基于遗传算法的自适应机动多目标跟踪算法

根据卡尔曼滤波器池思想。设计一组有不同初始滤波参数组成的具有并行关系的卡尔曼滤波器。通过浮点编码的遗传算法离线对这些滤波参数寻优,找到最佳滤波参数。仿真结果说明机动多目标跟踪的遗传算法具有较强的全局最优搜索能力,自适应好且跟踪精确度较高,这证实了此新方法在自适应机动多目标跟踪下的可应用性。     

基于自适应卡尔曼滤波器的神经网络算法

针对传统神经网络算法速度慢,容易陷入局部极值的缺点,提出将自适应卡尔曼滤波应用于人工神经网络的训练算法中.把前馈网络中的所有权值、阈值作为自适应卡尔曼滤波算法的状态,网络输出为算法的观测.仿真结果表明, 该算法比BP算法在收敛速度方面有明显提高.     

基于四阶累积量极性迭代的自适应动态谱线增强快速算法

针对最小均方(LMS)算法抑制高斯噪声效果差和高阶累积量计算量大等问题,研究了四阶累积量递推算法与计算量的关系,提出了基于四阶累积量对角切片极性迭代的自适应动态谱线增强快速算法.并用水下目标辐射谱线的实测数据进行了动态仿真.理论分析和仿真结果表明:该算法的计算量比基于四阶累积量对角切片非极性迭代的自适应谱线增强算法减少约50%;该算法抑制高斯噪声的性能优于基于LMS算法的自适应谱线增强算法.因此,该研究在工程上有一定的参考和利用价值.     

基于模糊集理论的红外图像自适应增强方法

针对红外图像对比度低的特点,运用模糊集理论增强方法,在构造隶属函数时,通过对红外图像像素渡越点的自适应选取,实现了图像对比度的自适应拉伸。实验结果表明,该方法能够达到自适应增强效果。     

基于自适应圆边际的深度人脸识别算法

人脸识别是计算机视觉的一个重要研究方向,其中有效的损失函数在人脸识别中起着至关重要的作用。针对现有损失函数没有考虑边际情况,导致模型收敛有限,且在不均衡样本中泛化能力不强的问题,提出自适应圆边际损失函数方法,对边际自身进行研究。通过对边际进行自适应学习,为不同类别学习独有的边际,产生自适应圆边际。为少量样本学习更大边际,从而对少量样本数据类内压缩更紧凑,使模型泛化能力更强,对5种常见的人脸识别基准Megaface、IJB-C、LFW、LFW BLUFR和YTF进行广泛分析和实验验证。结果表明,该方法在不均衡数据集中对现有方法的精确度整体提高了0.5%,有效提高了模型泛化能力,具有明确的收敛状态。     

基于神经网络PSD 算法的LMD 自适应控制系统

为解决送粉式金属直接成形过程中,会出现机械性能降低、多物理场耦合、机理复杂、工艺参数多、熔 池凝固速率较大等问题,设计一种基于神经网络PSD 算法的成形过程自适应成形闭环反馈控制系统。根据光学系统 实时监测激光熔池的图像信号,利用图像融合与视觉检测技术构造熔池图像特征集,对工艺参数与熔池尺寸动态关 系进行分析,构建成形质量精度辨识体系,通过神经网络PSD 算法优化,实现LMD 成形过程工艺参数的自适应控 制。仿真结果表明：该控制器对熔池宽度有较高的控制精度,可改善制造工艺成形质量和保证工艺稳定性。     

基于自适应回归算法的导弹表面温度预测

为预测导弹高速飞行时由于气动加热而升高的表面温度,根据已知的物理模型和试验数据,建立了一种基于自适应回归算法的导弹表面温度预测模型,使用该模型预测出温度数据,然后与实际试验数据进行对比。抽样选取含有55个个体的样本,按个体时间顺序排列样本个体,使用样本中的前50个个体训练预测模型,再使用剩余5个个体对预测模型进行检验。在前50个个体的相应时刻,预测值比实际值平均减小1.24%,标准差为1.27%; 在最后5个个体的相应时刻,预测值比实际值平均减小1.42%,标准差为0.16%。结果表明,采用基于自适应回归算法的导弹表面温度预测模型对导弹的表面温度进行预测具有较高的精度,达到了预测导弹表面温度的目的。     

