基于辅助变量粒子滤波的空对海BO-TMA的研究

论文探讨了TMA(目标运动分析)中基本的非线性估计问题;介绍了粒子滤波(PF)的基本思想和辅助变量PF(AVPF)的基本算法,特别针对空对海单站只测方位TMA(BO-TMA)问题应用AVPF和EKF(扩展卡尔曼滤波)进行了对照研究;建立了问题的离散非线性滤波估计模型;设计了典型的应用场景;给出了Monte Carlo仿真运行结果;表明AVPF具有更高的估计精度、更好的收敛特性和滤波一致性。     

基于无味高斯粒子滤波的空-海BO—TMA的研究

介绍了粒子滤波（PF）的基本思想和免重采样无味高斯PF（UGPF）算法的基本原理，特别针对空-海单站只测方位目标运动分析TMA（BO—TMA）问题应用UGPF和EKF（扩展卡尔曼滤波）进行了对照研究，建立了问题的离散非线性滤波估计模副，设计了典型的应用场景，给出了Monte Cado仿真运行结果；表明UGPF具有更高的估计精度、更好的收敛特性和滤波一致性。     

基于UKF的只测方位TMA中数据率因素影响的仿真研究

应用无味卡尔曼滤波(UKF)来解决只测方位目标运动分析(BO-TMA)问题,研究了其中数据率因素的实际影响.提出了一种对估计标准差及均方根误差(RMSE)进行归一化的新方法,并据此经过仿真分析揭示了估计的标准差及RMSE与数据率之间存在着简单的1/2次幂的反比关系;而同样的结论在EKF中则无法得到.     

使用插值法滤波的单站无源定位算法

综合利用到达方位角(DOA)和到达时间差(TDOA)等信息,建立单站无源定位系统的状态模型和观测模型,应用多维情形的二阶插值公式构造新型非线性滤波算法,而不需计算非线性函数的偏导,使得计算简化。仿真结果表明,用该算法可替代扩展卡尔曼滤波器(EKF)应用于单站无源定位中,能获得更为准确且收敛更快的定位结果。     

基于EKF算法的单站无源定位研究

针对单站无源定位系统中观测方程非线性的特点,不能直接使用卡尔曼滤波估计,因而提出了一种适用于非线性的卡尔曼滤波估计改进算法——EKF算法;以方向角和方向角变化率为观测量,建立了EKF算法模型;仿真结果表明EKF算法适用于非线性系统,具有收敛速度快,定位精度高的特点。     

基于粒子滤波的单站无源定位跟踪新算法研究

针对单站无源定位跟踪系统非线性较强、传统跟踪滤波方法收敛速度、慢容易发散的问题,提出了一种新的跟踪滤波算法P-EKF。该方法采用粒子滤波的思想对目标实现初始的捕捉,然后通过扩展卡尔曼滤波方法对目标进行跟踪保持,提高了目标跟踪收敛速度和跟踪精度,而对计算资源的消耗有限。缩比仿真实验证明了该方法的可行性和有效性,具有较高的应用价值。     

基于双天线单元的单站无源定位技术

传统相位差变化率单站无源定位技术是以方位和相位差变化率为观测量,建立观测方程,通过定位滤波算法递推计算出目标位置,由于测向系统受接收机通道幅相不一致性、平台自身姿态误差影响,较难实现高精度测向,从而影响定位精度和收敛时间,由于方位和相位差变化率参数分别通过独立天线阵测量得到,提出去掉测向天线阵,利用2个天线单元提取相位差变化率,仅利用相位差变化率为观测量,实现目标位置估计。该定位算法可有效减少系统硬件,简化定位运算过程,提高定位运算速度。     

稳健的单站无源目标跟踪算法研究

无源定位与跟踪系统中面临着可观测性弱、初始误差大的问题,因此寻找一种稳健快速的跟踪算法显得尤为关键。本文在对现有跟踪算法进行分析和比较的基础上,提出一种IUKF(Improved Unscented Kalman Filter)算法,它通过对传统的UKF算法进行修正,改善了对状态滤波值和协方差的估计。与现有算法(如EKF,UKF)相比,新算法不仅适应能力强、稳定性高,而且收敛速度快、跟踪误差小,是一种稳健的无源目标跟踪算法,数值仿真和试验结果表明了算法的正确性和有效性。     

运动多平台无源跟踪截尾不敏卡尔曼滤波算法

针对已有非线性滤波算法用于运动多平台无源跟踪时精度不高的问题,提出了一种新的跟踪算法即截尾不敏卡尔曼滤波（TUKF）算法以改善跟踪性能。该算法对状态先验概率密度函数及测量噪声概率密度函数进行截尾处理,使其变为具有有界支撑集的函数,并在此基础上结合原始状态先验概率密度函数设计了混合先验概率密度函数,然后针对其中的两种先验概率密度函数,分别应用不敏变换计算对应的后验概率密度函数的前两阶矩信息,并对其进行融合处理得到最终状态估计。仿真结果表明相对于几种典型的非线性滤波算法,TUKF算法能有效改善跟踪性能。      

基于UT的混合粒子滤波单站无源定位算法

为利用无源固定单站对运动辐射源快速定位,将粒子滤波和UT(unscented transformation)应用于单站无源定位,给出了一种基于UT的角度约束采样混合粒子滤波无源定位算法,该算法从UKF滤波得到建议分布,从该建议分布采样时引入角度测量对状态变量的约束,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能.与EKF、UKF(unscented kalman filter)以及基于EKF的混合粒子滤波算法的仿真比较表明,本文算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差可以接近Cramer-Rao下界.     

