基于量测迭代更新集合卡尔曼滤波的机动目标跟踪算法

在机动目标跟踪中,用于模型辨识和状态估计的非线性滤波器的合理选择和优化是提升滤波精度的关键.融合量测迭代更新集合卡尔曼滤波和交互式多模型(interacting multiple models,IMM)方法,本文提出了基于量测迭代更新集合卡尔曼滤波的机动目标跟踪算法.通过迭代更新思想的引入构建了一种量测迭代更新下集合卡尔曼滤波的实现结构,并将其作为IMM的模型滤波器实现对于目标运动模式和状态的辨识与估计.针对算法结合过程中滤波精度和计算量的平衡,设计了用于输入交互环节的状态估计样本,同时简化输入交互环节和输出交互环节中滤波误差协方差矩阵的交互过程.理论分析和仿真结果验证了算法的可行性和有效性.     

一种载频信息未知的目标方位估计快速算法

针对载频未知目标方位估计方法的二维搜索运算量大的问题,提出一种基于分离变量方法的目标方位估计新方法,该方法通过泰勒展开将阵列的导向矢量近似为仅含有方位因子的矩阵和仅含有频率因子的向量的积,并通过矩阵变换将二维MUSIC方位估计的空间谱函数中的频率因子约去,在此基础上进行目标的方位估计。整个计算过程只需进行一维搜索即可获得多个目标的方位,有效地减少了原二维搜索算法的计算量。仿真结果表明:该方法高信噪比条件下均方根误差约为0.3°,可以满足工程需要。     

近场声源定位的改进最大似然方法研究

研究近场声源定位性能优化问题,针对常规最大似然方法在空间非均匀高斯噪声背景下定位准确率下降的问题,基于平面阵建立了近场声源信号模型,推导了空间非均匀噪声条件下求解声源方位和距离信息的最大似然定位方法,提出使用引力搜索算法解决了以上最大似然方法在多维参数空间搜索的高运算复杂度问题,通过仿真验证了改进方法的可行性和有效性,并说明估计精度较高,在低信噪比下方位和距离的均方误差都小于常规最大似然方法,并且在高信噪比条件下方位和距离的均方误差都逼近克拉美-罗界.     

一种人脸图像特征提取的局部和整体间距嵌入方法

针对边界Fisher分析(MFA)构建的惩罚图没有充分描述类间数据分离度的缺点,提出一种局部和整体间距嵌入(LGME)特征提取方法。该方法在构建惩罚图时采用了全部的不同类样本数据对,并适当地强调了间距较小的不同类样本数据对的作用。与MFA相比,LGME同时使用类间数据的局部和整体间距信息,对类间数据分离度进行了充分描述,从而使其提取的数据特征具有更强的判别力。实验结果表明,LGME方法提取的人脸图像特征在用于人脸识别时,具有较高的识别率,且更具鲁棒性。     

量测不确定下多传感器自适应粒子滤波算法

针对量测不确定条件下多传感器量测数据的有效利用问题,提出一种多传感器自适应粒子滤波算法.利用随机采样策略和量测模型转移概率实现当前时刻多传感器量测集合的采样,通过粒子滤波中重采样步骤完成估计状态和量测集合的更新,进而依据重采样后单个传感器量测数目在传感器量测集合中的比重实现当前时刻传感器量测的确认.该算法通过有效量测的合理选择,改善了扰动对滤波精度和计算量的不利影响.理论分析和仿真实验均验证了所提出算法的有效性.     

带材非对角非对称巨磁阻抗效应传感机理建模

非对角非对称巨磁阻抗效应机理建模是研制高灵敏巨磁阻抗磁传感器的重要基础工作.综合考虑非对称巨磁阻抗效应存在的3种工作模式,建立带材高频特性的理论模型,基于线性Landau-Lifshitz动力学方程和Maxwell方程推导传感用非对角电压的表达式,数值分析讨论非晶层厚度和直流偏置电流对输出电压场特性的影响.研究结果与实验结果相符合,表明所建立模型方法是有效的、正确的,对更加系统、全面研究非对称巨磁阻抗效应具有一定的指导价值,有助于高性能的磁传感器的研制.     

基于多传感器粒子权重优化的序贯最大似然比故障诊断算法

针对多传感器量测下非线性系统故障诊断问题,给 出了一种基于多传感器粒子权重优化的序贯最大似然 比检验——故障诊断(SMLR-MWOPF)算法。首先,为改善量测随机噪声对粒子权重度量稳定 性不良影响,结合多源信息融合技术实现 对多传感器量测中冗余和互补信息的提取和利用,设计一种粒子权重优化策略;通过减小粒 子权重方差以改善粒 子权重的可靠性和稳定性,进而实现滤波器估计精度的提升。其次,结合序贯概率比检验(S PRT)和交互式多模型(IMM)框架构 建了一种基于残差检测的在线序贯最大似然比检验方法;另外,在结构上合理简化输入交互 和输出交互环节,以 降低粒子滤波(PF)在IMM模型结构实现中的计算复杂度。理论分析和仿真实验验证了算法的 可行性和有效性。     

MIMO声纳方位估计子空间拟合快速算法

为了充分利用多输入多输出（multiple input multiple output ,MIMO ）声纳的虚拟阵列孔径的性能,针对目标的方位估计问题,提出了一种M IMO声纳系统的目标方位估计方法,该方法由发射阵列发射正交信号,接收阵列首先对接受信号进行匹配滤波,然后构造子空间拟合关系,最后采用马尔可夫蒙特卡罗吉布斯抽样方法解决子空间拟合求解运算量大的问题．仿真研究表明,两目标条件下,采用该方法的MIMO声纳系统方位估计精度在中低信噪比条件下接近MIMO最大似然方位估计,优于其它MIMO阵列方位估计方法,而运算量只是最大似然方法的约1/4．水池试验结果验证了算法的有效性．     

基于GVF Snake模型的步态识别轮廓提取

步态识别作为一种新的生物识别技术,通过人走路的姿势实现对个人身份的识别和认证。步态特征提取是步态识别的关键步骤。采用背景消减法与对称差分法相结合对运动人体分割,采用改进的GVF Snake模型对人体运动步态轮廓进行边缘提取。实验结果表明该方法能准确高效地提取边缘特征作为步态识别的特征。     

基于多尺度自适应滤波的DSA血管增强

数字减影血管造影（DSA）技术在血管疾病的诊断和治疗中起着重要的作用。由于血管结构的几何复杂性,准确地检测血管仍然是一个难题。为了提高DSA图像的视觉质量,提出了一种基于多尺度自适应滤波的DSA血管增强算法。新的血管增强算法基于多尺度空间理论,不仅采用Hessian矩阵的特征值,而且利用特征向量之间的角度进行DSA血管增强。滤波器的参数可以根据图像本身的特征自适应地进行调整。在多尺度迭代过程中,噪声往往被放大,因此滤波器中增加了噪声消除的设计。实验结果表明,该算法具有良好的DSA血管增强性能,可以有效地过滤图像背景和非血管结构,并避免了增强过程中可能发生的血管变形。