一种新的混合智能粒子滤波算法在雷达机动目标跟踪中的应用

标准粒子滤波算法的精度不高,鲁棒性差标准粒子滤波算法的精度不高,鲁棒性差难以满足雷达目标跟踪的要求。本文提出了一种新的适用于雷达目标跟踪的智能粒子滤波算法,在粒子滤波中先利用人工鱼群的全局收敛性找到满意的解域,再利用粒子群算法引导粒子向高斯然区域移动,提高滤波精度。仿真表明该算法可以在强闪烁噪声下有效地跳出局部最优,搜索到理想的粒子最优值,提高雷达机动目标跟踪的精度。     

阴影匹配/粒子滤波自适应加权组合定位算法

针对城市峡谷场景中,传统阴影匹配定位算法只能提高过街定位精度,不能提高沿街定位精度问题,基于粒子滤波定位算法定位精度的分布特点,提出了阴影匹配/粒子滤波自适应加权组合定位算法。该算法根据阴影匹配运动状态下定位驻留时间特性和模板分值统计特性,计算自适应加权因子,对阴影匹配和粒子滤波定位算法进行自适应加权,得到最终定位结果。试验结果表明:该算法与阴影匹配、粒子滤波、阴影匹配/卡尔曼滤波组合、阴影匹配/粒子滤波组合定位算法相比,分别在沿街方向平均误差从5.04m缩小到2.80m,在过街方向平均误差从4.87m缩小到1.30m,均方根误差从6.82m缩小到3.47m。     

基于交互式多模型粒子滤波的状态估计方法

为了提高目标跟踪中状态估计环节的性能,基于交互式多模型粒子滤波的状态估计方法,采用交互式多模型(IMM)描述目标的运动过程,利用粒子滤波算法进行目标状态估计。方法避免了单一运动模型所带来的估计误差,同时克服了卡尔曼跟踪滤波算法的局限性,有效的提升了状态估计精确度。仿真实验证明了该方法在缺乏关于先验知识的情况下,对于不同的运动形式,均取得了较好的自适应性与鲁棒性。     

一种新的可控粒子数无源定位滤波算法研究

在非高斯非线性的无源定位系统中,建立了一种基于相位差变化率的无源定位模型,提出了一种新的可控粒子数无源定位滤波(PCPLF)算法,该算法利用噪声均方差与有效粒子数之间的关系,通过自适应调节噪声均方差,将有效粒子数控制在一定的阀值范围内,使权值基本上服从均匀分布,能够避免粒子的严重退化,提高系统的定位精度及稳定性.最后通过计算机仿真验证了PCPLF算法能够有效提高定位精度及稳定性.     

基于颜色和轮廓特征的目标视觉跟踪算法研究

针对目前大多数视觉跟踪算法仅采用颜色特征进行跟踪,易导致跟踪错误的问题,提出了一种基于颜色和轮廓特征的改进粒子滤波算法。算法利用粒子滤波(PF)对目标进行预测,通过Camshift搜索对粒子进行优化,根据搜索窗口面积信息将目标的颜色和轮廓信息自适应的结合起来。实验表明,该算法在处理遮挡和相似色干扰方面优于传统的PF+Camshift跟踪算法,且具有良好的鲁棒性和实时性。     

一种新的混合优化粒子滤波算法

针对标准粒子滤波算法的精度不高,对噪声变化敏感的缺点,将一种新的混合智能优化算法引入粒子滤波。在粒子滤波中将人工鱼群算法全局搜索与微粒群算法的局部搜索相结合,融合最新的观测值,使粒子更准确地向高似然区域移动,既保证了全局收敛性,又保证了较快的收敛速度。实验表明该方法具有精度高,抗噪声干扰能力强并且鲁棒性高的特点。     

闪烁噪声下目标跟踪的改进粒子滤波算法

针对目标跟踪系统具有强非线性非高斯的特点,提出了一种强跟踪粒子滤波(STUPF)算法.该算法将无迹卡尔曼滤波器(UKF)与强跟踪滤波器(STF)相结合作为粒子滤波提议分布,具有在线调节滤波增益阵,提高滤波器跟踪突变状态的能力.在给出闪烁噪声统计模型的基础上,将STUPF应用在几种典型目标运动模型跟踪系统中,并同UKF和...     

未知杂波状态下基于箱粒子滤波的PHD算法

针对未知杂波环境中,传统的多目标概率假设密度(PHD)滤波器跟踪精度无法保证,所需粒子支撑集过大导致效率低下的问题,引入了区间分析技术,提出了未知杂波状态下基于箱粒子滤波的PHD算法。该算法首先完成对雷达目标和杂波的混合空间随机有限集模型的构建,然后基于箱粒子滤波技术,利用量测数据建立未知杂波模型,推导出目标状态更新方程,并用多目标箱粒子PHD滤波递推地估计目标状态。仿真实验表明,当杂波环境与先验模型不匹配时,相较于多目标粒子滤波算法,该算法在保证目标跟踪性能的同时,有效减少了算法的计算时间。     

基于粒子滤波的移动机器人跟踪定位算法

针对移动机器人在非线性系统中匀速运动的实时跟踪定位问题,对基于粒子滤波的移动机器人跟踪定位算法进行研究.在控制系统中引入粒子滤波算法,并在此基础上引入退化因子,最后进行仿真验证.结果表明:该算法能避免粒子滤波算法在非线性系统的失效和单样本等问题,改善移动机器人在跟踪定位系统中的非高斯噪声影响,明显提高移动机器人定位精度.     

