Deconvolution filter design for fractal signal transmissionsystems: a multiscale Kalman filter bank approach

A deconvolution filtering design is proposed for the 1/f fractal signal transmission systems, with its design philosophy being based on multiscale Kalman deconvolution filter bank equipped in the analysis/synthesis wavelet filter bank, The role of wavelet transformation for 1/f fractal signal process is exploited as a multiscale whitening filter for removing the properties of self-similarity and long-range dependence from the fractal signals     

基于Kalman滤波器的室内激光/INS融合定位方法

讨论未知多边形室内环境下微型飞行器(MAV)的定位问题。利用惯性测量单元(IMU)测量飞行器运动参数,并计算飞行器的位置、航向。二维激光测距仪测量飞行器相对于障碍的位置,用迭代搜索/最小二乘算法匹配扫描数据,获得2次扫描的相对位移和转动。然后分析激光扫描匹配和惯性导航系统(INS)的误差,建立相应误差模型,并以此设计间接反馈校正Kalman滤波器。仿真结果显示,该激光/INS融合定位方法相比纯INS定位和无融合激光扫描匹配定位的精确度更高,并能将误差限制在一个较小的范围内。     

Rapid interference suppression using Kalman filter approach

Directional interference suppression is based upon a recursive estimation procedure of the state of a filter generating the angular interference spectrum. This leads to an iterative solution of the Wiener-Hopf matrix equation. Simulation results compare the convergence rate of the proposed technique and the gradient method.     

基于Kalman自适应滤波器的噪声消除器设计研究

讲述了Kalman自适应噪声消除器设计方法,并提出了一种有效的修正模式。理论推导和实验结果表明,本设计方案显著地改进了自适应噪声消除器的性能。     

基于扩展Kalman滤波算法实现定轨

在只考虑重力场作用和大气阻力作用的情况下,建立卫星简化动力学模型。研究基于扩展Kalman滤波的星载GPS定轨,根据GPS观测数据结合简化动力学对卫星状态进行最优估计。在J2000坐标系下,使用STK软件模拟的轨道数据进行定轨仿真。结果表明,该算法能够大幅度提高定轨位置和速度的精度。     

新的基于Kalman滤波的跟踪方法

模板更新策略是匹配跟踪算法成败的关键,为了提高基于模板匹配跟踪算法的性能,在分析多种模板更新算法的基础上,给出使用Kalman滤波器更新模板的方法。该方法不再将模板图像视为一个整体,而是使用Kalman滤波器对模板图像逐像素点进行更新,以得到自适应和最佳的目标模板图像,使匹配跟踪算法的性能得到很大提高,特别对于目标被遮挡、目标姿态变化以及环境照度变化有很强的适应性。对匹配算法的改进和遮挡的处理使该算法的性能得到进一步提高。实验结果表明该方法行之有效。     

基于扩展卡尔曼滤波器的车道线检测算法

提出一种将道路结构模型信息与扩展卡尔曼滤波器(EKF,extended Kalman filter)相结合的车道线检测算法。基于扫描线的自适应边缘检测算子进行边缘点的检测,针对车道模型建立了适合算法的自定义参数空间,进行边缘点的投票,提取出候选车道线,解决了传统Hough变换中处理速度慢的问题。根据道路几何学和车辆动力学建立新的车道模型,增加了车道信息待估计的参数,并利用车道线的特征约束排除干扰线得到车道线的内边界,结合EKF对车道线边界点坐标参数进行跟踪估计,以保证算法的稳定性与鲁棒性。实验结果表明,本文算法能够处理绝大多数的复杂车道情况,在实时性、鲁棒性和检测率上都取得很好的效果。     

Slipping detection and avoidance based on Kalman filter

The purpose of this paper is to present the latest slipping detection and avoidance algorithms developed by the authors for application in robotic manipulation tasks. Slipping can happen not only in quasi-static conditions such as in grasping tasks but also during dynamic manipulation, therefore the availability of slip control techniques effective in both conditions, such as those proposed here, are essential in real robotic applications. A new algorithm is also proposed to estimate on-line the actual friction coefficient at the contact with the manipulated object by means of a preliminary exploration phase, thus enabling safe manipulation of objects with unknown surface properties. A detailed dynamic simulator is presented and experimentally validated on a mechatronic test bench used for proving the effectiveness of the proposed approach.     

