基于粒子滤波的小波特征跟踪方法研究

该文提出了基于粒子滤波的小波特征跟踪方法。粒子滤波基于蒙特卡罗模拟方法来实现递推贝叶斯滤波,是一种实用的后验概率求解方法。文中研究了目标的Gabor小波网络表示,用一定数量的小波构成一个集合来表示目标特征,各小波的参数由优化方法来确定。构建了基于粒子滤波的跟踪框架,每个粒子表示一种Gabor小波网络的可能形式,并计算与当前图像的相似度。粒子权值与相似度成正比,目标状态的后验概率由粒子加权表示。与传统的“峰值”跟踪方法不同,粒子滤波具有“多峰”的跟踪形式。并结合对光照、噪声不敏感的小波表示形式,具有较强的抗局部遮挡能力。     

航空有源滤波器自适应谐波检测仿真研究

介绍了基于自适应滤波理论的谐波检测原理,分析了自适应神经元算法用于谐波检测的可行性,设计了基于自适应谐波检测的并联型航空混合有源滤波器,对滤波特性进行了仿真研究。结果表明,基于自适应滤波理论的谐波检测方法能够快速、精确地检测相电流谐波含量,在相电压波形发生畸变的情况下,也具有较好的自适应能力、快速补偿能力和跟踪性能。     

针对直流型负载的有源电力滤波技术研究

针对直流型负载的有源电力滤波技术进行研究,分析APF的工作原理,通过建立数学模型,采用ip、iq方式的瞬时无功功率算法检测计算各次谐波的幅值与无功电流,使用滞环比较法实现在APF上对谐波电流的跟踪补偿。在MATLAB仿真平台上搭建APF装置的模型,验证了谐波电流检测算法与APF控制方法的正确性,说明搭建的APF装置能完成对高次谐波的跟踪补偿。     

综合颜色和小波纹理特征的免疫粒子滤波视觉跟踪

针对标准粒子滤波视觉跟踪时的缺陷,尤其是其“样贫”和目标特征不明显等问题,提出了结合小波纹理特征的免疫粒子滤波算法.小波纹理特征的加入,使得单纯依靠颜色特征不能很好适应环境变化的情况得到了改善.同时通过加入免疫优化算法,提高了粒子的多样性,尤其是在发生遮挡时减少了“样贫”的影响.通过实验验证了所提算法的有效性和鲁棒性....     

相关滤波目标跟踪进展综述

目的 目标跟踪是计算机视觉中的关键问题,在人机交互、行为识别等领域有着非常广泛的应用。最近,相关滤波理论由于其高效性和鲁棒性,被用于目标跟踪领域,取得了一系列新的进展,成为目标跟踪领域的研究热点,得到越来越多的关注。为使更多国内外研究者对相关滤波目标跟踪理论及其发展进行探索,本文对该领域研究现状进行综述。方法 首先介绍相关滤波跟踪的一般框架,在此基础上,给出相关滤波理论,并重点对经典相关滤波跟踪算法——核相关滤波（KCF）跟踪算法进行详细描述,然后讨论目标跟踪中常见问题的处理——特征的有效表示和尺度变化的适应,并进一步从3个方面分析当前研究现状,指出未来可能的发展趋势。结果 采用目标跟踪基准数据库（OTB-2013）中的50组视频序列进行实验,分析比较45种不同跟踪算法的性能,包括14种代表性相关滤波跟踪算法。在总体性能评估中给出排名前15位的跟踪算法,其中相关滤波跟踪算法占11个,充分体现此类算法的优越性。结论 相关滤波理论在目标跟踪领域的研究取得了显著的进展,具有广阔的应用前景,但受复杂场景及目标外观剧烈变化等因素影响,目标跟踪仍是一个极具挑战的问题。研究高效、鲁棒的相关滤波目标跟踪算法具有非常重要的意义。     

近年目标跟踪算法短评——相关滤波与深度学习

目的 目标跟踪是计算机视觉领域的重要组成部分。近年来,基于相关滤波和深度学习的目标跟踪算法层出不穷,本文拟对经典的若干目标跟踪算法进行阐述与分析。方法 首先,对基于相关滤波跟踪算法的基础理论进行介绍,针对相关滤波算法在特征改进类、尺度改进类、消除边界效应类、图像分块类与目标响应自适应类方面进行总结;接下来,从3个方面对基于深度学习的目标跟踪算法进行阐述与分析：目标分类、结构化回归、孪生网络,并对有代表性的跟踪算法的优势与缺陷进行较深层次的解读。结果 通过列举跟踪算法在相关滤波阶段、深度学习阶段针对不同的改进机制的改进算法,总结各阶段算法的优缺点。对目标跟踪算法的最新进展进行阐述,最终对目标跟踪算法的未来发展方向进行总结。结论 基于相关滤波的目标算法在实时性方面表现优秀,但对于复杂背景干扰、相似物遮挡等情况仍然需要优化。深层的卷积特征对于目标有强大的表示力,通过使相关滤波算法与深度学习结合,大幅度提升了算法表现力。基于深度学习的跟踪算法则更侧重于跟踪的性能,大多无法满足实时性。孪生神经网络的使用对于基于深度学习类目标跟踪算法产生了很大的推动,兼顾了算法的性能和实时性。     

