LMI方法非脆弱鲁棒H∞控制器设计

研究了控制器增益在加法式摄动下的非脆弱鲁棒H∞控制问题,基于线性矩阵不等式(LMI)理论,提出了非脆弱鲁棒H∞控制器存在的充分条件,将具有控制器增益不确定性的非脆弱鲁棒控制器设计问题,化为具有线性矩阵不等式约束和线性目标函数的凸优化问题求解,得到了一种非脆弱鲁棒H∞状态反馈控制器的简化设计方法.所设计的控制器在容许的增益摄动下,仍能保证闭环系统的稳定性和性能要求,系统不仅具有鲁棒性而且是非脆弱的,从而使系统具有更高的可靠性.仿真结果表明了设计方法的有效性.     

道路约束在Kalman滤波中的应用

研究把道路约束引入Kalman滤波的新方法,分析了道路对过程噪声和目标速度的约束,给出了道路约束条件下目标的运动方程以及过程噪声方差调整的方法;将道路对目标速度的约束以伪测量的形式引入测量方程并给出了对应的滤波方程。两个不同场景的蒙特卡罗仿真结果验证了上述新算法带来的性能改善。     

自调节鲁棒H∞滤波目标机动估计

将鲁棒H∞滤波理论应用到具有自调节特性的二阶马尔科夫模型下的目标机动估计问题中.初始滤波机动模型参数采用给定值,滤波开始后采用目标运动状态的滤波估计值实时计算模型参数.基于自调节目标机动模型,本文选择卡尔曼滤波和H∞滤波进行了目标机动突变估计仿真研究.结果表明,采用具有自调节特性的二阶马尔科夫目标机动模型时,H∞滤波精度高,适应目标机动突变的能力强,估计精度能够满足精确制导系统的指标要求.     

一种基于道路约束的变结构多模型跟踪算法

有效使用道路信息能显著提高地面运动目标跟踪性能。针对复杂道路网运动目标跟踪,给出了一种道路约束下的滤波和建模方法。首先描述了道路网的数学模型和道路约束条件下的过程噪声修正方法,根据道路约束最大后验概率估计准则给出了一种路段切换时状态和协方差修正公式;接着提出一种根据目标当前所处路段自适应滤波模型生成的变结构多模型(VSMM)方法,有效减小道路运动目标的模型动态误差,提高跟踪性能。仿真结果证明了该算法的优越性能。     

加权融合鲁棒增量Kalman滤波器

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。同样地,当系统的噪声方差不确定时,滤波的性能也将会变坏,甚至会引起滤波器发散。增量方程的引入可以有效消除系统的未知量测误差,从而带未知量测误差的欠观测系统的状态估计问题可以转换为增量系统的状态估计问题。该文考虑带未知量测误差和未知噪声方差的线性离散系统,首先提出一种基于增量方程的鲁棒增量Kalman滤波器。进而,基于线性最小方差最优融合准则,提出一种加权融合鲁棒增量Kalman滤波算法。仿真实例证明了所提算法的有效性和可行性。     

基于sigma点H∞滤波的说话人跟踪方法

在基于麦克风阵列的说话人跟踪系统中,存在观测方程的非线性程度较强,观测误差的统计特性不易准确描述等问题.本文提出了一种基于sigma点H∞滤波的说话人跟踪方法.该方法用sigma点转换技术减小观测方程的线性化误差,用H∞滤波方法降低观测误差不确定性对说话人位置估计的影响,从而提高了说话人跟踪精度,增强了跟踪系统对噪声的鲁棒性.仿真实验结果表明,相对于扩展卡尔曼滤波方法,本文方法在多种噪声条件下可将说话人跟踪误差降低25%以上.     

基于稀疏度约束与动态组结构稀疏编码的鲁棒视觉跟踪

目标编码系数的稀疏性使得L1跟踪成为解决遮挡目标跟踪的有效方法之一,但是现有稀疏编码算法没有利用L1跟踪中编码系数的特殊稀疏结构.本文基于目标模板系数稀疏度约束要求和小模板系数的空间连续性结构,利用块坐标优化原理提出一种两阶段稀疏编码算法用于视觉跟踪.在第一阶段,该算法利用正交匹配追踪求解具有约束稀疏度的目标模板系数,在第二阶段,该算法利用动态组稀疏编码求解具有空间连续性的小模板系数.在粒子滤波框架下,利用提出的稀疏编码算法实现了鲁棒的视觉跟踪.实验结果表明本文提出的跟踪方法比现有跟踪方法具有更强的鲁棒性和较高的跟踪精度.     

