空情目标的动态模糊决策方法研究

采用模糊数学中的模糊评价算法,并结合模糊决策方法对空情目标进行动态评价与决策,为空情目标的多目标、多因素评价与决策提供了科学的方法。     

基于VC++6.0的目标识别和跟踪算法验证系统

介绍了基于VC 6．0的目标识别和跟踪算法验证系统。该系统由图像导入、算法选择、单帧处理、多帧处理、AVI视频生成和播放、帮助等六大模块组成，可方便地进行目标识别和跟踪算法的开发，为最终研制实时图像处理系统提供依据。     

变维卡尔曼滤波算法的机动目标跟踪性能研究

卡尔曼滤波在非平稳矢量信号和噪声环境下具有广泛的应用,针对机动目标具有多个运动模型的特点,采用基于卡尔曼滤波的变维算法对机动目标进行跟踪处理,该算法首先建立了机动目标的非机动模型（CV）和机动模型CA）,然后对观测数据进行滤波和误差估计处理,最后通过计算机的蒙特卡洛仿真得到了滤波轨迹和机动目标的位置和速度误差,仿真结果表明变维卡尔曼滤波算法具有很好的目标跟踪性能.     

Tabu Search算法在优化配送路线问题中的应用

将TS算法应用到物流系统的配送路线优化问题中。在给出了此类问题的描述后,着重阐述了TS启发式算法的设计,编程实现此算法的要点。最后,用模拟算例对设计的算法进行了验证,计算结果是比较理想的。     

分布式雷达仿真系统

主要讨论了多型号雷达目标空情仿真系统及空情生成仿真器的实现的意义及原理 ,阐述了数字化模拟仿真在现代战争中的可行性、必要性和重要性。     

基于改进扩展卡尔曼滤波的单站无源定位算法

为了提高单站无源定位精度,降低定位误差,针对扩展卡尔曼滤波算法存在的不足,提出一种基于改进扩展卡尔曼滤波算法的单站无源定位方法。首先通过采集目标的相关信息,构建单站无源定位数学模型,然后利用改进扩展卡尔曼滤波算法目标位置进行估计,最后采用数据进行仿真对比实验。结果表明,相对于扩展卡尔曼滤波算法,改进扩展卡尔曼滤波提高了目标定位的精度,削弱异常误差对位置估值的影响。     

由TMS320C32芯片实现陀螺仪漂移卡尔曼滤波算法研究

陀螺仪漂移数据经过处理后将是一组高度相关的平稳随机时间序列.在对陀螺仪漂移数据建立时间序列AR模型的基础上,考虑到精度与实时性的要求,采用卡尔曼滤波算法对捷联陀螺"模拟漂移"数据进行了处理,并运用基于TI公司的TMS320C32型DSP对算法进行了实验.通过实时考察实验系统算法程序的运行情况可以看出,卡尔曼滤波算法能有效地提高陀螺精度,并且对于实时性要求高而计算量大的卡尔曼滤波算法,应用DSP技术实现具有良好的发展前景.     

面向算法的SIMD计算机数学模型及其应用研究

针对数据并行计算在图像处理中的应用研究，提出了数据并行计算机的面向算法的数学模型，以及利用该模型得到的一种新颖的、数据并行算法的数学描述方法．采用该数学描述方法对数据并行图像处理中的灰度直方图运算、区域增长法图像分割以及图像卷积运算等3类图像处理方法进行了描述．结果表明，该数学描述方法不仅简单可行和精确，而且，可以从数学公式中直接得到算法的通信复杂性和计算复杂性．该方法可以应用到数据并行计算的应用研究中作为数学描述的工具．     

基于声图像序列的快速目标跟踪算法

针对声图像具有对比度低、不同时刻目标回波变化大等特点,提出了一种基于卡尔曼滤波和数据关联算法的快速目标跟踪算法.该算法首先对声图像序列进行高斯平滑和自适应阈值分割处理,在此基础上建立卡尔曼滤波目标跟踪模型和数据关联目标匹配算法,分析计算了可跟踪的目标速度上限值.仿真结果表明,该算法可较准确地实现目标跟踪,允许的目标速度可满足实际应用的需要.同传统文献算法相比,该算法具有实时性好、鲁棒性强,能更好地适应目标分裂或合并等情形.     

转换坐标卡尔曼滤波算法分析

在非线性系统的目标跟踪中,常用的滤波算法是扩展卡尔曼滤波算法（EKFA）,但这种滤波算法常常会发散,近年来,Bar-Shalom等人在二维平面上提出了转换坐标卡尔曼滤波算法（CMKFA）,并通过仿真实验证明了在非线性系统的目标跟踪中此算法优于扩展卡尔曼滤波算法（EKFA）,文中对转换坐标卡尔曼滤波算法进行了深入的研究,通过理论推导证明了当状态方程和测量方程满足一定条件时,转换坐标卡尔曼滤波算法是去偏转换测量值的线性无偏最小方差估计算法。     

自主移动机器人定位系统中Kalman滤波算法改进*

为了解决常规Kalman滤波算法在移动机器人定位过程中运算量大、精度不高的问题,在分析传统Kalman滤波器缺点的基础上,提出了一种基于UT参数变换的方法对常规Kalman滤波算法进行了改进。改进后的Kalman滤波算法消减了传统Kalman滤波器高阶项无法忽略而带来的误差。实验结果表明,改进型的Kalman滤波算法使机器人的最大位置偏差得到减小,对移动机器人的定位精度有明显改善,误差仿真曲线表明,改进后的定位结果误差波动不明显,使定位系统的稳定性得到了较大提高。     

基于混合卡尔曼滤波的组合导航算法研究

建立了精确制导炸弹MINS/GPS组合导航数学模型.针对扩展卡尔曼滤波存在的问题,研究了非线性滤波,提出了一种新的滤波算法——混合卡尔曼粒子滤波,并应用于组合导航系统定位.仿真结果表明：混合卡尔曼粒子滤波能有效提高组合导航系统的精度和可靠性.     

