基于SAD与UKF-MeanShift的主动目标跟踪

针对复杂场景下动态目标难以准确分割以及目标难以准确定位的问题,提出将绝对差值和(SAD)方法、无迹卡尔曼滤波(UKF)和Mean shift算法相结合的混合自主跟踪动态目标的方法。首先,采用SAD方法获相邻两帧的视差信息,利用视差实现动态目标的检测,并依此建立目标的核直方图描述模型和状态空间模型,然后UKF算法对状态空间进行滤波估计,最后采用Mean shift 算法精确定位目标。实验结果表明该方法不仅能有效检测场景的动态目标,同时还能获得目标的运动信息。文中所提出的基于UKF-Mean shift的跟踪策略与相关算法相比,体现出较好的跟踪效果与时间性能。     

基于UKF-RSS在线建模的WSN节点跟踪定位算法

在传感器网络中（WSN）锚节点负责接收GPS定位信号,但其使用寿命受能量约束,为了提高传感器网络的生存周期和定位精度,提出基于无迹Calman滤波（UKF）和传感器网络锚节点RSS在线建模的WSN定位算法,实现高效资源管理和利用方式。该算法主要包括位置预测和目标定位两个步骤,利用UKF算法对目标节点的下一位置进行预测,选择开启距离预测位置最近的几个锚节点,关闭无用锚节点,有效降低网络能耗。利用锚节点之间相互信号强弱基于RSS对开启锚节点周围的距离与RSS信号强弱关系进行建模,降低RSS算法对环境的依赖度。实验结果表明该算法能够有效对锚节点的开启/睡眠进行管理,并可降低环境依赖性,从而实现负载均衡降低能耗和提高定位精度的效果。     

机载单站对机动目标无源定位与跟踪

机载无源探测定位技术是机载电子对抗中的一个重要的研究领域。针对空间机动目标,建立了机载单站无源定位的三维模型。基于传统测量相位差变化率的方法,增加了多普勒及其变化率信息,探讨了其定位原理,重新推导了定位公式;给出了其中的预处理过程和系统状态方程,并引入了可调白噪声UKF滤波算法以提高对机动目标的跟踪定位精度和收敛速度。通过计算机仿真,验证了该方法的正确性及有效性。     

一种新的进化裂变粒子滤波算法

针对经典自举粒子滤波中的重要性函数选取和重采样所导致的样本枯竭问题,提出了一种基于进化裂变的改进粒子滤波算法．该算法首先采用无迹卡尔曼滤波算法产生重要性函数,然后对重要性采样粒子进行裂变通过进化策略更新粒子集以增加粒子多样性,从而克服经典自举滤波重采样过程中的粒子退化问题．仿真实验表明,该算法能有效地提高跟踪精度, 跟踪性能优于经典粒子滤波算法．     

密集回波环境下地面机动目标跟踪的UKF-VSMM-PDA算法

对地面机动目标进行跟踪，除了利用量测信息外，利用地形特征等信息也可提高跟踪性能。但这些非正态信息却可能导致较高的非高斯概率密度，文中将机动和多回波同时考虑，并充分利用了地形特征等信息，提出了UKF—VSMM—PDA算法。对密集回波环境下地面机动目标进行跟踪，仿真结果证明了该算法的优越性能。     

液压支腿回路性能衰退预测方法研究

以某装备液压支腿回路为研究对象,分析回路常见故障机制,提取故障特征参数,基于无迹卡尔曼滤波算法,建立了双向液压锁性能衰退预测模型,构建工作指数指标,确定工作指数的异常阈值,估算双向液压锁工作寿命。基于MATLAB/Simulink模块,搭建双向液压锁仿真模型,设置装备相关作业参数,仿真双向液压锁在其寿命周期内性能随压力、温度的变化趋势。研究结果可为该元件的维修保障方案提供科学指导。     

目标跟踪中两种非线性滤波算法的对比研究

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度.由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度.为了获得更高的估计精度,介绍了两种新的非线性滤波算法,即unscented卡尔曼滤波算法和粒子滤波算法.分析了UKF和PF算法的原理和算法实现,对两种算法的适应性进行了比较.通过目标跟踪仿真实验,表明粒子滤波算法估计精度比UKF算法高,但是计算量却相对较大.     

高动态下紧耦合组合导航改进UKF滤波器设计

由于紧耦合导航系统模型为非线性模型,采用线性化滤波方法,线性化误差将影响组合导航的精度,高动态下影响更为明显.UKF(平淡卡尔曼滤波器)避免了非线性系统模型的线性化过程,具有较好的精度.但在高动态条件下,随着滤波迭代计算的进行,舍入误差的积累会引起均方误差矩阵失去非负定性甚至对称性,使滤波增益矩阵失去合适的加权作用从而...     

无迹卡尔曼滤波及其平方根形式在电力系统动态状态估计中的应用

针对扩展卡尔曼滤波(extended Kalman filter,EKF)的不足,将不需要对非线性系统函数进行线性化的无迹卡尔曼滤波(unscented Kalman filter,UKF)方法引入电力系统动态状态估计,采用生成Sigma点数量最少的比例最小偏度单形采样策略进行无迹变换.以IEEE14系统为算例,仿真结果表明引入UKF后,估计结果的精度有所提高,但算法的效率较低,且数值稳定性较差.进一步引入平方根形式的UKF(square root UKF,SRUKF)模型,IEEE 14及IEEE 30测试系统的仿真结果证明:在不需要大量牺牲计算时间的同时,算法的数值稳定性得到了改善.表明SRUKF的引入对动态状态估计方法的改进是有效的.     

一种改进的多普勒雷达跟踪算法

多普勒雷达能够获得目标位置量测的同时,还能获得多普勒量测,即目标径向速度.为解决多普勒雷达量测处理算法过程复杂、计算量大的问题,本文提出一种用不敏卡尔曼滤波处理多普勒量测的改进方法对多普勒雷达量测直接在混合坐标系下进行非线性滤波,实现过程简单,计算量小.仿真结果表明该算法能够达到序贯扩展卡尔曼滤波和序贯不敏卡尔曼滤波算法的状态估计精度,并且明显改善估计的一致性.