基于迭代和修正的波特率自适应算法

针对现有的波特率检测法存在的耗时较长、设计繁琐等问题,提出了基于迭代和修正的波特率自适应算法.该算法以主机波特率为基准,调整各从机的波特率使通信双方波特率一致;各从机分时复用同一总线接口,分别完成与主机波特率的自适应和数据传输.软件仿真和硬件模拟表明:该算法设计简单,精度高,收敛速度快,占用资源少,适用于弹载设备的一对多通信.     

基于UKF的曲线模型自适应跟踪算法

针对传统曲线跟踪模型中的切向加速度不能自适应调节这一缺点,在标准曲线模型的基础上,提出了一种新的自适应跟踪算法。将转弯角速率和切向加速度都看作是目标的状态变量,用不敏卡尔曼滤波算法对扩维后的状态变量进行估计。这种处理方式不仅较好地解决了原来算法中存在的强非线性问题,同时也增强了算法的鲁棒性。理论分析和仿真实验都表明,该算法适应性较强,跟踪精度较高,可以直接应用于工程实践。     

基于稀疏度自适应算法的压缩感知

针对目前压缩感知的重构算法需预知信号稀疏度和重构时间较长的问题,提出基于稀疏度自适应算法的压缩感知,该方法基于分段和回溯思想,通过增大步长、合并上次原子来选择最匹配原子,能显著减小计算复杂度,从而减少信号重构时间。以语音信号为处理对象,对SAMP算法进行了仿真比较,仿真结果表明,在未知信号稀疏度的情况下,与基追踪(BP)算法和正交匹配追踪(OMP)算法比较,SAMP算法的重构信号运行时间明显降低,并且在不同的信号压缩比的条件下重构信号性能得以保证,验证了SAMP算法在稀疏度方面的自适应性以及重构效率高等优点。     

基于模糊自适应脉宽调制的双反馈控制算法

针对传统的双反馈控制对于系统控制有超调过大,跟随误差较大等问题,提出了一种模糊自适应脉宽调制(Pulse Width Modulation,PWM)控制的双反馈控制算法。该算法通过模糊自适应控制器与PWM变换器相结合,对双反馈系统实现了高精度高鲁棒性的控制。仿真实验表明,模糊自适应PWM的双反馈控制算法系统可更好地抑制超调以及具有更小的跟随误差。     

基于增益调整策略的自适应滤波算法

针对工程实际，采用限定下限的衰减稳态增益滤波算法对Kalman滤波的稳态形式进行了扩展，提出了一种新的实时机动辨识算法和滤波增益的调整策略，减小了自适应的滞后误差，提高了跟踪精度；同时对于航迹起始时的暂态过程进行了特殊的处理，极大地改善了滤波的收敛速度．仿真结果表明，跟踪精度能够满足现实C^3 I系统的工程要求，并且较好地解决了一般自适应算法的精度与先验数据以及算法复杂度之间的矛盾．     

基于自适应滤波技术的被动协同跟踪算法

为增强被动协同跟踪系统对复杂环境的适应性,提高跟踪精度和系统鲁棒性,提出了一种基于自适应滤波技术的目标跟踪算法。该算法通过基于Sage-Husa自适应噪声估计的无迹卡尔曼滤波对多站被动协同定位结果进行状态估计,并利用残差量的局部动态统计对噪声估计器进行改进,以提高噪声估计的准确性和稳定性。同时,引入协方差自相关量匹配判据来保证噪声方差阵的正定性,防止滤波发散。仿真结果表明,该方法可有效提高噪声估计精度,增强目标跟踪系统对环境的适应性,大幅提升跟踪性能。     

基于似然分布自适应调整的SMC-PHDF算法

SMC-PHDF(Sequential Monte Carlo-Probability Hypothesis Density Filter)算法由于不受高斯和线性的限制,在目标跟踪领域有着广泛的应用;然而当系统量测噪声较大,很多样本的归一化权重很小而成为无效样本,最终导致SMC-PHDF算法滤波精度较低;针对这一问题提出似然分布自适应调整的SMC-PHDF算法,通过在更新步骤中自适应调整粒子权值,增加先验密度和似然的重叠区,从而达到提高滤波性能的目的;仿真结果表明:在系统量测噪声较大时该算法比传统SMC-PHDF算法的滤波效果有所提升.     