感应滤波12脉波整流系统谐波抑制仿真研究

传统12脉波工业整流系统仍会产生大量谐波和无功,研究了一种基于感应滤波技术的新型12脉波工业整流系统,通过仿真分析研究其在谐波抑制方面的优越性。在阐述了感应滤波技术滤波机理的基础上,利用MATLAB/Simulink中电力系统仿真模块(PSB)工具,建立感应型换流变压器及其滤波单元构建的新型12脉波工业整流系统仿真模型,通过与传统12脉波整流系统对比仿真研究,使用感应滤波时仿真结果网侧谐波THD仅为0.73%,表明了感应滤波技术能将谐波抑制于阀侧,避免其经过变压器流入电网并能减少对设备的损耗及谐波对电网的影响。     

基于自适应仿生小波变换的语音增强方法

分析自适应滤波和小波滤波的原理与方法,提出一种基于自适应仿生小波变换的语音增强方法.该方法首先用仿生小波变换对含噪语音信号进行小波分解,这样可以保证对信号频率和幅值的听觉特性,然后将经仿生小波变换所分离出来的噪声成分作为自适应滤波器的输入.通过选用自适应滤波器的最小二乘算法(RLS)从而实现信噪分离的最佳滤波,以保证去除信号中的相关噪声.实验结果表明,该方法对语音信号有显著的增强效果,能实现语音信号在同频段对噪声成分和有用信号的最佳估计.     

一种改进的形态-小波阈值降噪方法

现场采集的旋转机械振动信号中一般存在强脉冲干扰和白噪声,小波阈值滤波对白噪声的滤波效果好,但对脉冲干扰的滤除效果不佳,而形态滤波虽然可以有效地剔除脉冲干扰,但不易滤除白噪声。针对这些问题,提出了一种基于形态滤波和改进的小波阈值滤波相结合的综合滤波方法。该滤波方法结合了两种滤波方法的优点,能够同时有效地滤除旋转机械振动信号中的脉冲干扰和白噪声。通过仿真信号和现场采集的转子振动信号进行了实验验证,结果表明,形态滤波与改进的小波阈值滤波相结合的滤波方法很好地滤除了转子振动信号中的噪声成分,进而提取出淹没在噪声中的转子振动信号。     

一种谐波电流的检测方法

采用小波变换对电力系统中的谐波电流进行滤波,对检测出的基波电流进行了误差分析。小波变换具有良好的时频局部化特性,克服了传统FFT法仅有频域局部化的缺点,对于闪变信号十分敏感。仿真结果表明,此方法可以很好地跟踪时变谐波,准确检测出闪变电流信号,可以满足有源滤波器(APF)的实时检测要求。     

基于MATLAB的相关滤波跟踪算法仿真分析

摘要：基于相关滤波的目标跟踪算法是一种常见的视觉跟踪方法,它利用目标的特征信息进行跟踪;在跟踪过程中通过计算目标模板与当前帧图像中候选区域之间的相关性来判断目标的位置;通过介绍首个将相关滤波理念与目标跟踪技术相结合的MOSSE算法,引入了三种基于此算法的改进相关滤波跟踪算法：KCF算法、DSST算法以及BACF算法;并基于视频跟踪基准OTB100数据集在MATLAB平台进行仿真实验,一次性评估标准下,BACF算法的平均成功率与平均精确度分别为最高的64.5%与80.4%,空间鲁棒性评估标准下,BACF算法的平均成功率与平均精确度分别为最高的58.2%与78.6%,时间鲁棒性评估标准下,BACF算法的平均成功率与平均精确度分别为最高的65.8%与85.1%,因此BACF算法的跟踪性能最佳,而KCF算法实现了最高的154.36帧率的跟踪速度。     

深度特征的核相关滤波视觉跟踪

针对核相关滤波目标跟踪算法中传统手工特征的不足,以核相关滤波方法的目标跟踪技术作为研究对象,利用深度卷积神经网络自动提取待跟踪目标的深度卷积特征,来代替传统的手工特征,利用从不同卷积层提取到的深度卷积特征分别经过核相关滤波器学习来得到不同的特征图,然后对多个特征图进行加权融合来确定待跟踪目标在视频序列中的位置,以此来提高跟踪算法在复杂干扰背景下的鲁棒性。     

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.     