基于平方根UKF的新型单站无源定位算法

针对单站无源定位可观测性弱,收敛速度慢,定位精度差等问题,在此采用综合利用相位差变化率、多普勒变化率对目标进行定位的方法。在此基础上,将一种新的非线性算法即平方根UKF算法应用单站无源定位中,计算机仿真表明在不同的参数测量精度条件下,新算法稳定性更高,收敛速度更快,定位精度更高。     

基于卡尔曼滤波的图像降噪算法

数字图像通常具有噪声,为了改善图像的质量,拓宽其应用范围,针对图像噪声问题,提出基于卡尔曼滤波的图像降噪算法。对数字图像特征进行分析,采用小波分析对数字图像进行处理,实现多尺度信息融合,最后采用卡尔曼滤波算法对图像自适应降噪,提高图像分辨率。实验结果表明,该算法可以有效降低数字图像的噪声,提高输出图像的质量,图像视觉效果更优。     

基于平方根无迹卡尔曼滤波的数字预失真算法

射频功率放大器工作在近饱和点时产生的非线性效应是制约其性能提升的主要因素.提出了一种基于非线性无迹卡尔曼滤波的数字预失真算法,可有效克服此非线性效应的影响.针对预失真算法的状态方程为线性的特点,优化了无迹卡尔曼滤波算法以提高运算效率.仿真结果表明,所提算法性能优于传统的基于最小均方的数字预失真算法.     

An unscented Kalman filter based navigation algorithm for autonomous underwater vehicles

Robust and performing navigation systems for Autonomous Underwater Vehicles (AUVs) play a discriminant role towards the success of complex underwater missions involving one or more AUVs. The quality of the filtering algorithm for the estimation of the AUV navigation state strongly affects the performance of the overall system. In this paper, the authors present a comparison between the Extended Kalman Filter (EKF) approach, classically used in the field of underwater robotics and an Unscented Kalman Filter (UKF). The comparison results to be significant as the two strategies of filtering are based on the same process and sensors models. The UKF-based approach, here adapted to the AUV case, demonstrates to be a good trade-off between estimation accuracy and computational load. UKF has not yet been extensively used in practical underwater applications, even if it turns out to be quite promising. The proposed results rely on the data acquired during a sea mission performed by one of the two Typhoon class vehicles involved in the NATO CommsNet13 experiment (held in September 2013). As ground truth for performance evaluation and comparison, performed offline, position measurements obtained through Ultra-Short BaseLine (USBL) fixes are used. The result analysis leads to identify both the strategies as effective for the purpose of being included in the control loop of an AUV. The UKF approach demonstrates higher performance encouraging its implementation as a more suitable navigation algorithm even if, up to now, it is still not used much in this field.     

结合高斯滤波和导向滤波的单幅图像去雾算法

针对暗原色去雾后图像偏暗的问题,提出一种基于结合高斯滤波和导向滤波的单幅图像去雾算法。假设图像的最大值作为全局大气光强的初始值,然后使用高斯滤波获取分块图像的局部大气光强,使用最小值滤波获取分块图像的局部透射率。最后使用导向滤波分别对大气光强和透射率再次细化以处理分块后图像的边界跳跃问题。实验测试结果表明,所提算法去雾后的图像明亮度较高,视觉效果自然。     

基于AR模型与卡尔曼滤波的火检算法研究

在锅炉火焰检测中,为更好地提取火焰的燃烧特征,有效地判断锅炉燃烧状态,文中采用卡尔曼滤波和AR模型相结合的算法,对仿真信号和实时火焰进行频谱分析。结果表明,该方法能从复杂的背景信号中有效地获得火焰的各频率组分,提高了对火焰频率的分辨率,减小了背景高斯白噪声对燃烧状态分析的干扰,为快速分析燃烧火焰信息提供了一种高效的方法,在锅炉火焰检测中有很好的应用前景。     

基于扩展Kalman滤波的势差分选算法

利用雷达侦察信号幅度信息相邻的准确性,提出一种势差算法,并与扩展Kalman滤波算法相结合,提出一种基于扩展Kalman滤波的势差分选算法。该算法通过扩展KMman滤波平滑脉冲包络,通过势差算法分选雷达信号。测试结果表明,该算法对于复杂体制的雷达信号有较好的分选效果。     

基于Kalman预测和点模式匹配的多目标跟踪

针对复杂背景下多运动目标的跟踪方法不能有效解决遮挡和高速运动等问题,提出一种Kalman预测与点模式匹配相结合的多目标跟踪方法。利用Kalman滤波预测目标在下一帧图像中的位置,以此位置为中心确定目标搜索区域,然后以点模式匹配进行搜索区域和目标模板进行匹配,有效地解决目标的旋转和轻微的遮挡问题。为了提高匹配速度和实时性,在点模式匹配中利用Kalman滤波对目标旋转角度的预测与修正;同时为了保证跟踪的鲁棒性、连续性及准确性,对目标模板的更新采用置信度二级判决门限。实验表明该方法具有较好的实时性,并能够有效地解决遮挡等问题。     

基于Kalman滤波与Camshift算法的水面目标跟踪

根据水面监控图像的特点,对运动载体采集到的水面视频图像进行处理,从而实现对运动目标的跟踪。首先,利用Haar分类器检测出水面的运动目标,并用检测结果初始化Camshift跟踪器的搜索窗口;然后,运用Kalman滤波器与Camshift组合算法实现对运动目标的跟踪。其中,利用Kalman滤波算法预测目标在下一帧中出现的位置,Camshift算法用来跟踪目标,以此减小搜索范围,提高跟踪效率。实验结果表明,该算法能够实现对水面运动舰船的检测并进行有效跟踪。