应用序列二次规划的波达方向与多普勒频率联合估计

为了快速准确地联合估计阵列信号波达方向(DOA)与多普勒频率,提出了将序列二次规划(SQP)应用于最大似然函数优化的联合谱估计算法。该方法利用空时信号模型通过Hankel矩阵构造出阵列流型中包含DOA与多普勒频率信息的广义天线阵模型,并推导出其最大似然函数,从而将参数估计问题转化为非线性函数优化问题。然后,将SQP方法应用于似然函数的优化求解中,得到DOA与多普勒频率的估计值。最后应用SQP方法、微分进化法、遗传算法和量子粒子群算法分别进行了优化的仿真对比实验。结果表明:提出的算法具有寻优时间短,估计精度高,参数自动配对等特点,在信噪比为0dB时估计两个目标信号源的DOA与多普勒频率的均方根误差分别为0.263 6°和0.007 6rad,基本达到了阵列信号处理中参数联合估计方法的设计要求。     

红外传感器跟踪目标滤波算法探讨

概率数据关联滤波器(PDAF)算法用于杂波环境下时,目标跟踪存在跟踪机动目标能力低,位置误差大,协方差也大等问题;为了解决这些问题,在PDAF算法的基础上,提出了定向概率数据关联滤波器(DPDAF)算法;在不改变PDAF滤波算法的情况下,通过引入目标预测的夹角,在PDAF中增加检测方向,通过修改PDAF的似然函数,从而得到DPDAF算法;最后通过计算机仿真,DPDAF算法跟踪机动目标的能力高于传统的PDAF算法,提高了算法的跟踪性能。     

基于粒子滤波的多自由度运动目标跟踪

为了在复杂背景下跟踪视频序列中的多自由度运动目标,基于粒子滤波理论提出了一种多自由度运动目标的稳健跟踪算法.首先,采用均值漂移算法目标模型与候选模型的相似度作为观测值的构造基础;然后,在核函数下颜色直方图的基础上,对目标的中心位置和表征目标形状的协方差矩阵进行更新,从而自适应地调整核函数带宽的大小,修正跟踪窗口的尺寸,...     

基于改进型采样点卡尔曼滤波的矿用电池SOC估计

为了实时、准确地估计矿用电池SOC值,通过采用加权统计线性回归法实现模型函数线性化,将采样点卡尔曼滤波技术应用到矿用电池SOC估计中。针对有限的电池管理系统资源,基于电池状态观测复合模型的状态方程线性和观测方程非线性的特点,提出了将标准卡尔曼滤波和采样点卡尔曼滤波组合的非线性滤波算法;为了使得该算法具有应对突变状态的强跟踪能力和应对模型不准确的鲁棒性,引入了奇异值分解,采用特征协方差矩阵代替误差协方差矩阵,并基于强跟踪原理引入了次优渐消因子。仿真结果表明,基于改进型采样点卡尔曼滤波的矿用电池SOC估计算法兼顾估计精度和运算量,并具有跟踪突变状态和应对模型不准确的鲁棒性,完全适用于资源有限的矿用电池SOC估计;可见,该算法具有良好的实际应用价值。     

5基于改进型采样点卡尔曼滤波的矿用电池SOC估计

为了实时、准确地估计矿用电池SOC值,通过采用加权统计线性回归法实现模型函数线性化,将采样点卡尔曼滤波技术应用到矿用电池SOC估计中.针对有限的电池管理系统资源,基于电池状态观测复合模型的状态方程线性和观测方程非线性的特点,提出了将标准卡尔曼滤波和采样点卡尔曼滤波组合的非线性滤波算法;为了使得该算法具有应对突变状态的强跟踪能力和应对模型不准确的鲁棒性,引入了奇异值分解,采用特征协方差矩阵代替误差协方差矩阵,并基于强跟踪原理引入了次优渐消因子.仿真结果表明,基于改进型采样点卡尔曼滤波的矿用电池SOC估计算法兼顾估计精度和运算量,并具有跟踪突变状态和应对模型不准确的鲁棒性,完全适用于资源有限的矿用电池SOC估计;可见,该算法具有良好的实际应用价值.     

