基于中值滤波的多尺度快速图像融合算法

针对传统图像融合时间较慢,融合后图像纹理不清晰的缺点,提出了一种基于中值滤波的多尺度快速图像融合算法。首先通过中值滤波快速将图像分解为基层和细节层,再通过权值融合的方法将不同源的细节层和基层融合,获得融合图像。实验表明,该方法具有较好的刻画纹理能力和较少的运算时间。     

基于多尺度的EKF滤波融合定位跟踪算法

针对无线定位中快速移动目标的定位精度差的问题,提出了一种简单有效的定位跟踪算法。该算法将信号的多尺度分析方法与基于TDOA的蜂窝网定位技术相结合,基于某尺度上获得的单一的观测量,建立了一个新的多尺度的观测模型。基于新的多尺度观测模型,利用扩展Kalman滤波对目标进行定位跟踪,获得比在原始尺度上直接进行滤波定位跟踪更好的效果。通过仿真验证了该方法对提高蜂窝网无线定位精度的有效性。     

基于Kalman滤波算法的姿态传感器信号融合技术研究

针对应用三轴陀螺仪和三轴加速度传感器的四旋翼飞行器姿态角测量问题,提出了基于Kalman滤波算法的姿态传感器信号融合方法。该方法将陀螺仪输出的角速度误差作为时变误差处理,认为陀螺仪输出的角速度误差与其所测角速度及上一时刻的角速度输出误差相关,并据此建立陀螺仪测量线性方程,在此基础上,应用Kalman滤波算法,以加速度计输出的姿态角对陀螺仪测量的姿态角进行修正,从而达到姿态角准确测量的目的。实验结果表明：应用Kalman滤波算法对加速度传感器和陀螺仪信号融合后可有效消除姿态角测量累积误差并显著改善姿态角测量的动态特性。     

基于自适应Kalman滤波的加速度计动态数据处理

针对实际使用条件下的加速度计的动态测试,讨论了一种加速度计的动态数据处理方法.动态测试中,由于实际情况的时变性和随机性,噪声统计特性可能是未知的且时变的,先验的数据也因此失去意义;另外,动态测试中野值也会对测试精度产生严重的不利影响;运用抗野值自适应Kalman滤波算法对动态数据进行了处理,结果表明该方法能够有效的剔出测试过程中粗大误差、过程干扰以及环境噪声的影响.     

基于小波变换和Kalman滤波的多传感器数据融合

不同的传感器数据采集系统采集的数据具有不同的分辨率,因而需要解决多分辨率数据的融合技术和方法。Kalman滤波对非平稳信号具有较强的估计能力,能对信号所有的频率成分同时进行处理;小波变换的多分辨分析正好提供了有效的多分辨率信息处理方法。因此本文基于小波变换的分时分频多分辨率特点,把信号进行小波变换,然后分别在各尺度上进行Kalman滤波估计,最后通过Mallat快速重构算法,得到融合后的结果。     

基于多特征融合和尺度自适应的核相关滤波算法

为了提高在复杂背景下进行跟踪的精度,在KCF(Kernel Correlation Filter)算法的基础上提出了一种改进方案。首先,提取HOG(Histogram of Gradient)、CN(Color-Naming)和LBP(Local Binary Pattern)三种特征进行融合,获得充分的目标特征信息;其次,引入尺度滤波机制用于估计目标最佳尺度大小,得出最合适的跟踪框;最后,提出了一个峰值更新策略,确保模型更新不受错误信息干扰。实验表明,改进后的算法比KCF算法在精确度和成功率上分别提升了6.5%和4.8%,并且在处理尺度变化、变形、旋转等方面也有很好的鲁棒性。     

多传感器跟踪系统自适应Kalman滤波融合

多传感器目标跟踪的一个实际问题是如何获得目标的过程噪声信息,以获得较好的跟踪性能。针对多传感器分布式估计融合系统,利用这种自适应技术给出了一种自适应Kalman滤波的融合方法,它具有与中心式相近的跟踪性能。计算机模拟结果表明：这种方法具有较优良的性能。     

基于Kalman滤波的数字水印算法

提出了一种基于Kalman滤波的数字水印算法,利用图像融合的思想和Kalman滤波对数字水印进行了研究.嵌入水印的过程可以视为宿主图像和水印图像的图像融合的过程.假设嵌水印图像作为目标状态,在图像融合过程中,采用Kal-man滤波对观测状态进行最优估计.根据宿主图像和水印图像进行建模,得到观测方程和状态方程,在估计误差...     

