自适应混合滤波算法在微型飞行器姿态估计中的应用

针对低成本惯性测量单元(IMU)存在漂移和噪声干扰等问题,提出了一种具有自适应参数调节的混合滤波算法。采用四元数法进行系统模型的描述,用梯度下降法对加速度计测得的数据进行处理,再通过互补滤波器将其与陀螺仪测量值进行融合,形成混合滤波算法。同时,考虑到飞行姿态的复杂性,进行参数λ的自适应调节,因而改进后的混合滤波算法,能保证各种飞行姿态变化情况下实时姿态的最优估算。实际系统在线实时性能测试表明,提出的算法简单,估计精度高,易于在嵌入式系统中实现,具有较高推广应用价值。     

多传感器跟踪系统自适应Kalman滤波融合

多传感器目标跟踪的一个实际问题是如何获得目标的过程噪声信息,以获得较好的跟踪性能。针对多传感器分布式估计融合系统,利用这种自适应技术给出了一种自适应Kalman滤波的融合方法,它具有与中心式相近的跟踪性能。计算机模拟结果表明：这种方法具有较优良的性能。     

基于分解四元数的自适应姿态四元数卡尔曼滤波

基于Clifford代数的四元数卡尔曼滤波在融合陀螺/加表/磁强计以估计姿态时,由于四元数各参数与欧拉角不是一一对应关系,无法独立估计各个欧拉角.这样即使重力观测量是可信的,受到干扰的磁场观测量也会影响整个估计结果.为了消除磁场观测量对四元数中横滚角和俯仰角分量的影响,对四元数进行分解,以重新组合重力/磁场观测量.同时,为了减少载体附近磁场和线性加速度干扰对姿态估计的影响,构造了观测噪声自适应算法和观测量自适应干扰补偿.消费级微机电系统(micro-electro-mechanical system,MEMS)传感器的实验结果表明,对比四元数卡尔曼滤波的原型,改进后的抗干扰能力明显提升.但由于自适应过程引入了两个经验参数,这使得其工作范围和抗干扰能力有待考验.     

基于重力场自适应互补滤波的无人直升机水平姿态估计方法

无人直升机姿态平衡仪能自主识别飞机水平姿态并自动进行姿态增稳,可大大降低无人直升机手动遥控的难度.针对姿态平衡仪的低成本要求和应用环境高机动性特点,提出了一种基于重力场自适应互补滤波的水平姿态估计方法.该方法用陀螺仪和加速度计输出进行互补滤波来估计可解算水平姿态的重力场,并自适应调整滤波器增益以减小运动加速度对重力测量的影响.实验证明,该方法测量精度高,易于单片机实现,可以满足姿态平衡仪的应用要求.     

基于多传感器的运动姿态测量算法

在基于MEMS传感技术的运动姿态测量中, 陀螺仪信号的漂移和载体线性加速度与重力加速度的叠加是影响测量结果准确性的主要原因, 实践中一般采用静态补偿和滤波技术减小测量误差. 基于自主研发的惯性测量单元, 设计了一种新型两级扩展卡尔曼滤波器: 基于四元数的运动姿态测量模型, 首先构造自适应加速度误差协方差矩阵, 消除载体线性加速度, 再采用多传感器融合技术进行数据融合, 修正陀螺仪信号漂移产生的误差. 实验表明, 本文算法结果与业界认可的动作捕捉系统Xsens的测量结果一致, 可有效满足应用需求.     

基于自适应滤波的MEMS姿态确定方法

针对消费类电子设备对姿态测量系统的需求,本文提出了一种基于MEMS加速度计、陀螺仪和磁强计的九轴姿态确定算法.针对实际系统中传感器量测噪声未知的情况,首先介绍了一种基于矢量观测器的矩阵Kalman滤波姿态确定算法,然后利用残差匹配技术,设计了一种基于残差匹配的自适应滤波方法.论文采用自适应滤波对传感器量测噪声进行估计,并将估计的量测噪声代入线性矩阵Kalman滤波算法,有效解决了线性矩阵Kalman滤波需要准确量测噪声统计信息的缺陷.最后设计了仿真实验验证本文提出的算法,并将其与线性矩阵Kalman滤波算法比较.仿真结果表明,自适应矩阵Kalman滤波的姿态旋转误差角为0.6091°,标准差为0.3009°,能够有效的估计传感器量测噪声,并具有更高的姿态确定精度和稳定性.     

互补滤波和卡尔曼滤波的融合姿态解算方法

针对捷联惯性测量单元(IMU)噪声大、精度低的缺点和常规的姿态解算算法精度不高等问题,提出了一种互补滤波和卡尔曼滤波相结合的融合算法.该算法基于姿态角微分方程建立系统的状态方程模型,利用互补滤波后的姿态角作为系统的观测量,再应用扩展卡尔曼滤波(EKF)算法融合了陀螺仪、加速度计和电子罗盘的测量数据.为验证该算法有效性,用带有传感器的开发板依次进行静态和动态测试,实验结果表明:结合了互补滤波和卡尔曼滤波的融合算法,在静态时能够抑制姿态角漂移和滤出噪声,在动态时能够快速跟踪姿态的变化,提高了姿态角的解算精度.     