基于Meanshift与卡尔曼滤波的多目标跟踪

多目标跟踪相比较于单目标跟踪而言,视频中的目标数量增加,且在目标运动时,多个目标之间可能会产生遮挡,更增加了目标跟踪的难度,针对以上问题提出了Meanshift算法与卡尔曼滤波相结合的方法进行多目标的跟踪,首先采用Meanshift算法将目标与背景进行分割,然后分别建立Kalman数学模型,结果表明,该方法能够实现较为稳定的多目标的跟踪。     

基于卡曼滤波与均值偏移算法的目标跟踪

针对变化场景下的目标鲁棒跟踪,提出了一种结合均值漂移与Kalman滤波的跟踪算法.利用YCbCr特征空间进行目标描述,使用Kalman滤波对目标运动速度和空间位置进行预测.根据干扰的不同情况,使用不同的比例因子将两算法的跟踪结果线性加权得到目标的最终位置,并利用一种比较科学的模型更新策略,减轻了模型漂移的影响,视频序列跟踪结果表明,提出的方法能够稳定地进行跟踪.     

基于扩展卡尔曼滤波算法的无人机定位

无人机的移动定位是应对无人机机动性和应用环境复杂性的关键技术.为解决无人机中的全球定位系统(GPS)信号失效问题,提出了一种通过机载无线射频的接收信号强度解决定位问题的技术,分别采用扩展卡尔曼滤波方法估计距离和最小二乘方法估计路径损耗因子两种处理方法.理论分析和实验测试结果证实所提算法对有色噪声干扰下的接收信号有较好的增强效果,基于80％的置信水平,新算法相对于白噪声模型将估算误差从9.5 m减少到了4 m,还进一步提供了融合惯性导航的算法.     

红外序列图像目标跟踪的自适应Kalman滤波方法

提出了一种用于动态序列图像目标跟踪的自适应Kalman滤波方法。该方法用函数估计的思想估计目标的当前运动模型,同时实时修改滤波器的统计模型,并将最小二乘支持向量机应用于对当前目标运动模型的估计。实验表明,此种改进的Kalman滤波器的算法在跟踪机动目标时具有良好的性能。     

基于卡尔曼滤波器的运动目标跟踪算法

为了有效解决运动目标遮挡时目标信息容易丢失从而导致跟踪失败的问题,提出一种基于卡尔曼滤波器的运动目标跟踪算法。该算法首先利用高斯混合模型的背景差分法,结合空间邻域的相关性信息得到运动目标图像,然后通过建立帧间关系矩阵将跟踪情况分为5种状态分别进行处理,这5种状态是新目标出现、目标匹配、目标遮挡、目标分离和目标消失。采用卡尔曼滤波器预测目标参数,建立目标在下一帧中的预测信息。当运动目标相互遮挡时,在卡尔曼滤波器预测区域内采用交叉搜索法实现多个运动目标的精确匹配。通过多个视频序列测试,该算法能够获得良好的跟踪结果。     

基于开关扩展卡尔曼滤波的姿态估计

针对低成本动中通系统中的姿态估计问题,提出一种开关扩展卡尔曼滤波算法。以 无航向角的姿态更新算法为基础,根据微机械陀螺和加速度计分别建立系统状态方程和测量 方程。针对机动加速度的影响,设计了三维开关扩展卡尔曼滤波方程,对载体姿态角和陀螺 零偏进行实时估计。实验结果表明,该算法能够准确估计载体姿态和陀螺零偏,姿态角估计 误差小于0.5°,俯仰角和横滚角估计误差的方差分别为0.130 1°和0.140 5°, 两轴陀螺零偏误差均值均小于(2×10-4) °/s,能够满足动中通的应用要求。     