应用自适应多测量融合粒子滤波的视场跟踪

针对矿井跟踪视场中由于单一线索对目标特征描述缺乏可分性以及多线索融合策略对场景变化缺乏自适应性导致人员跟踪失效的问题,提出了基于自适应多测量融合粒子滤波的矿井人员跟踪算法。将粒子邻域光流统计信息表征的运动性作为线索建立运动光流直方图模型,并与颜色相融合建立多观测模型。将单观测估计状态粒子区域与融合估计粒子区域的质心距离作为单观测模型贡献率度量因子,定义了观测权值自适应策略,实现了粒子观测模型与跟踪目标状态特征的同步变化;通过建议重采样函数对粒子落入低观测似然时进行有效的采样补偿,增强了跟踪的鲁棒性。实验结果表明,本算法能够有效地解决矿井跟踪视场下(背景复杂)由于场景变换而导致跟踪目标丢失的问题;将本文算法与基于颜色和基于颜色与帧差分融合的粒子滤波算法做状态估计均方误差比较,结果表明,状态估计准确率提高了1.57倍。     

基于人工蜂群优化的自适应图像增强方法

结合人工蜂群优化算法和非完全Beta函数,将人工蜂群算法作为优化问题寻找最优解,提出基于人工蜂群优化的自适应图像增强算法。通过人工蜂群优化算法并行搜索非完全Beta函数的最佳参数,从而确定最优的灰度变换曲线;引入适应度函数来指导人工蜂群的搜索运动,以此实现图像对比度的自适应增强。仿真试验结果表明:与直方图均衡化、反锐化掩模算法相比较,本算法的灰度分布更加均匀,对比度明显,视觉效果更好且适用性强。     

结合特征在线选择与协方差矩阵的压缩跟踪算法

本文从3个方面对原始压缩跟踪算法进行改进,以提高其在复杂场景下的鲁棒性和准确性。首先,提出一种结合特征在线选择的压缩跟踪算法,通过计算相邻两帧同维特征所服从的高斯分布曲线的Hellinger距离来度量特征的置信水平,从特征池中选择置信水平较高的特征,并融合特征的置信水平构造贝叶斯分类器。然后,在压缩跟踪框架下引入协方差矩阵以增强算法对目标的表达能力,把Haar-like特征和协方差矩阵相结合构建目标模型,取最大响应值所对应的候选样本作为跟踪结果。最后,优化分类器参数的更新方式,根据目标模板与跟踪结果的相似度来自适应更新分类器参数。改进算法的平均跟踪成功率比原算法提高了25%,平均跟踪精度比原算法提高了22%。相比于原始压缩跟踪算法,本文算法具有更高的跟踪鲁棒性和准确性。     

一种零空间避障的机械臂末端轨迹跟踪算法

针对传统的零空间避障方法无法根据障碍物距离提前采取避障行为同时保证末端跟踪精度的问题,提出一种零空间避障的机械臂末端轨迹跟踪算法.该方法采用伪距离代替欧氏距离作为距离接近度指标解决零空间避障问题,同时设计一种自适应正定系数矩阵K和速度误差饱和函数sat(e),将实时轨迹运行结果反馈给冗余机械臂运动学反解,根据反馈结果自适应调节关节角速度以减小末端轨迹跟踪误差.采用iiwa14机械臂进行仿真实验,仿真的结果表明,所提出的算法能够在完成冗余机械臂零空间避障的同时保证末端轨迹跟踪误差在1 cm以下,验证了所提算法的有效性和优越性.     

