基于核函数粒子滤波和多特征自适应融合的目标跟踪

经典粒子滤波及其改进算法在观测模型与真实情况存在偏差时会导致滤波发散,针对这一问题,提出一种核函数粒子滤波算法.该算法根据目标状态与粒子状态之间的距离,利用核函数产生权值对粒子进行二次加权,根据粒子的二次加权结果进行粒子重采样;以改进的粒子滤波算法为框架,提出了一种自适应多特征融合目标跟踪方法,利用相似性度量动态地评价特征对目标与背景的区分能力,并自适应地计算特征融合权重,以适应目标跟踪过程中目标与背景的变化,提高目标跟踪的鲁棒性.实验结果表明,文中提出的目标跟踪方法比经典粒子滤波目标跟踪方法具有更强的抗干扰性能和较高的跟踪精度.     

基于DSmT与粒子滤波的多传感器融合

为实现多传感器对机动目标状态的跟踪,提出一种基于DSmT与粒子滤波的多传感器融合算法。在各传感器利用粒子滤波方法处理观测数据的基础上,运用DSmT作为融合工具,将观测数据转化为辨识框架内的元素及其mass值,得到最终融合结果。实验结果表明,该方法可减小距离误差,提高跟踪精度,且运算复杂度能满足在线实时融合的要求。     

基于粒子滤波的多特征融合视频行人跟踪算法

针对车载视频行人跟踪问题,提出一种基于粒子滤波框架下的多特征融合跟踪算法。为克服车载视频中行人运动与摄像机运动产生的非线性和非高斯性,采用基于蒙特卡罗抽样的粒子滤波跟踪算法,使用一阶自回归动态模型预测目标状态,观测模型自适应加权融合的4种互补性特征。实验结果表明,与没有粒子滤波和多特征融合的跟踪算法相比,在相同精确率水平上,该算法的召回率提高20%以上。     

一种模糊Kalman滤波机动目标跟踪的新算法

提出了一种基于模糊自适应的Kalman滤波机动目标跟踪新算法.算法首先分析了目标航向角和观测残差均能实时反应出目标机动情况,并由此设计了一种有效的模糊逻辑规则,综合利用航向角变化量和残差,通过模糊推理动态估计Kalman滤波器的过程噪声协方差,从而提高对机动目标跟踪的性能.实验结果表明,提出算法对机动目标跟踪的精度较交互式多模型(Interacting multiple model,IMM)算法高,且计算量比IMM算法小.     

多步历史估计信息反馈多模型融合方法

针对强机动和大观测误差下的目标跟踪问题,传统低阶多模型融合方法存在估计精度较低、鲁棒性较差的缺点;高阶多模型融合方法面临计算量增大和保证实时性之间的矛盾.为此本文针对一类多步稳健机动目标跟踪问题提出一种基于历史估计信息反馈的多模型融合框架,首先累积和反馈历史估计信息,然后结合当前量测计算多阶模型序列的似然函数,最后得到贝叶斯后验融合结果.同时结合粒子滤波构建了易于工程实现的粒子滤波历史反馈多模型融合算法(PF-HFMM).仿真表明,与传统粒子滤波多模型算法相比,本法显著提高了估计精度和鲁棒性.     

基于多传感器不完全量测下的机动目标跟踪算法

针对传感器探测概率小于1的不完全量测情况下的非机动目标跟踪问题,提出一种基于多传感器不完全量测下的扩展Kalman滤波算法。首先,利用残差检测的野值剔除方法,确定目标状态估计过程中传感器是否接收到正确的量测数据;其次,基于每个传感器的量测数据,在不完全量测下采用改进的扩展卡尔曼滤波算法分别对目标运动状态进行估计;进而结合多传感器最优加权融合方法求解基于多传感器观测数据的状态估计;最后,将算法应用到光电跟踪系统中。仿真实验得到不完全量测下传感器探测概率对滤波效果的影响,验证了算法的有效性,其跟踪精度接近完全量测下的状态估计精度。     

动态加权和测量方差时变的多传感器融合算法

在基于卡尔曼滤波及其一些改进算法中,由于测量方差预先设定,从而导致滤波发散和信息资源的浪费,为此提出了一种动态加权下测量方差时变的多传感器融合算法。该算法依据各传感器当前时刻的滤波精度合理地分配权值,同时测量方差的时变特性使得每次测量信息得到充分的利用。仿真结果表明该算法显著地提高了对机动目标的跟踪效果并具有实时性的优点。     

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.     