一种改进中心差分卡尔曼滤波方法

针对中心差分卡尔曼滤波（CDKF）跟踪时估计精度较低这一不足,提出了一种基于迭代测量更新的中心差分卡尔曼滤波（ICDKF）方法。本文将迭代滤波理论引入到中心差分卡尔曼滤波算法中,重复利用观测信息,采用经典的非线性非高斯模型进行仿真实验,给出了该算法与扩展卡尔曼滤波（EKF）、中心差分卡尔曼滤波（CDKF）的仿真结果,并分析了其跟踪性能和均方根误差。实验结果表明,迭代中心差分卡尔曼滤波（ICDKF）算法不仅具有无需计算Jacobian矩阵的优点,而且具有更高的估计精度。     

一种实用的融合方法在辅助粒子滤波中的应用

研究机动目标跟踪优化问题,传统的扩展卡尔曼滤波(Extended Kalman Filtering,EKF),无迹卡尔曼滤波(UnscentedKalman Filtering,UKF)跟踪机动目标强非线性系统,滤波精度有限,并存在噪声。为了提高跟踪滤波的精准性和可靠性,提出建立一种协同转弯非线性模型,将辅助粒子滤波(Auxiliary Particle Filtering)和数据融合相结合的跟踪滤波算法。辅助粒子滤波在重采样前对各个粒子权值依据似然函数进行修正,同时采用一种将多个滤波器结合的实用的数据融合方法,可以进一步提高滤波精度。经仿真表明,算法能减小运算量,并能很好的提高跟踪滤波精度。     

小型尾坐式飞行器自适应SRUKF姿态算法

针对小型尾坐式飞行器姿态估计问题,设计了由陀螺、加速度计、磁强计组成的姿态测量系统。为了抑制MEMS陀螺漂移导致的姿态误差,以四元数为状态变量,以加速度计和磁强计的输出作为观测变量,建立了滤波模型。采用平方根无迹卡尔曼滤波(SRUKF)对传感器信息进行融合,保证了滤波算法的数值稳定性。由于小型尾坐式飞行器抗干扰能力弱,引入自适应算法,解决了量测信息受到干扰时滤波精度下降的问题,提高了系统的鲁棒性和可靠性。仿真结果表明,存在外界磁场干扰时,姿态误差小于1°。通过实际飞行实验,验证了算法的可行性。     

一种新型变增益UKF

UKF是一种适应用于非线性系统的非线性滤波器,其没有进行Jaclbian矩阵计算,有着EKF无法比较的优点.由于系统建模不准确等原因,UKF滤波算法不具备对系统突变状态的跟踪能力,使得在系统出现扰动或观测异常时会出现不稳定甚至发散等现象.提出了一种新型变增益无迹kalman滤波,并与标准无迹kalman滤波器进行了仿真实验对比.实验结果显示,该滤波器具有对系统突一次的强跟踪能力.     

基于卡尔曼滤波算法的MEMS陀螺仪误差补偿研究

为了补偿MEMS陀螺仪的漂移误差,本文采用了一种新的卡尔曼滤波算法。文中对MPU3050陀螺仪进行分析,提出其漂移模型。通过分析陀螺仪的误差,建立陀螺仪的误差模型。卡尔曼滤波的效果通过阿伦方差进行评估,与其他滤波算法比较,在MEMS陀螺仪中采用卡尔曼滤波算法可以有效的减少SCM（单片机）计算,并在转台上对陀螺仪进行测试。实验结果表明,结合误差模型和卡尔曼滤波算法可有有效的减少陀螺仪的漂移误差。     

UKF联合滤波器在车辆定位系统中的应用

传统的应用于GPS/DR组合定位系统中的联合卡尔曼滤波器都是由扩展卡尔曼滤波器(EKF)构成,而EKF具有滤波收敛速度慢、对系统模型误差和噪声统计特性的鲁棒性差和实际中难以实施等缺点,这些对联合卡尔曼滤波器的整体滤波性能和实用性都会产生不利影响.针对这一问题,通过用无迹卡尔曼滤波器(UKF)来替代EKF构成一种新型的基于UKF的联合卡尔曼滤波器,并将这种联合滤波器应用于GPS/DR车辆组合定位系统中.通过详细的计算机仿真和分析后,结果表明与传统的基于EKF的联合卡尔曼滤波器相比 ,该联合卡尔曼滤波器的滤波精度、收敛速度、鲁棒性、实用性和可靠性都得到了很大的改善,满足了定位系统低成本和高精度的要求,具有一定的应用价值.     

UKF与EKF在空对海单站TO-TMA中的应用

探讨了目标运动分析(Target moving analysis,TMA)中基本的非线性估计问题,介绍了基于UT的UKF 算法的设计思想与具体实现,特别针对空对海单站无源到达时间TMA(TO-TMA)问题应用UKF和EKF进行了对照研究,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,给出了Monte Carlo仿真运行结果;表明UKF在该特定应用背景下,由于模型的非线性较弱,使得UKF在精度上与EKF相当,而且在运算量上也有所增加.     

基于卡尔曼滤波算法的室内无线定位系统

针对基于接收信号强度(RSS)的室内无线定位方法存在信号误差的问题,引入了一种基于模糊自适应控制的卡尔曼滤波算法.该滤波方法不仅有效地抑制了定位数据信息的误差发散,而且能充分利用线性插值法对随机误差进行补偿.实验表明它对静止和移动目标都能有效的提高定位精度,能较全面地满足复杂室内空间定位的需求.