基于纹理特征的尺寸方向自适应均值漂移算法

针对均值漂移算法在目标跟踪中由于相似背景干扰和固定带宽值核函数引起的跟踪精度下降的问题,结合目标的纹理特征及尺寸方向的变化,提出了一种新的跟踪算法。首先,通过自适应算法求解出目标的灰度阈值,得到纹理特征参数,并结合颜色特征建立目标模型;然后,通过求解目标相似度最大值提取出运动目标的图像区域;最后,采用协方差矩阵估计方法,结合最小二乘算法对运动目标尺寸方向的变化量进行自适应计算,表示出运动目标在视频帧中的像素区域,保证了跟踪的准确性。实验证明,本文提出的算法较其它均值漂移算法有更高的精度和效率。     

传感器阵列预测空域多信号分类目标定位跟踪

目标定位跟踪技术广泛应用于军事民用领域,是当前研究的热点与难点.提出了一种空域多信号分类-自回归粒子滤波(multiple signal classification autoregressive particle filter,MUSIC-ARPF)方法,定位跟踪地面目标.该方法使用多信号分类(multiple signal classification,MUSIC)算法估计目标波达方向(direction of arrival,DOA)并计算目标信号源位置,利用自回归(autoregressive model,AR)模型和粒子滤波(particle filter,PF)算法预测信号源下一时刻位置,进而自适应选择通带与阻带扇面进行空域滤波,同时调整MUSIC算法中谱峰搜索区域,提高DOA估计的分辨率,减少目标定位的扫描域.实验结果表明,空域MUSIC-ARPF方法能够减少目标定位时间,提高目标跟踪精度.     

一种改进的均值移位红外目标跟踪算法

为了增强复杂背景条件下红外目标跟踪的稳健性,提出了一种改进的均值移位目标跟踪算法。该算法融合了均值移位的梯度匹配搜索策略的优势与基于特征分类跟踪算法强鲁棒性的优点,建立了灰度似然比加权的核直方图目标表征模型。模型中加入了目标与局部背景灰度特征的似然比作为原始核直方图的权值,应用该模型的均值移位算法能够进一步提高目标像素灰度的移位权重,有效抑制背景干扰,进而提高低对比度目标跟踪的稳健性。同时,基于跟踪复杂度估计提出了目标遮挡情况下的模型更新判别准则,提高了算法的自适应性能。实测红外目标跟踪实验表明了该算法简单、有效。     

基于稀疏正则约束的子空间视觉跟踪

针对子空间表示跟踪算法处理遮挡问题的能力不足,以及稀疏表示跟踪算法无法满足跟踪实时性要求等问题,本文提出一种稀疏正则约束的子空间视觉跟踪算法。该算法结合了子空间表示与稀疏表示的优势,提升了对于遮挡问题的处理能力,并且降低了算法的计算复杂度。首先,该算法利用PCA子空间基向量集、子空间均值以及表示残差对目标进行表示,同时算法采用L2范数作为表示系数以及表示残差的稀疏约束函数。其次,算法采用了一种分步循环迭代的方法求解表示模型的系数与残差。然后,为了保证子空间基向量与空间均值能够持续准确的描述目标在跟踪过程中出现的变化,算法根据经过开运算处理后的表示残差中非零元素的不同比率构建不同的更新模板,并结合增量主成分分析方法在线学习新的基向量与均值。最后,在实验部分,本文将提出算法在10个实验序列上的跟踪结果与8个现今主流跟踪算法进行对比,同时从定性与定量两个方面对实验结果进行分析。本文算法在全部10个实验序列上的平均中心误差为5.3pixel,平均覆盖率为77%,相比于其他算法,本文算法取得了较高的跟踪精度。本文算法具有更好的鲁棒性,并且满足更多场景下的跟踪需求。     

噪声混响下说话人跟踪的多特征自适应 UPF 算法

为了提高噪声混响环境下说话人跟踪系统的精度和稳健性,提出了一种多特征自适应无迹粒子滤波(MFAUPF)算法。该算法以语音信号的多特征作为观测信息,采用多假设和频选函数构建了时延选择机制和波束输出能量优化机制,并在两种机制融合的基础上构建了似然函数,弥补了单特征不能同时稳健噪声和混响的不足。由于说话人运动具有随机性,建立了声源跟踪的自适应CV模型,在此基础上将无迹卡尔曼滤波(UKF)与抗差估计理论相结合作为提议分布,提高了模型的适配能力。文中仿真和实测结果表明,在AUPF下,多特征算法比SBFSRP算法位置平均RMSE减少了18%以上,在多特征观测下,AUPF算法比CV算法位置平均RMSE减少了14%以上,所提算法具有跟踪精度高和数值稳定性强的特点。     