基于Kalman滤波的无线传感器网络多目标跟踪

研究了无线传感器网络(WSN)多目标跟踪系统,探讨制约其性能的条件,阐明了基于Kalman滤波的系统,同时还应用了若干事件辅助机制。通过相应的仿真实验发现,提出的新方法与调度策略可以实时跟踪多目标,同时还有诸多方面的优势,例如,降低测量时间,缩减计算开销,节约能耗,以及改善精度等。     

超高色域图案化量子点彩膜的研究

平板显示中影响色域的两个关键因素为背光源发光光谱特性和彩色滤光片的透过光谱特性。在TFT-LCD的高色域领域,为了实现BT2020标准,我们开发了量子点光刻胶替代彩色滤光片的方法。首先合成新型的量子点光刻胶,将其作为色彩转换膜制备在彩色滤光片下方,通过背光激发量子点自发光,可得到色纯度更高的红绿光。研究表明,自主开发的量子点光刻胶可以有效地进行色转换,可耐受光刻工艺,在高温烘烤和碱性显影下,可保持一定转换效率,且能实现pattern化,避免目前用白光直接搭配彩膜的漏光问题,有效地提高色域。     

基于FPGA实现的自适应卡尔曼滤波器的设计

在视频图像获取过程中,由于噪声对图像序列的降质,需要设计实时噪声滤波器。讨论了视频图像的卡尔曼滤波问题及自适应卡尔曼滤波算法,并讨论了自适应卡尔曼滤波算法的简化,以利于硬件实现自适应卡尔曼滤波器,并进行了简化算法仿真,完成基于FPGA实现的实时自适应卡尔曼滤波器的设计。     

基于Kalman滤波器的状态估计软测量

软测量技术是当前过程控制中研究热点之一,状态观测器在现代控制理论的应用中,主要是用来对系统中不可浏量状态进行估计或重构。本文介绍了基于Kalman滤波器的状态估计软测量技术,从可测信息集通过运用Kalman滤波器对系统进行状态估计,把主导变量作为待估过程状态,通过扩展的Kalman滤波自适应算法推出主导变量的估计值,实现对用常规方法难以测量的参数的测量,并通过工业应用实例进行说明。最后对其发展和应用进行了展望。     

基于FPGA的Kalman滤波器实现研究

卡尔曼（Kalman）滤波计算精度和速度是工程应用中是否成功的决定性条件,为进一步提高Kalman滤波算法在更复杂的环境下使用的性能,并能够同时满足实时性和精度的要求,采用现场可编程逻辑阵列（FPGA）技术,设计了Kalman滤波算法在FPGA上的实现方案,选择了一种可以同时满足精度和实时性的方案进行实现,对算法中的矩阵相乘、状态机的应用以及资源分时复用等关键技术进行了设计。通过与Matlab及DSP的计算结果相对比,验证了在FPGA内实现Kalman滤波器的优势。     

Correlation,Kalman filter and adaptive fast mean shift based heuristic approach for robust visual tracking

Correlation tracker is computation intensive (if the search space or the template is large), has template drift problem, and may fail in case of fast maneuvering target, rapid changes in its appearance, occlusion suffered by it and clutter in the scene. Kalman filter can predict the target coordinates in the next frame, if the measurement vector is supplied to it by a correlation tracker. Thus, a relatively small search space can be determined where the probability of finding the target in the next frame is high. This way, the tracker can become fast and reject the clutter, which is outside the search space in the scene. However, if the tracker provides wrong measurement vector due to the clutter or the occlusion inside the search region, the efficacy of the filter is significantly deteriorated. Mean-shift tracker is fast and has shown good tracking results in the literature, but it may fail when the histograms of the target and the candidate region in the scene are similar (even when their appearance is different). In order to make the overall visual tracking framework robust to the mentioned problems, we propose to combine the three approaches heuristically, so that they may support each other for better tracking results. Furthermore, we present novel method for (1) appearance model updating which adapts the template according to rate of appearance change of target, (2) adaptive threshold for similarity measure which uses the variable threshold for each forthcoming image frame based on current frame peak similarity value, and (3) adaptive kernel size for fast mean-shift algorithm based on varying size of the target. Comparison with nine state-of-the-art tracking algorithms on eleven publically available standard dataset shows that the proposed algorithm outperforms the other algorithms in most of the cases.