基于子特征的交通车辆检测及跟踪算法

通过对交通场景实际情况的分析，特别是考虑到视频在相邻帧之间的变化，提出了一套鲁棒、实时的背景提取及更新算法．实现了基于背景差分算法的车辆检测和提取。同时，根据车辆的角特征点信息，将卡尔曼滤波器引入车辆跟踪算法中，并借助光学投影方程部分恢复待匹配角特征点的高度信息，以检查匹配算法的准确性。经过大量的单目交通图像序列的测试。表明该算法是鲁棒而且实时的，可以有效地从交通场景中提取出运动车辆，并在视野范围内对其予以跟踪。     

不确定系统的鲁棒容错H∞控制

针对不确定线性连续系统,研究了执行器失效情况下的鲁棒容错H∞控制问题.利用LMI,给出了不确定线性系统对任意执行器故障均保持渐近稳定且满足给定干扰衰减指标的鲁棒容错H∞控制器存在的充要条件,讨论了参数不确定线性系统的鲁棒容错H∞控制器的设计问题.根据凸优化理论,进一步给出了鲁棒容错最优H∞控制器的线性凸优化设计算法和设计步骤.采用所设计的状态反馈控制器,当任意执行器出现故障时,闭环系统仍保持渐近稳定且满足给定的干扰衰减性能指标.数值仿真例子验证了该设计方法的可行性和有效性.     

基于阵列天线与鲁棒卡尔曼滤波的盲空时多用户检测

文章提出了一种基于鲁棒卡尔曼滤波算法的盲空时多用户检测方法,该自适应算法有效地结合了阵列天线与多用户检测,不需要发送训练序列。标准卡尔曼滤波要求系统模型精确,若出现误差会影响滤波精度。经附加带未知时变特性的噪声来补偿模型误差,即鲁棒卡尔曼滤波的虚拟噪声补偿技术,更好地适应带未知模型误差的系统,提高滤波精度。在DS-CDMA系统中单输入多输出(SIMO)多径衰落信道下,仿真结果表明该方法收敛速度快,跟踪能力强,鲁棒性好,具有很强的抗多径和多址干扰能力。     

基于大数据安全技术及深度特征的鲁棒视觉跟踪

针对光照变化、目标旋转、背景杂乱等复杂条件下,核相关滤波KCF算法出现目标跟踪漂移或者失败的问题,本文利用卷积神经网络(CNN)对跟踪目标出现光照、旋转、背景杂乱等复杂变化极具鲁棒性的特点,提出了一种基于卷积神经网络的鲁棒视觉跟踪算法CKCF.CK0 CF算法在考虑大数据安全和隐私保护技术的前提下,利用海量的图片数据集训练VGG模型提取目标深度特征,并融入改进后的KCF跟踪算法中,实验结果表明,与KCF算法相比较,该算法实现了更加鲁棒的跟踪效果,解决了KCF跟踪算法在光照变化、目标旋转、背景杂乱等复杂条件下目标跟踪漂移或者失败的问题.     

基于UPF-BP神经网络的视频跟踪研究

本文提出一种UPF粒子滤波与BP神经网络相结合方法用来跟踪运动背景下的视频多运动目标,该方法可以处理尺寸变换问题,从而可以鲁棒地跟踪目标。这种算法可以把最新的观测考虑进去,跟踪目标既可以是刚性目标,也可以是非刚性目标,并且跟踪算法可以实时实现。     

基于多核融合与局部约束的协同表示目标跟踪

针对局部约束线性编码和协同表示编码的判别信 息不足问题,本文提出一种基于多核融合与局部 约束的协同表示目标跟踪算法。首先为了获得更好的分类性能,采用局部约束线性编码方法 ,将样本数据 的局部结构引入到协同表示方法中;然后利用核函数将该协同表示扩展到多特征融合的核空 间,使得字典 和稀疏表示系数对目标特征的类判别能力得到增强;最后视目标跟踪为二分类问题,在粒子 滤波框架下将 分类器得分最高的候选目标作为跟踪目标。实验结果表明,本文算法在发生目标运动模糊、 尺度变化与快 速运动以及遮挡、光照变化时具有准确且鲁棒的目标跟踪效果。     

