避免BP算法陷入局部极小的方法 ,该方法通过基于云模型和输入参数区间划分的学习因子自适应调整算法来实现。该算法在复杂非线性分类 (阴阳图 )情况下进行了计算机仿真     

基于Volterra 模型的非线性系统预测控制

基于系统的正、负和双阶跃响应,提出一种新的非线性预测控制模型的建立方法,同时给出了相应的非线性控制算法,并证明了控制算法解的存在性和唯一性,针对 化工过程蒸馏塔控制系统,通过仿真计算验证了该方法的有效性。     

基于扩展T-S模型的PSO神经网络在故障诊断中的应用

针对现实故障现象具有模糊性和非线性的特点,提出了一种利用自适应扩展T-S(Takagi-Sugeno)模糊模型的PSO(Particle Swarm Optimization)算法和神经网络相结合的新型智能结构化算法来进行故障诊断的新方法.首先通过自适应的高斯函数来更改基本T-S模糊模型中的隶属度函数,进而使用扩展的T-S模糊模型来调整PSO算法的参数.然后使用该PSO算法作为神经网络的学习训练算法来进行训练.最后将此算法用于齿轮箱实测故障诊断.诊断结果显示均方误差提高了0.1981%.通过不同模型的诊断结果比较,表明本方法便捷、高效,为解决故障诊断问题提供了一条新途径.     

机械手轨迹规划的神经网络逆模控制

针对二自由度机械手动力学模型的非线性和参数的不确定性,提出了一种神经网络与逆模控制相结合的控制策略。针对传统BP算法在神经网络训练后期收敛速度慢且容易陷入局部极小的缺点,提出一种快速启发式学习算法。采用所提出的快速启发式网络学习算法训练多层前馈神经网络,建立机械手的逆动力学模型,实现对机械手的非线性控制。仿真结果表明了所提出控制策略的有效性和快速启发式网络学习算法的快速收敛性。     

基于熵模型的高透明性自适应视频水印算法

提出一种基于视频运动估计熵模型的自适应视频水印算法.该算法将人类视觉系统(human visual system,简称HVS)与视频分块运动估计(block motion estimation of video)相结合,获取视频序列帧中与运动相关的视频运动信息,然后利用熵模型对视频序列帧中的运动信息进行统计,从而得到一组基于视频序列帧间运动信息与人类视觉屏蔽特性相结合的非线性计算公式.利用该组计算公式,可以根据视频帧的内容自适应地计算每个方块的水印最大嵌入强度.实验结果表明,熵模型与非线性公式的引入较大幅度地提高了视频水印的透明性,并且能够有效地抵抗常见的针对视频水印的攻击,具有较高的安全性和鲁棒性.     

基于熵模型的高透明性自适应视频水印算法

提出一种基于视频运动估计熵模型的自适应视频水印算法.该算法将人类视觉系统(human visual system,简称HVS)与视频分块运动估计(block motion estimation of video)相结合,获取视频序列帧中与运动相关的视频运动信息,然后利用熵模型对视频序列帧中的运动信息进行统计,从而得到一组基于视频序列帧间运动信息与人类视觉屏蔽特性相结合的非线性计算公式.利用该组计算公式,可以根据视频帧的内容自适应地计算每个方块的水印最大嵌入强度.实验结果表明,熵模型与非线性公式的引入较大幅度地提高了视频水印的透明性,并且能够有效地抵抗常见的针对视频水印的攻击,具有较高的安全性和鲁棒性.     

基于模糊ARMAX模型的模糊建模

提出了一种利用MGS(modified Gram-Schmidt)算法建立模糊ARMAX模型的方法, 给出了基于MGS算法的模型结构和参数辨识的一体化方法. 利用MGS正交变换对通过GK模糊聚类的聚类结果进行变换, 确定对模型贡献大的规则, 删除对模型贡献小的规则, 同时对模型中的参数进行估计. 本文提出的方法能够实现模糊模型的结构和参数的优化. 仿真结果表明, 本文提出的方法能够建立非线性系统的模糊ARMAX模型.