基于自适应Kalman滤波的合成孔径声纳运动估计

合成孔径声纳姿态、位移测量系统一般包括：惯性测量单元（IMU），差分DGPS，声多普勒计程仪DVL，深度传感器等。通常情况下，惯性测量单元（IMU）必须与DVL或DGPS进行数据融合，才能减小发散现象，提高导航精度。合成孔径声纳基阵安装在拖体上，由水面舰船利用拖缆拖曳航行，其运动受海流扰动及拖船机动的影响，未知的机动输入估计及海流的估计是必须要考虑的，这是合成孔径声纳基阵运动估计的比较特殊的地方。传统的Kalman滤波器不能直接应用于合成孔径声纳姿态、运动估计。因此，采用自适应Kalman滤波算法来处理合成孔径声纳姿态、运动估计问题。数值仿真表明，该方法较好地解决了合成孔径声纳姿态、运动估计问题。     

基于CDKF的飞机姿态角估计

针对扩展卡尔曼滤波(Extend Kalman Filter ,EKF)在飞机姿态估计中存在着计算复杂、线性化误差大等缺点,将一种基于Stirling内插公式的非线性滤波算法—中心差分卡尔曼滤波算法(Central Difference Kalman Filter, CDKF)应用于由低精度高噪声传感器组成的低成本飞机姿态估计系统中。首先建立基于四元数的飞机姿态数学模型,然后用CDKF方法进行姿态估计,并通过实测数据进行验证。实验结果表明, CDKF方法不仅有效地提高了飞机姿态估计的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobian矩阵的计算,算法更简单,也更容易实现,优于常用的EKF方法。     

基于渐进高斯滤波融合的多视角人体姿态估计

针对视觉遮挡引起的人体姿态估计(Human pose estimation, HPE)性能下降问题, 提出基于渐进高斯滤波(Progressive Gaussian filtering, PGF)融合的人体姿态估计方法. 首先, 设计分层性能评估方法对多视觉量测进行分类处理, 以适应视觉遮挡引起的量测不确定性问题. 其次, 构建分布式渐进贝叶斯滤波融合框架, 以及设计一种分层分类融合估计方法来提升复杂量测融合的鲁棒性和准确性. 特别地, 针对量测统计特性变化问题, 利用局部估计间的交互信息来引导渐进量测更新, 从而隐式地补偿量测不确定性. 最后, 仿真与实验结果表明, 相比于现有的方法, 所提的人体姿态估计方法具有更高的准确性和鲁棒性.     

一种改进的多无线传感器数据分批估计自适应加权融合算法

为解决温室大棚中多无线传感器监测数据融合精度低的问题,提出了一种改进型的分批估计自适应加权融合算法。算法首先对单个无线温度传感节点一段时间内所采集的数据根据容许函数阈值剔除误差较大的数据,然后对该温度传感器的数据进行分批估计得出该节点某一段时间内的最优估计值,以此得到该区域所有无线温度传感节点最优估计值后,依据权值最优分配原则对每组传感器数据进行组内自适应加权融合,从而计算得到该段时间内温室大棚的温度精确值。通过实验验证得出：相对于平均值法与传统的分批估计算法,本算法数据融合易于实现,融合值相对误差值更低,稳健性更好。     

Adaptive Harmonic Spectral Decomposition for Multiple Pitch Estimation

Multiple pitch estimation consists of estimating the fundamental frequencies and saliences of pitched sounds over short time frames of an audio signal. This task forms the basis of several applications in the particular context of musical audio. One approach is to decompose the short-term magnitude spectrum of the signal into a sum of basis spectra representing individual pitches scaled by time-varying amplitudes, using algorithms such as nonnegative matrix factorization (NMF). Prior training of the basis spectra is often infeasible due to the wide range of possible musical instruments. Appropriate spectra must then be adaptively estimated from the data, which may result in limited performance due to overfitting issues. In this paper, we model each basis spectrum as a weighted sum of narrowband spectra representing a few adjacent harmonic partials, thus enforcing harmonicity and spectral smoothness while adapting the spectral envelope to each instrument. We derive a NMF-like algorithm to estimate the model parameters and evaluate it on a database of piano recordings, considering several choices for the narrowband spectra. The proposed algorithm performs similarly to supervised NMF using pre-trained piano spectra but improves pitch estimation performance by 6% to 10% compared to alternative unsupervised NMF algorithms.      