机动目标跟踪的HIMM算法研究

交互多模型算法(IMM)的子滤波器都是基于Kalman滤波的,它要求知道精确的噪声统计特性,然而在许多情况下噪声信号的统计特性是未知的,只能得到噪声信号的近似模型,这在一定程度上降低了IMM算法的跟踪精度.基于以上问题,将H∞滤波算法应用于IMM算法的滤波过程.H∞滤波对干扰信号的统计特性不作任何假设,与Kalman滤波相比,H∞滤波器对噪声形式的不确定性不太敏感,鲁棒性好.在跟踪过程中还引入了一种数值稳健的模型概率计算方法,能有效防止计算过程中出现数值溢出现象,提高了算法的可靠性.最后通过仿真实验,证明了算法的有效性.     

悬臂式倒立摆H_∞控制设计及仿真

针对旋臂式倒立摆的稳定控制问题,建立了二阶旋臂式倒立摆系统的数学模型,运用连续系统线性鲁棒H∞最优控制理论,通过设计旋臂式倒立摆控制系统的鲁棒调节器,使倒立摆系统在闭环状态下稳定并具有较强的鲁棒稳定性。运用Matlab进行仿真,通过与传统线性二次型最优控制配置方法相比较,结果发现鲁棒H∞最优控制效果更好。     

H_∞滤波及其在INS/CNS组合导航系统中的应用

在惯导/星光(INS/CNS)组合导航中,由于集中卡尔曼滤波存在对系统模型和噪声统计特性依赖性等缺点,将H∞滤波方法理论应用其中。给出了H∞滤波的滤波方程,定性讨论了kalman滤波和H∞滤波的关系,通过在INS/CNS组合导航系统中的实际应用进一步从精度和鲁棒性对两种滤波算法进行了比较。仿真结果表明,当噪声为有色噪声或统计特性不确定时,H∞滤波优于kalman滤波,说明了该算法的有效性和可行性。     

H2/H∞混合滤波在GPS/DR组合导航中的应用研究Ⅱ

纯卡尔曼滤波在系统或观测噪声不符合假设前提下,滤波将出现发散,而纯H∞滤波虽然稳健,但是精度不高,所以,比较常用的方式是两种滤波形式相结合的H2/H∞混合滤波.本文提出了一种不需对噪声作过多建模,对两种滤波的增益矩阵进行加权求和的混合滤波形式,基于该形式,推导了加权系数的求法,并基于该算法,应用在GPS/DR组合导航中,进一步,为了简化计算,提高运算效率,提出了更符合工程应用的稳态H2/H∞滤波方法,仿真结果表明,H2/H∞混合滤波即具有卡尔曼滤波的同等精度,又具有H∞滤波的滤波稳健性,综合时间耗费、滤波精度、滤波稳健性三个指标,稳态H2/H∞滤波更符合工程应用.     

H2/H∞混合滤波在GPS/DR组合导航中的应用研究Ⅰ

纯卡尔曼滤波在系统或观测噪声不符合假设前提下,滤波将出现发散,而纯H∞滤波虽然稳健,但是精度不高,所以,比较常用的方式是两种滤波形式相结合的H2/H∞混合滤波.本文提出了一种不需对噪声作过多建模,对两种滤波的增益矩阵进行加权求和的混合滤波形式,基于该形式,推导了加权系数的求法,并基于该算法,应用在GPS/DR组合导航中,进一步,为了简化计算,提高运算效率,提出了更符合工程应用的稳态H2/H∞滤波方法,仿真结果表明,H2/H∞混合滤波即具有卡尔曼滤波的同等精度,又具有H∞滤波的滤波稳健性,综合时间耗费、滤波精度、滤波稳健性三个指标,稳态H2/H∞滤波更符合工程应用.     

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.     

强跟踪Unscented滤波器及其在无源跟踪中的应用

本文研究用递推算法实现只测量到达角和多普勒频移的无源双基地雷达的目标运动分析。基于Unscented卡尔曼滤波器和强跟踪滤波器,提出了一种新的强跟踪Unscented滤波器算法。新算法在无源双基地雷达目标跟踪的仿真实验中显示了高精度鲁棒滤波的性能。