有色噪声下基于总体最小二乘和卡尔曼滤波的无源定位方法

研究了有色量测噪声条件下存在系统误差时的单站纯方位角无源定位问题, 给出了一种新的迭代总体最小二乘Kalman滤波算法.该算法利用总体最小二乘法(TLS)进行无源定位,并通过有色量测噪声下的Kalman滤波对系统误差进行估计,将该滤波与TLS进行迭代,可有效抑制色噪声的干扰并大大减小系统误差对定位精度的影响,计算机仿真验证了该算法的有效性,且其性能优于文中其他几种算法.     

基于联邦粒子滤波器的多传感器信息融合算法

提出了一种新的SINS/CNS/GPS组合导航观测方程,并给SINS/CNS/GPS组合导航系统设计了一种新的联邦式数据融合结构。使用粒子滤波器对联邦滤波子系统的多源数据进行融合处理,从而摆脱了经典卡尔曼滤波器的限制。仿真结果表明所提算法在SINS/CNS/GPS组合导航系统的信息融合中是有效性的。     

基于卡尔曼滤波的交互式多模型GPS定位方法研究

针对GPS定位中,由于模型单一而不能适应环境影响或机动过程变化的问题,提出将交互式多模型算法引入到定位方法中。文中详细阐述了基于卡尔曼(Kalman)滤波的交互式多模型(IMMKF)算法原理及其在GPS定位中的应用。根据静态单点定位实测数据的试验分析,验证了变噪声模型的IMMKF能很好地适应环境噪声的变化;进一步通过动...     

基于时间序列的GPS误差建模及单点定位精度研究

研究了以数据处理方式提高GPS单点定位精度的方法，详细阐述了时间序列法在GPS误差一阶差分序列建模中的应用。根据实测数据建立了适合GPS误差一阶差分序列的AR(n)模型，采用最小二乘法求得了模型参数值；利用条件期望有效实现了误差序列的一步预测；通过对观测值的实时修正提高了普通GPS接收机的定位精度。文中最后得出的高程误差曲线图及误差概率分布图说明了该方法的有效性租可靠性。     

提高GPS定位精度的自适应IMM滤波算法

为提高GPS动态定位解算精度,将IMM算法引入到GPS定位解算中,利用匀速模型和当前统计模型进行交互。利用位置估计值与加速度的函数关系自适应调整加速度方差,同时引入强跟踪滤波器,提高模型对载体突发机动的自适应跟踪能力。利用SpirentGPS模拟器和NovAtel差分系统及NovAtel接收机分别进行了仿真实验和跑车实验。实验结果表明,该算法的定位精度优于标准的当前模型滤波算法和No-vAtel接收机。     

基于SKF 多传感器融合的无人机航迹规划

针对无人机在未知环境下航迹规划难的问题,提出一种基于开关卡尔曼滤波器(switching Kalman filter, SKF)无人机定位和航迹规划的方法。根据多假设理论,建立地图观测数据,结合基于INS/GPS/GIS 多传感器融合 的航迹匹配方法,使用SKF 算法完成多传感器融合和多模型的参数估计,实现无人机的自主定位和航迹规划。仿真 试验结果表明：该算法稳定性好、收敛速度较快、计算复杂度小,具有较高的航迹估计精度。     

飞航导弹INS／GPS组合制导仿真分析

介绍了INS／GPS组合导航在飞航导弹制导中的应用，结合假定弹道，对飞航导弹INS／GPS组合导航系统信息处理过程进行了建模与仿真，分析了陀螺漂移、GPS定位精度对INS／GPS组合导航系统制导精度的影响。     

基于低成本传感器的航弹组合导航算法

为了降低航弹成本、提升装备效费比,以低成本航空制导炸弹的组合导航系统为研究对象进行算法研究.利用扩展卡尔曼滤波算法构建以MEMS陀螺和加速计为核心,GPS辅助的低成本、高精度组合导航系统,采用无人机飞行试验对该系统的导航性能进行评估,得出误差数据,并与纯惯性导航结果相对比.实验结果表明:该导航系统定位精度能达到2 m以内,系统解算精度满足航空制导炸弹飞行要求,对常规航弹制导化改造具有工程实际意义.     

双目视觉无人机自主着陆时测量和跟踪的理论研究

分析了在无GPS辅助测量的情况下利用双摄像机和陀螺仪的有效组合实现无人机自主着陆时飞机方位和姿态的自动跟踪和处理的可行性.针对测量和跟踪的精度问题, 在理论上详细阐述了联合测量和跟踪系统的结构和实现方法.     

组合GPS/GLONASS加权单点定位方法

提出了一种基于验后估计法定权的组合GPS/GLONASS单点定位方法。研究表明 ,该方法理论上严格 ,实践上可行 ,比根据经验给GPS/GLONASS组合观测量值定权更合理。该方法可以推广到组合GPS/GLONASS伪距和载波相位相对定位。     

差分GPS定位系统在常规兵器试验基地中的应用

论述了差分 GPS定位系统的工作原理 ,以及 GPS系统使用的大地坐标与大地测量使用的平面直角坐标的换算原理和使用于电算的计算公式。并介绍了采用一种较低成本的差分 GPS定位系统在常规兵器试验基地进行场点大地测量的实用方法。