基于核函数粒子滤波和多特征自适应融合的目标跟踪

经典粒子滤波及其改进算法在观测模型与真实情况存在偏差时会导致滤波发散,针对这一问题,提出一种核函数粒子滤波算法.该算法根据目标状态与粒子状态之间的距离,利用核函数产生权值对粒子进行二次加权,根据粒子的二次加权结果进行粒子重采样;以改进的粒子滤波算法为框架,提出了一种自适应多特征融合目标跟踪方法,利用相似性度量动态地评价特征对目标与背景的区分能力,并自适应地计算特征融合权重,以适应目标跟踪过程中目标与背景的变化,提高目标跟踪的鲁棒性.实验结果表明,文中提出的目标跟踪方法比经典粒子滤波目标跟踪方法具有更强的抗干扰性能和较高的跟踪精度.     

自适应多尺度特征融合的单目图像深度估计

在基于深度学习的单目图像深度估计方法中, 卷积神经网络在下采样过程中会出现图像深度信息丢失的情况, 导致物体边缘深度估计效果不佳. 提出一种多尺度特征融合的方法, 并采用自适应融合的策略, 根据特征数据动态调整不同尺度特征图的融合比例, 实现对多尺度特征信息的充分利用. 由于空洞空间金字塔池化(ASPP)在单目深度估计任务中, 会丢失图像中的像素点信息, 影响小物体的预测结果. 通过在对深层特征图使用ASPP时融合浅层特征图的丰富特征信息, 提高深度估计结果. 在NYU-DepthV2室内场景数据集的实验结果表明, 本文所提方法在物体边缘处有更准确的预测, 并且对小物体的预测有明显的提升, 均方根误差(RMSE)达到0.389, 准确率(δ <1.25)达到0.897, 验证了方法的有效性.     

基于取向直方图的取向估计方法

在总结现有取向估计方法的基础上,针对传统的正交滤波法出现的问题,提出一种取向直方图法进行取向估计.该方法通过计算图像轮廓上各点的圆形投票域投票的矢量叠加得到各点的取向直方图;然后以直方图峰值点对应的和矢量计算取向信息,将其作为张量投票方法的底层输入;对4种典型轮廓进行修复,并比较了相对于正交滤波、张量叠加和矢量叠加的修复效果和计算精度.对城市道路的边缘图进行实验的结果表明,文中方法作为底层取向估计时投票得到的轮廓线较为完整,投票产生的杂散点较少,且对噪声具有一定程度的鲁棒性.     

基于多特征自适应融合的核跟踪方法

提出了一种基于多特征自适应融合的核跟踪框架. 利用目标特征的子模型集合构造了目标的多特征描述, 通过线性加权方法将目标的多个特征集成在核跟踪方法中. 根据各个特征子模型与当前目标及背景的相似性, 提出了一种基于 Fisher 可分性度量的权值自适应更新机制; 同时为了克服模型更新过程中的漂移, 基于子模型的可分性提出了一种选择性更新策略, 实现了在变化场景下的鲁棒跟踪. 基于本文所提多特征跟踪框架, 利用目标的颜色特征与 LBP (Local binary pattern) 纹理特征具体实现了多特征自适应融合的核跟踪方法, 实验验证了本文方法的有效性.     

基于状态预测自适应一致滤波器的分布式估计融合算法

应用自适应滤波算法改进了基于一致滤波器的估计融合算法以加快节点估计的一致收敛速度,提出了 一种基于状态预测的自适应一致滤波器．在此算法中,节点采用状态预测值作为自适应滤波器的参考信号,应用自 适应算法修正一致滤波器的加权矩阵．仿真结果表明,本文提出的算法不仅能够加快节点估计的一致收敛速度,还 能减小收敛过程中节点的估计误差．     

改进型分批估计与自适应加权融合方法研究

针对智能家居火灾监测中数据准确性低冗余大等问题,提出了一种量测数据预处理与改进型分批估计自适应加权数据融合相结合的算法。首先,该算法根据格罗贝斯准则对单个传感器测量数据序列进行一致性检验,从而剔除疏失误差数据;其次,考虑传感器受恶劣因素影响导致量测波动较大,引入环境因子并改进分批估计算法计算单个传感器最优监测值;最后,针对不同方位多传感器误差分布不均匀的特点,提出了根据权值最优分配原则实现自适应加权数据融合。实验结果表明,该算法得到的融合结果误差小,能够有效提高数据准确性,降低冗余量,具有较好的稳定性能。     

多特征自适应融合的粒子滤波跟踪算法

针对跟踪过程中目标形态不断变化或部分遮挡导致鲁棒性差的问题,提出一种基于多特征自适应融合的粒子滤波跟踪算法.该算法从视觉特征集中选取了描述能力强的2种特征,并将其按照与目标模型的多尺度相似度进行线性融合;为了减小跟踪漂移,通过计算当前目标模型与初始目标模型的多尺度相似度自适应地更新目标模型.大量仿真实验结果表明,文中算法可以鲁棒地跟踪到部分遮挡和形态变化的运动目标.     

AdaFuse: Adaptive Multiview Fusion for Accurate Human Pose Estimation in the Wild

International Journal of Computer Vision - Occlusion is probably the biggest challenge for human pose estimation in the wild. Typical solutions often rely on intrusive sensors such as IMUs to...