圆柱度误差评定中规范不确定度计算方法的研究

针对目前误差评定结果往往只提供测量不确定度的情况,根据新一代产品几何规范(GPS)不确定度体系,研究了圆柱度误差评定时规范不确定度的计算方法。基于最小区域法提出了圆柱度误差评定的数学模型,用改进粒子群算法得到圆柱度误差值,并通过研究影响规范不确定度每一个元素的传播系数及相关系数推导出了规范不确定度的详细计算公式,且以此为基础开发了圆柱度误差评定的图形界面。经实例验证,该方法可以在新一代GPS体系下准确、直观、方便地评定圆柱度误差。     

基于均差滤波与高斯和的非线性非高斯系统滤波算法

针对一类非线性非高斯系统的滤波问题,在分析均差滤波算法和高斯和滤波算法的基础上,提出一种基于均差滤波的高斯和滤波算法,适于处理非线性非高斯系统的滤波问题.对于似然密度位于条件转移概率密度拖尾处的情况,与传统的粒子滤波算法相比,所提算法能提高滤波的精度和实时性.仿真实验验证了新算法的有效性.     

基于SRCKF 的自适应高斯和状态滤波算法

针对非线性非高斯离散动态系统中的状态估计问题,基于高斯和递推关系,提出一种高斯和状态估计算法GSSRCKF.首先将状态噪声、观测噪声及滤波初值均表示为高斯和的形式,以平方根容积卡尔曼滤波为子滤波器分别估计各高斯子项对应的系统状态;然后结合各子项对应的权值实现全局估计;最后设计高斯子项对应权值的自适应策略,并采用约简控制法降低计算复杂度.仿真结果验证了所提出的算法在滤波稳定性方面的优越性.     

基于UKF的高斯和滤波算法

介绍了扩展卡尔曼滤波算法和无迹变换（unscented transformation,UT）算法,并对扩展卡尔曼滤波算法（EKF）和无迹卡尔曼滤波算法（UKF）进行比较,阐明了UKF优于EKF。在此基础上,提出了一种基于Unscented变换（UT）的高斯和滤波算法,该算法首先通过合并准则得到适当个数的混合高斯模型,逼近系统中非高斯噪声的概率密度;然后,再通过UT算法进行滤波。最后分别对基于EKF和UKF的滤波方法进行实验,并对实验结果进行比较与分析,验证了算法的有效性和优良性。     

基于信息熵的不确定性数据清理方法

针对不确定性数据中往往包含一些异常数据而导致相应的查询结果出现错误的问题,提出了一种基于信息熵的不确定性数据清理方法以减少异常数据并提高不确定性数据的质量。首先使用信息熵来度量数据的不确定度,然后结合统计学方法计算出不确定性数据的可信区间,最后去除那些不在可信区间内的数据。实验结果验证了该方法的高效性和有效性。     

基于高斯滤波的航拍视频图像处理研究

针对无人机视频航拍过程中出现的图像旋转和实际图像的去变形问题对地面操作人员观察和判断产生的影响,利用高斯滤波的图像处理算法,给出了相应的解决方案,从而实现了航拍实时图像的固定指北功能和去变形问题,从而方便了操作人员的观测和判定。实验结果表明,该算法能较好地消除图像旋转所产生的锯齿现象,图像旋转后失真较少,与最近插值和双线性差值相比具有较好的性能。     

基于高斯和滤波的高轨双星高超音速目标跟踪

针对基于高轨双星时频差观测的无源跟踪问题,提出一种适用于跟踪高超音速巡航目标GMM-AEKF算法,该算法使用基于Euler采样建立的WGS-84椭球下的目标离散时间运动方程,在已有的GMM-EKF跟踪框架的基础上引入时差均匀高斯混合（GMM）表示、替代扩展卡尔曼滤波（AEKF）和基于Kullback-Leibler散度的高斯分量管理。仿真实验结果表明,AEKF的引入使得跟踪算法的状态更新运算变为线性,其估计精度收敛速度较快,适用于高超音速目标跟踪。     

基于形态学和高斯滤波的图像快速去雾算法

针对暗通道先验除雾算法运算效率低以及复原图像中出现Halo效应等问题,提出一种基于形态学和高斯滤波的暗通道先验图像去雾算法。使用暗通道先验方法估计全局大气光值;对最小通道图采用形态学开操作进行滤波;采用高斯滤波进行平滑处理,降低开操作产生的像素间差异;运用膨胀运算消除相邻区域间的梯度,进而精确估计透射率;通过大气散射物理模型快速、准确地获取复原图像。实验结果表明,该算法不仅能够取得良好的除雾效果,得到细节丰富、对比度和亮度适宜的复原图像,而且大大降低了时间的复杂度,提高了运算效率。     

基于采样测量值的不确定系统鲁棒H∞滤波

讨论了一类基于采样测量值的不确定系统鲁棒H∞滤波问题,所考虑的系统同时具有连续和离散干扰.对于所有的不确定性,研究了系统稳定性条件,并利用采样测量值设计了一个稳定的滤波器,滤波误差满足指定的H∞性能.给出了滤波器存在的充分条件,并利用矩阵变换得到了设计滤波器的LMI方法,通过求解LMI可以方便地得到滤波器的表达形式.最后,数值算例说明了所设计方法的有效性和可行性.