基于自适应互补滤波的滚转角测量算法

针对二维弹道修正引信采用多传感器信息融合的滚转角测量存在精度不足等问题,提出了基于自适应互补滤波的滚转角测量算法。该方法采用互补滤波器对速率陀螺仪、磁强计信息进行了融合,针对引信在出炮口时刻高速旋转,卫星对准时刻的滚转减旋以及弹道修正时刻的滚转角稳定等不同弹道特征点处的干扰特性,设计了参数自适应调整的互补滤波器,能够有效克服传统互补滤波器无法适应引信的整个工作场景的困难。理论分析及仿真结果表明,该算法能够有效补偿高速旋转带来的滤波器延时误差、陀螺零偏漂移以及舵机高速运动引入的磁场干扰等,能够在存在干扰的情况下较传统固定系数互补滤波器滚转角测量精度提升2～3倍,具有更强的环境适应性和工程可实现性。     

基于LMS自适应算法的瞬态信号时延估计

讨论了LMS方法对瞬态信号估计的困难，提出用反向LMS自适应滤波算法进行瞬态信号的时延估计。设计了两种反向LMS自适应算法，用爆炸波信号仿真分析了时间延迟估计的性能，通过比较表明该算法的有效性。     

基于Allan方差自适应算法的姿态解算

为解决MEMS 姿态传感器的复杂噪声问题,设计使用一种基于Allan 方差的自适应算法在线估计量测噪 声方差。基于Allan 方差递推公式组成自适应算法来追踪数据的方差值,采用欧拉角微分方程作为滤波的状态方程, 通过对陀螺仪静态数据Allan 方差分析得到陀螺仪的主要噪声参数用作滤波系统噪声方差,并将各个数据整合解算 出姿态角。结果表明：自适应滤波算法比常规滤波方法解算的角度精度高,在噪声波动的环境条件下,自适应滤波 算法实用性更好。     

基于自适应理论的圆柱形阵列波束赋形算法

基于自适应天线阵理论,研究共形阵的赋形算法,给出一种用于圆柱形阵列天线三维方向图的波束赋形算法。该方法通过迭代获得一组最优阵元激励幅相加权值,可以同时控制阵列波束的方向、形状和副瓣电平。通过圆柱形阵列的仿真计算得到满足设计要求的三维平顶波束和余割波束方向图,证明这种算法的有效性。     

基于小波变换的自适应Kalman 滤波算法研究

针对组合导航系统中Kalman滤波在实际工程应用中的不足,以惯性/卫星组合导航系统为背景,提出小波变换技术对量测噪声方差阵进行直接调控的滤波算法。介绍Kalman滤波原理,根据小波变换在时域和频域都有良好的局部化性质,检测量测噪声的变化,实时调整自适应因子,间接改变Kalman滤波器的当前观测和过去信息的比例关系。仿真结果表明:该算法对噪声干扰有较强的自适应性,能有效抑制滤波发散,提高系统的精度和鲁棒性。     

基于自适应梯度先验的旋转模糊图像复原算法

弹载红外成像系统随弹体作高速旋转运动时,在曝光时间内获取的图像存在严重旋转模糊问题,给后续的目标识别与图像跟踪造成极大困扰。针对此问题,提出了一种基于自适应梯度先验的旋转模糊图像复原算法。该算法通过使用自适应梯度先验的正则化项,对从图像中沿旋转模糊路径提取的一维向量在频域内进行反卷积运算。同时针对使用Bresenham算法提取像素方法产生的空穴点问题,设计了一种查表决策的自适应中值滤波算法。仿真实验结果表明,相对于改进的维纳滤波、约束最小二乘滤波、梯度加载滤波,该算法能有效地适应低信噪比干扰环境,具有较强的噪声抑制和削弱振铃效应的能力。