融合多结构滤波和多尺度重建的分水岭算法

为了解决传统分水岭算法中存在的过分割问题,提出一种结合多结构形态学开闭滤波和多尺度形态学开闭重建的新方法。该方法用12种不同结构的结构元对原始图像进行开闭滤波,接着对梯度图像应用多尺度开闭重建,通过加权融合不同的重建梯度为最终的梯度。在重建后的梯度上应用扩展最小变换技术（H-minima）以提取标记,用所得的标记修正原始梯度,在修改后的梯度上进行分水岭分割。实验结果表明：该方法不仅能有效抑制分水岭算法中的过分割,而且通过调节分割过程中的参数,还能防止欠分割的发生,对于不同的需求均可得到理想的分割效果。     

多率系统Kalman滤波算法的鲁棒性分析

多率系统Kalman滤波算法是多率采样系统中对多源观测进行融合的重要手段. 基于化工过程的多率采样特点, 给出了多率Kalman滤波算法, 分析了该算法在模型失配情况下的鲁棒性. 在给定的假设条件下, 通过对滤波误差变化规律的分析, 给出了多率Kalman滤波稳定与发散的基本判定方法. 针对一类典型系统, 推导出了滤波稳定与发散判据. 通过仿真对该判据进行了验证, 仿真结果表明所提出的滤波鲁棒性分析方法可以用于算法的实际应用.     

基于改进的卡尔曼滤波算法的气象数据融合

数据融合技术能够有效的提高计算效率,减少冗余数据.研究锡林河流域的空气温度数据的规律,针对传统的卡尔曼滤波的融合结果存在微小的波动,引入分布图法,提出了基于改进的卡尔曼滤波的空气温度数据融合算法,目的将每隔五秒采集空气温度数据融合为一小时的空气温度值.为了验证改进算法的性能,在原始数据的基础上分别设置了扰动数据和突变数据.通过实验仿真,改进的算法的融合效果好,抗干扰性和稳定性强,提高了气象数据的准确性.     

基于卡尔曼滤波数据融合算法的智能钓鱼竿系统

针对目前国内市场智能钓鱼竿功能不足的问题,本文通过四元数法对鱼竿姿态解算,利用基于卡尔曼滤波的数据融合算法,并以微处理器STM32为核心搭建uC/OS-II操作系统,结合多种环境传感器和串级PID控制方法,设计了一种具有智能选钓位、智能报警及自动遛鱼等功能的智能钓鱼竿系统.实验结果表明,该系统不仅能极大地减少短线跑鱼的几率,而且为恶劣环境下自动钓鱼提供可能.     

基于卡尔曼滤波的数据融合算法与应用研究

针对无人机飞控系统对输入的多传感器信息融合时传统卡尔曼滤波算法容易出现滤波发散,滤波精度和系统的实时性降低的问题,研究了一种改进的自适应滤波算法,可以让数据融合后的信息精度更高,实时性更强。改进的算法是在Sage-Husa滤波的基础上引入滤波收敛性判据,并提出了基于改进的Sage-Husa滤波算法的联邦卡尔曼滤波器的设计,可以抑制滤波发散,提高滤波精度和稳定性。同时引入强跟踪滤波算法的思想,调整增益矩阵,改进滤波算法,提高系统突变情况下的滤波处理能力。最后,通过对特定的自主避障系统用改进后的算法与传统卡尔曼滤波算法进行MATLAB仿真比较,仿真结果显示改进的自适应滤波算法在系统模型参数失配和实变噪声情况未知时,可以较好地保持滤波的精度和实时性。     

