U－D分解的前向固定区间平滑新算法

本文提出了两种前向固定区间平滑新算法以解决工程问题．为了确保算法的数值稳定性并提高计算效率，两种算法中的协方差矩阵传播均使用了Ｕ－Ｄ分解形式．计算量分析结果表明，两种新算法与ＫｅｉｇｏＷａｔａｎａｂｅ前向平滑算法相比较，计算量减少４０％以上；状态维数较高时，计算效率提高３倍以上．     

一类有效的固定点平滑方法及其应用

根据Meditch和Rauch固定点平滑公式,给出了一种有效的固定点平滑新算法.在该 算法中,减少了增益阵中两个n×n矩阵之积,并且大幅度减少了平滑所需滤波计算量.结果 分析表明,新方法虽然与Mediteh、Rauch方法在代数上等价,但计算效率为Meditch方法 的两倍以上.     

固定区间平滑新算法及其在飞行试验中的应用

本文根据Kalman滤波和Rauch-Tung-Striebel固定区间平滑公式,提出了信息滤波-- 固定区间平滑的新算法,并给出了算法的U-D分解形式.由于改变了算法结构,使整个算法 的数值稳定性好、可靠性高,而且平滑算法计算量和平滑所需滤波计算量均大为减少.计算量 分析结果表明,新算法与Bierman序列滤波和固定区间平滑算法.Keigo. Watanabe前向平滑方 法相比较,计算量减少40%以上;当状态转移阵中各元素用K的函数表示时,计算量减少50% 以上.本文将此平滑算法用于实际飞机飞行试验的数据处理中,得到了令人满意的结果.     

基于平方根UKF双向滤波的单站无源定位算法

单站无源定位可观测性弱、参数测量精度不高,因此初始值测量误差往往较大.而无迹卡尔曼滤波(Unscented Kalman filtering,UKF)算法对初始值较为敏感,并且由于数值计算的舍入误差会产生滤波发散,为了解决以上问题,提出了一种基于平方根UKF(Square-root UKF,SRUKF)的双向滤波算法.该算法通过使用误差协方差的平方根替代协方差阵参与滤波,保证了算法的稳定性,同时运用平方根无迹卡尔曼滤波后向平滑(Un-scented Rauch-Tung-Striebel smoother,URTSS)后向平滑方法,用平滑值取代初始值,为前向滤波提供较高精度的起始值,提高算法的滤波精度,从而提高了算法对初始值的鲁棒性.仿真结果表明,与UKF算法和SRUKF算法相比,该算法提高了滤波的稳定性、收敛速度、定位精度及对初始值的鲁棒性.     

U—D分解的固定区间平滑新算法及其在飞行状态估计中的应用

鉴于目前固定区间平滑算法所存在的问题,本文根据Rauch—Tung—Striebd平滑公式,提出了一种U—D分解形式的固定区间平滑新算法,这种方法既有良好的数值稳定性和可靠性,又具有计算量小的优点,它比Bierman序列方法和Keigo.Watanabe的前向平滑方法都有效得多。此外,本文对状态和偏差的同时平滑进行了讨论,并把它用于实际飞行状态的估计,所得结果较理想。     

基于SIFT特征点的图像拼接技术研究

给出一种基于特征点的图像拼接方法,该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,计算出特征匹配点后,使用RANSAC算法剔除误配,并计算出两幅图像之间的坐标变换关系矩阵H.最终使用加权平滑算法完成了图像的无缝拼接.实验证明,该算法有效提高了图像拼接的效率和准确性.     

基于分段RTS平滑的凸组合航迹融合算法

针对凸组合航迹融合算法在过程噪声不为零的情况下性能下降的问题,引入了RTS平滑算法来提高融合性能。由于传统的RTS平滑算法是得到全部滤波结果之后才执行逆向平滑过程,造成输出延迟,为此,提出了分段RTS平滑算法,一方面可以提高航迹融合性能,另一方面能够保证融合过程中的实时性。在融合过程中,针对局部节点有无额外计算能力的不同情况,结合实施平滑步骤的时机,提出了基于分段RTS平滑的先平滑再融合和先融合再平滑两种改进的凸组合航迹融合方法。这两种方法在不同过程噪声水平下,性能表现都超过凸组合融合算法和最优融合算法。仿真结果表明了新算法的有效性和优越性。     

改进的TV模型图像修复算法

分析了基于整体变分(total variation,TV)模型的图像修复算法,TV模型修复算法只使用各向异性扩散,TV模型各向异性扩散仅向图像边缘方向扩散,容易在平滑区域引入阶梯效应.提出了一种改进的图像修复算法,该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,同时在平滑区域提高了迭代效率.Matlab环境下的仿真结果表明,改进算法的修复效果和峰值信噪比的计算结果均明显优于原始算法.     