基于序列响应面法的汽车结构件蜂群优化设计

将蜂群算法应用于汽车结构件的优化问题。先由试验设计和序列响应面法构建目标函数及约束条件的代理模型,再应用改进的蜂群算法求解最优设计。在优化过程中调用的是代理模型,显著减少了有限元计算次数,提高了优化效率。最后,选取典型实例对该算法进行验证,比较预期值与实际值的结果表明,该算法具备了足够的求解精度,能够满足工程实际要求。     

基于人工蜂群-自适应遗传算法的仓储机器人路径规划

为了规划出一条更加节能的拣选路径,针对基本遗传算法的性能依赖于初始种群的质量、遗传算子的选择、交叉和变异操作,提出一种适用于仓储机器人路径规划的人工蜂群-自适应遗传算法。首先通过人工蜂群算法初始化种群以增强种群多样性;将路径长度、转弯次数和机器人运行能耗作为适应度函数的评价指标;然后基于三角函数设计自适应策略调整的交叉、变异算子以提高算法的收敛速度。仿真实验表明,在20×20大小的栅格地图中,本文提出的人工蜂群-自适应遗传算法规划的路径能耗比基本遗传算法减少5.22%;而在40×40大小的栅格地图中,本文提出的人工蜂群-自适应遗传算法规划的路径能耗比基本遗传算法减少9.08%。最后实验表明,采用本文提出的人工蜂群-自适应遗传算法规划的能耗减少7.64%,且规划的路径更平滑,更加适用于仓储机器人的路径规划。     

利用动态靶标谐波特性评价光电经纬仪的跟踪性能

提出了一种利用动态靶标实现光电经纬仪跟踪性能等效正弦评价的新方法。分析了动态靶标目标及相应跟踪误差的幅度谱和功率谱特性,提出将动态靶标看作由有限项基频谐波和整数倍基频高次谐波的加权和组成的谐波源。根据被检光电经纬仪跟踪性能设计等效正弦信号,利用动态靶标产生与等效正弦信号同频率的谐波信号完成光电经纬仪跟踪误差系统在该频率下幅频特性函数值的测试。等效正弦的幅值和测得的幅频特性值乘积即为跟踪等效正弦信号的跟踪误差最大值,从而实现了跟踪性能评价。利用该方法测得方位方向的最大跟踪误差为0.65′,远小于4′的指标要求,而利用动态靶标直接检测的值为4.7′。实验表明该方法准确、可行,同时避免了直接利用动态靶标检测时可能使跟踪伺服系统出现过度校正的问题。     

基于非线性优化算法的工业机器人轨迹跟踪自动控制

为完成机器人高效率工业生产任务，提出一种基于非线性优化算法的工业机器人轨迹跟踪自动控制方法。考虑杆件运动重力因素，从角速度、加速度等方面明确工业机器人动力学规律；使用具备非线性优化性质的蚁群算法规划运动轨迹，引入人工势场法计算待选节点和目标节点的间距，评估当前路径是否为最佳路径并更新信息素，输出最优工业机器人运行路线；计算机器人相对功率因数校正控制量，运用粒子群算法求解轨迹跟踪预测控制序列，通过支持向量机构建轨迹跟踪自动控制模型。实验结果表明，所提方法的轨迹跟踪稳定性强、精度高，能满足工业生产的实时动态需求，实用性强。     

机器人导航的自主选择搜索策略蜂群规划算法

为了减少机器人导航路径长度和路径规划时间,提出了基于自主选择搜索策略蜂群算法的规划方法.分析了人工蜂群算法原理,依据蜜蜂从自身认知、种群认知和其他个体认知等多种环境认知方式,对应给出了多种蜜源搜索方式;通过建立不同蜜源搜索方式的即时价值和后效价值模型,计算了蜜蜂选择不同蜜源搜索方式的概率,从而给出了蜜蜂对蜜源搜索方式的...