Singer模型下α-β-γ滤波的新息序列特性分析

卡尔曼滤波条件下新息序列的白噪声特性在跟踪过程中具有十分重要的作用。但在实际工程中,α-β-γ滤波器因其较小的计算量常取代卡尔曼滤波器得以应用,这时需要对该滤波条件下的新息相关特性进行研究,以此来指导野值剔除和机动检测方案的重新设计。从理论上推导了Singer模型下α-β-γ滤波的新息序列相关特性计算的一般表达式,在两组特定的取值下,研究和分析了滤波达到稳态时新息序列的相关特性,用仿真验证了理论推导的正确性。理论和仿真结果均表明,两种情况下的新息序列都具有一定的相关性。     

一种基于核相关滤波的视觉跟踪算法

视觉跟踪是计算机视觉的一个重要方向,而核相关滤波(KCF)跟踪是视觉跟踪领域中的一种比较新颖的方法,它不同于传统基于目标特征的方法,不仅具有较高的跟踪精度,而且具有较快的跟踪速度,在实际应用中效果显著。但当物体快速运动或存在较大尺度变化等时,该方法无法准确地跟踪目标。文中提出的基于核相关滤波器的改进算法有效地解决了上述问题,其通过随机更新多模板匹配,确定了核相关滤波的学习因子,从而实现了学习因子自适应更新模型。实验结果表明,该算法根据不同的场景能快速地调整学习因子,从而提高跟踪的成功度。通过自适应学习因子和多模板匹配,该算法对部分遮挡、光照和目标尺度变化具有较强的适应性。     

WMSN目标跟踪的改进粒子滤波算法

分析了无线移动传感器网络中目标的跟踪原理,研究了基本粒子滤波算法的主要技术。对基本粒子滤波的重要性函数和重采样技术进行改进后,给出了一种提高基本粒子滤波算法跟踪精度的方法。通过仿真比较可以看出改进粒子滤波算法有较好的跟踪精度。在无线移动传感器网络中强调跟踪精度的场合,改进的粒子滤波算法会有更好的跟踪效果。     

Major Development Under Gaussian Filtering Since Unscented Kalman Filter

Filtering is a recursive estimation of hidden states of a dynamic system from noisy measurements. Such problems appear in several branches of science and technology, ranging from target tracking to biomedical monitoring. A commonly practiced approach of filtering with nonlinear systems is Gaussian filtering. The early Gaussian filters used a derivative-based implementation, and suffered from several drawbacks, such as the smoothness requirements of system models and poor stability. A derivative-free numerical approximation-based Gaussian filter, named the unscented Kalman filter (UKF), was introduced in the nineties, which offered several advantages over the derivative-based Gaussian filters. Since the proposition of UKF, derivative-free Gaussian filtering has been a highly active research area. This paper reviews significant developments made under Gaussian filtering since the proposition of UKF. The review is particularly focused on three categories of developments: i) advancing the numerical approximation methods; ii) modifying the conventional Gaussian approach to further improve the filtering performance; and iii) constrained filtering to address the problem of discrete-time formulation of process dynamics. This review highlights the computational aspect of recent developments in all three categories. The performance of various filters are analyzed by simulating them with real-life target tracking problems.      

自适应卡尔曼滤波在目标跟踪系统中的应用

目标跟踪是精确制导系统中的重要组成部分.文中针对运动目标跟踪问题,在建立运动模型的基础上,应用卡尔曼滤波算法进行了跟踪仿真研究.考虑到直角坐标系下的扩展卡尔曼滤波容易发散,可能导致滤波精度变差,所以文章提出一种针对非线性观测模型和线性动态模型的自适应推广卡尔曼滤波器.直角坐标系下的自适应卡尔曼滤波算法,对虚拟噪声进行了估计,动态补偿观测器模型的线性化误差,削减了系统的观测误差,并对其滤波理论及算法进行了仿真研究.结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法.     

Efficient estimation of hybrid systems with applications to tracking

Particle filtering has been recognised as a superior alternative to the traditional estimation methods as it is applicable to nonlinear/non-Gaussian system. A central issue in real-time applications of particle filtering is its high computational cost. This problem is compounded when it is used in hybrid system estimation. A new particle filtering method for nonlinear/non-Gaussian hybrid system estimation is proposed in this article. The new method integrates the high-accuracy interacting multiple model particle filtering algorithm with the computationally efficient observation and transition-based most likely modes tracking particle filtering algorithm to get high-accuracy estimation with reduced computational load. The algorithm is applied to a manoeuvring target tracking application to demonstrate its efficiency.