最短路权矩阵法的改进

最短路权矩阵法是通过权矩阵计算来实现Dijkstra算法的一种方法.针对权矩阵法在大型网络应用中的不足,从提高算法效率和增强寻路直观性两个方面对其进行了改进,并给出了新的算法.新算法既能快速计算最短路权又能更直观地找出网络中的最短路,是一种计算最短路的简捷方法.仿真结果和算例表明了新算法的有效性.     

一种基于检索树的改进计数最近邻分类新算法

计数最近邻分类算法是一种以数据格论为理论依据的新分类算法,其优越性在于能不经转换地处理各种混合数据.本文在阐述和分析该算法的基本原理后,发现该算法的计算效率及存储效率有待改进提高,因此我们提出了一种基于检索树的改进计数最近邻分类新算法,其主要思想是通过构建检索树以减少重复数据的计算量,并以此提高算法的计算效率和存储效率.通过利用国家863项目数据集和多个UCI 公共数据集的综合测试,结果表明该新算法在具有大量重复数据的应用环境中效果明显,具有较高的计算和存储空间效率.     

Generalized fixed-interval smoothers for discrete-time systems

The generalized fixed-interval smoothing problem involves predictive information concerning the final state in addition to a priori information concerning the initial state. Forwards and backwards Markovian models which incorporate the predictive and a priori information, respectively, are constructed by simply using the standard smoothing formulae. The generalized backward- or forward-pass fixed-interval smoothing algorithm and two-filter smoothing algorithm are described in a unified manner. It is then shown that the generalized smoothers include as special cases almost all existing smoothers, e.g., Rauch–Tung–Striebel smoother, Mayne–Fraser two-filter smoother, Wall–Willsky–Sandell two-filter smoother and Desai–Weinert–Yusypchuk smoother. Simulation examples are included to illustrate the characteristics of the present fixed-interval smoothers.     

Smoothing properties of discrete-time zero-lag Kalman filter

In this paper it is shown than an estimate generated in a discrete time Kalman filter can, under certain circumstances, give better performance if some delay is allowed in the system. This fact is utilized to construct three simple suboptimal smoothers, all based on the structure of a Kalman filter. These smoothers are of low complexity as compared with the optimal ones. The conditions are given under which the performance of these suboptimal smoothers is better than that of a zero-lag Kalman filter. The methods of suboptimal smoothing considered give, in many cases, a possibility of obtaining results close to the optimal smoother. Several examples are presented.     

一种新的带白噪声估值器的固定滞后Kalman平滑器

本文基于经典Kalman滤波器和Mendel的输入白噪声估值器，应用射影理论，提 出了一种新的带白噪声估值器的最优固定滞后Kalman平滑器，且给出了平滑增益阵和平滑误 差方差阵新算法，避免了计算滤波和预报误差方差阵的逆矩阵，减少了计算负担．还提出了 相应的稳态次优固定滞后Kalman平滑器，它具有渐近稳定性．仿真例子说明了所提出的结果 的有效性．     

Systolic算法和阵列结构执行固定区间平滑

基于平方根算法提出了一种适合于并行计算的固定区间平滑的Systolic算法,这种算法 使得计算的快速性和数值稳定性都得到了提高.文中还提出了一种有效的脉动(Systloic)阵 列结构来实现此并行算法.对容错算法、处理器的利用率及计算速度作了简要地分析.     

Steady-state error covariances of fixed-point smoothers

The estimation error covariance of a fixed-point smoother in the steady-state, which has the steady-state solution of the Kalman filter as the initial condition, is considered for both continuous- and discrete-time systems. Applying some results on a stabilizing solution for a forward-pass fixed-interval smoother, a necessary and sufficient condition is given for assuring the existence of a unique stabilizing solution for such a fixed-point smoother. It is then shown that the resulting condition is equivalent to a well-known condition for the existence of a unique stabilizing solution of the Kalman filter or of the backward information filter.     

极点配置固定区间Kalman平滑器和Wiener平滑器

基于稳态Kalman滤波器和白噪声估值器,根据控制理论中的极点配置原理,提出了极 点配置固定区间稳态Kalman平滑器和Wiener平滑器.它们避免了计算最优平滑初值,且通过配 置平滑器的极点,可快速消除初始平滑估值的影响,因而它们具有在有限固定区间上的实用稳定 性,仿真例子说明了它们的有效性.     

Covariance factorization algorithms for fixed-interval smoothing oflinear discrete dynamic systems

Efficient factorized covariance smoothers designed to work with factorized covariance filters are derived for linear discrete dynamic systems. The approach to factorized covariance smoothers (either U -D or square root) uses outputs from factorized covariance filters and is closely derived from the G.J. Bierman's earlier algorithm (1974), the Dyer-McReynolds covariance smoother. These algorithms are more efficient than the Bierman's newer smoother (1983) based upon rank 1 process noise updates. The efficiency of the new algorithms increases significantly as the order of process noise increases. For full process noise, they can be implemented in a way that avoids the inverse of the transition matrix