基于粒子滤波的双模图像融合自适应跟踪

针对视频跟踪中仅利用目标的单特征容易导致跟踪失败的问题,提出一种基于粒子滤波的可见光与红外序列图像相融合的自适应目标跟踪算法;该算法在粒子滤波跟踪算法框架下,根据单一信源运动目标序列图像的品质因子,利用自适应加权融合策略重构双模序列图像的特征选择机制,建立了基于自适应融合算法的系统观测概率模型和状态空间层次采样多特征融合跟踪算法,实现了对双模序列图像的融合以及对运动目标的稳健跟踪;跟踪试验结果表明,该算法可以有效实现对运动目标的稳健、准确跟踪。     

一种滤波系数化的分布式航迹融合方法

传感器本身及外界环境存在的随机干扰,使得量测信息具有不确定性及相关性,且当某个传感器的测量精度较低时,直接融合观测信息导致融合算法有效性的降低。针对此问题,提出一种滤波系数化的分布式航迹融合方法。该方法通过局部估计信息建立支持度矩阵来完成滤波估计信息的系数化,最后加权组合滤波,实现对目标的实时融合跟踪。相对于原有融合算法,无论在哪种情况下该方法均使融合跟踪精度提高了16%以上,保证了算法的有效性。     

异步采样下的多红外传感器多目标跟踪算法

针对异步采样下多红外传感器多目标跟踪问题,提出了一种基于概率假设密度粒子滤波的跟踪算法.该算法首先将一个融合周期内所有采样点在融合中心的坐标系中和时钟下进行统一映射,然后按照实际测量值到来的时间先后顺序,根据融合周期内相邻两个时刻之间状态的动态关系,建立相应采样时刻间的状态方程和量测方程,最后根据当前时刻测量对应的传感器的个数选择不同的滤波算法,对顺序到来的观测值依次进行状态估计和更新,从而得到目标数目和相应的状态估计值.仿真实验表明,所提的算法能较好地解决异步采样下多红外传感器多目标跟踪问题,具有较高的跟踪精度和较强的鲁棒性.     

三维环境中多机器人动态目标主动协作观测方法

动态目标的多移动机器人主动协作观测方法是指以获取较优的观测结果为目的, 对携带同构/异构观测传感器的多个机器人系统的观测数据进行有效融合并同时对其行为进行协调优化的方法. 本文主要研究了三维环境中的多机器人动态目标主动协作观测的问题. 首先, 以扩展集员估计方法(Extended set-membership filter, ESMF)为基础, 将信息融合过程与算法本身存在的集合运算环节相结合, 提出了一种高精度的多机器人观测信息融合方法. 该方法在保证较高观测精度的同时, 并没有显著增加单机器人扩展集员估计算法的计算量, 因此具有较高的实时性. 此外, 利用最优观测角度的概念, 通过引入相对速度空间(Relative velocity coordinates, RVCs), 设计了多移动机器人协调行为优化方法, 该方法可以将多机器人协调行为优化问题转化为线性规划问题, 以实现具有较高实时性的多机器人三维动态目标主动协作观测. 最后, 为了验证所研究方法的可行性与有效性, 进行了三维空间动态目标协作观测仿真实验.     

基于AC自动机的多模式匹配算法FACA

Aho-Corasick自动机算法在模式匹配失配时,需要多次回溯才转移到有效的后继状态。为此,提出一种快速多模式匹配算法。该算法为每个状态建立失配时的后继指针,在模式匹配失配时,可以通过失配后继指针快速找到有效后继状态,从而避免Aho-Corasick自动机失配时的过多回溯,提高匹配效率。算法在自动机建立时采用动态规划的方法,为每个状态建立匹配长度和匹配量等信息,在模式匹配过程中,基于这些信息统计模式串在主串中的重复次数、最早出现模式串位置等信息。实验结果表明,该算法匹配精确、效率高,且支持在线操作。     

基于超平行空间集员滤波的非线性系统状态估计方法

针对噪声有界但未知条件下的非线性系统状态估计问题,提出基于超平行空间集员滤波算法.利用Stirling矩阵将模型进行一阶展开,基于凸差规划完成线性化误差定界,采用超平行空间表示误差边界和状态可行集,求解下一时刻预测状态可行集超平行体.在更新步将观测值分解为多个带,融入观测值的线性化误差并将带依次与超平行体相交,得到该时刻超平行空间描述下的状态可行集更新情况.所提出算法能够避免在求解线性化误差过程中外包误差集合带来的体积扩充,降低非线性集员滤波算法的保守性,仿真示例验证了所提出算法的可行性和有效性.     