一种基于数据预处理和卡尔曼滤波的 温室监测数据融合算法

温室具有空间大、无线传感器节点易受到干扰等特点,节点采集的数据波动性较大且易出现丢失现象.为了提高温室监测无线传感网的可靠性和数据融合的精度,提出了一种基于数据预处理和卡尔曼滤波的无线传感器网络数据融合算法.经过对各传感器数据进行预处理和卡尔曼滤波估计,再将数据发送到簇头节点进行基于状态补偿策略的加权数据融合.通过对温室湿度数据进行仿真,结果表明:数据预处理能明显减小数据波动,大幅减少网络数据传输量和能耗,提高抗干扰能力.另外,针对温室无线传感器网络容易出现丢包的现象,基于状态补偿策略的加权数据融合算法可以明显提高在数据丢包情况下的融合精度.     

基于模糊卡尔曼滤波的信息融合算法

应用自适应模糊逻辑系统（AFLS）原理,研究了一种基于卡尔曼滤波器的信息融合算法;AFLS通过在线监视融合数据新息是否为零均值白噪音,然后根据模糊规则调整融合滤波器的指数加权值,从而保证了滤波器的最优估计性能;仿真结果证明该方法在高噪声环境中具有良好的信息融合能力,能有效跟踪研究对象的状态变化。     

基于Kalman滤波的数据融合研究

分析了标准kalman滤波(KF)和自适应kalman滤波(AKF)的原理,通过仿真实验,对两种滤波算法的性能进行了比较.选用凸组合融合算法作为声纳探测的航迹融合算法,将多声纳融合系统的融合结果和简单交叉定位算法进行了比较研究.仿真实验结果表明:自适应kalman滤波比标准kalman滤波具有更好的目标跟踪性能,多声纳融合结果较简单交叉定位结果的性能有大幅度提高,所选用的融合算法航迹能够较好的与真实航迹吻合.     

基于卡尔曼滤波器的数据融合方法在高温炉检测系统中的应用

将数据融合方法引入高温炉窑温度检测系统 ,充分利用现有检测系统的能力 ,在不增加任何设备的情况下提高检测精度 ,并且证明该方法具有理论简单、易于实现、精度高 ,适用于各种高温炉窑温度检测系统。     

基于改进卡尔曼算法的室内温度数据融合

针对传统建筑物内部空间结构复杂,布线成本高,数据采集精度不高等问题,采用LoRa无线通信技术构建传感器网络,主要用于监测室内温度参数的变化;对于传统的卡尔曼数据融合结果存在较小波动的现象,引入了孤立森林算法,提出了基于改进的卡尔曼滤波算法的室内温度数据融合算法;通过在采集到的数据集中随机添加扰动样本和畸变数据,对三种算法产生的误差进行比较,改进的卡尔曼数据融合算法在有扰动样本的情况下,误差范围控制在-0.12-0.1之间,在带有畸变数据时,误差范围在-0.03至0.14之间,均远小于传统的卡尔曼数据融合算法和平均值算法;实验仿真的结果表明,改进的算法提高了室内温度数据采集的鲁棒性和准确性。     

基于多尺度贯序式卡尔曼滤波的运动声阵列跟踪算法

为了研究运动声阵列对二维目标在复杂环境中的实时跟踪性问题,根据运动声阵列及二维目标的运动特点建立了状态方程与测量方程,并将其描述为块的形式.根据不同的状态块,利用小波变换把状态块分解到不同尺度上,分别在时域和频域上建立相应尺度上的状态与观测信息之间的关系;采取卡尔曼滤波器递推思想来实现运动声阵列的多尺度贯序式卡尔曼滤波算法,根据最小二乘误差估计理论推导了运动声阵列跟踪系统在球坐标系和直角坐标系下的误差,为提高系统跟踪精度奠定了理论基础,并为工程应用提供了实际方法.与传统的卡尔曼滤波算法相比,Matlab仿真结果表明了本文算法的有效性和优越性.