改进的多模型粒子PHD和CPHD滤波算法

多模型粒子概率假设密度(Probability hypothesis density, PHD)滤波是一种有效的多机动目标跟踪算法, 然而当模型概率过小时,该算法存在粒子退化问题,而且它对目标数的泊松分布假设会夸大目标漏检对其势估计的影响. 针对上述问题,本文提出一种改进算法. 该算法并不是简单地对模型索引进行采样, 而是用粒子拟合目标状态的模型条件PHD强度, 在不对噪声做任何先验假设的前提下, 通过重采样实现存活粒子的输入交互,提高了滤波性能. 在此基础上, 进一步将算法在Cardinalized PHD (CPHD)的框架下加以实现,提高其目标数估计精度. 仿真实验表明,所提算法在滤波性能和目标数估计精度方面均优于传统的多模型粒子PHD算法,具有良好的工程应用前景.     

广义卡尔曼滤波中状态预报值算法

广义卡尔曼滤波是针对状态方程和观测方程均为非线性方程的最小方差迭代方法,随着广义卡尔曼滤波越来越广泛的应用,其算法研究越来越深入.对广义卡尔曼滤波过程中的预报值的算法进行改进,即给出了在常微分方程欧拉算法的基础上增加了迭代过程的迭代方法.该方法简捷、运行较快且能达到一定的精度,还可以节省计算机空间.针对组合大视场星敏感器自主定轨方法进行了计算机仿真,且与RKF7 (Runge- Kutta-Fehlberg 7阶)方法进行了仿真结果比较.比较结果说明了该方法的有效性.     

A self-stabilizing algorithm to synchronize digital clocks in a distributed system

We have proposed a self-stabilizing algorithm to synchronize multiple digital clocks in a distributed system; whenever any of the clock values gets out of synchronization for any reason, the algorithm is automatically invoked and the system is brought back to a legitimate state in finite time.     

一种基于动态背景的运动车辆跟踪算法

将动态背景生成技术应用于运动车辆的检测与跟踪,构建了一个运动车辆跟踪算法。在引入特征匹配值矩阵的基础上,设计了一种简单实用的目标跟踪状态判决逻辑。实验结果表明,该算法能够完成对多个运动目标的跟踪,而且对视角、光线变化及目标运动状态的变化等不利因素有较好的适应性。     

A combined approach to nonlinear model predictive control of fast systems

A new solution strategy, a combination of the multiple shooting and collocation method, is proposed for nonlinear model predictive control (NMPC) of fast systems. The multiple shooting method is used for discretizing the dynamic model, through which the optimal control problem is transformed to a nonlinear program (NLP) problem. To solve this NLP problem the values of state variables and their gradients at the end of each shooting need to be computed. We use collocation on finite elements (CFE) to carry out this task. Due to its higher numerical accuracy the computation efficiency can be enhanced considerably, in comparison to an ordinary differential equation solver commonly used in the existing multiple shooting approach for integrating the ODEs and the chain-rule for the gradient computation. Therefore, the NMPC algorithm proposed can be applied to the control of fast systems. The performance of the proposed approach is demonstrated with three optimal control problems.     

Spatiotemporal dynamics induced by delay and diffusion in a predator–prey model with mutual interference among the predator

In this work, we study a reaction–diffusion predator–prey model with mutual interference among the predators while searching for food. We prove that the model exhibits bistability, which indicates that there are no patterns for our model. When time delay is incorporated into the model, multiple stability switches phenomenon of positive constant steady state emerged. By taking delay as a bifurcation parameter, the Hopf bifurcations at the positive constant steady state are proved to occur for a sequence of critical values of the delay. The algorithm for determining the direction and the stability of the bifurcating periodic solutions is also derived. The delay–diffusion driven Turing instability of the positive constant steady state is investigated. Our results show that delay and diffusion can create periodic oscillatory patterns of spatially homogeneous and inhomogeneous and Turing patterns.