强跟踪求积分卡尔曼滤波算法

在非线性系统滤波问题中,可能出现真实系统和滤波模型不匹配的现象,而标准形式的求积分卡尔曼滤波器对于这种具有模型不确定性系统的鲁棒性较差、滤波精度降低的问题。针对该问题,结合强跟踪滤波器的思想,提出了强跟踪求积分卡尔曼滤波算法。通过引入衰减因子对当前时刻的状态预测协方差矩阵进行修正,使得不同时刻的残差序列保持正交,减弱先前滤波结果对当前滤波过程的影响,增强量测值的作用,减弱模型的作用,克服模型的不确定性对滤波结果的影响。仿真结果表明,在具有模型不确定性情况的非线性滤波问题中,该算法与标准形式的求积分卡尔曼滤波算法相比,能够获得更高的滤波精度。     

利用GPS进行车辆动态定位的自适应模型研究

提出一种GPS动态定位系统模型,并将其应用于车辆的导航定位系统,获得了明显效果.将GPS的误差等效为马尔柯夫过程,采用描述机动载体运动的"当前"统计模型,建立了一种利用GPS对车辆进行动态导航定位的滤波模型及自适应卡尔曼滤波算法.仿真结果表明,应用所提出的强跟踪动态定位模型和算法,与改进前相比车辆导航定位系统的精度、实用性均得到了明显提高.     

高动态GPS定位滤波算法的仿真研究

当前,GPS全球定位系统是相对完美的卫星定位系统,它的显著优点是全球性、全天候、实时定位,也可应用到多方面上,一般是应用在航天、航海等领域。尤其是最近几年来,GPS导航的应用更加多方面,它的发展前景也是无限好。在高动态GPS的定位数据中会有些许影响到定位的因素,然而将卡尔曼滤波方法应用到其中就可以大大降低该误差,从而提高精度,然而,在现实生活中得到对系统状态精确描述的内容是较为困难的。本论文对GPS的误差进行了分析,结果表明,提到的滤波算法对于高动态GPS定位很是适合。最后,在GPS/DR和GPS/INS组合导航定位系统中应用了卡尔曼滤波算法,并对其作了仿真分析和建模,得到了较为理想的结果。     

高动态下GPS信号跟踪环路的仿真研究

GPS信号跟踪过程是GPS接收机的核心组成部分,它是将捕获阶段得到的各项参数进行精确估计的过程,实现本地生成信号与输入信号的准确同步。以高动态环境为前提,模拟生成GPS信号,改变卫星信号的加加速度,模拟高动态下所引起的多普勒频移,分别使用传统跟踪环路与扩展卡尔曼滤波环路对信号进行跟踪。仿真结果显示,扩展卡尔曼滤波跟踪环路更加稳定,精度有所提高。     

强跟踪卡尔曼滤波在视频目标跟踪中的应用

针对经典卡尔曼滤波器在滤波数学模型与实际过程的数学规律不匹配、滤波特性较差的情况,提出利用强跟踪卡尔曼滤波器对视频序列图像中的运动目标进行跟踪。该方法是在经典卡尔曼滤波递推公式中的一步验前误差方差阵中引入可在线计算的时变渐消矩阵,从而调节增益K,使之能够不断变化,保证对新息序列的自适应调节,使状态滤波更准确。实验结果表明,较之经典卡尔曼滤波,该方法具有对运动目标更强的跟踪能力,跟踪精度更高,均方误差更小。     

带有速度观测量的GPS动态滤波方法及滤波精度分解*

提出了带有速度观测量的ＧＰＳ动态滤波方法，从而解决了载体机动时滤波器的动态跟踪问题。首先采用描述机动载体运动的“当前”统计模型，建立了ＧＰＳ动态定位滤波的系统方程，和带有速度观测量的观测方程，并进行了系统的可观测性分析。然后进行了引入速度观测量提高跟踪精度的理论分析。最后通过计算机仿真结果验证了增加速度观测量可有效地提高滤波器的跟踪精度。     

基于UKF的高动态GPS载波跟踪

在高动态环境下,传统的GPS载波跟踪环无法保证可靠的跟踪．本文提出一种改进的基于无迹卡尔曼滤波的高动态载波跟踪方法,采用频率快速牵引方法来保证滤波快速收敛,并加入了一种载波幅度的估计方法．利用美国喷气推进实验室高动态载体模型对环路的跟踪性能进行了测试．测试结果表明,该方法在高动态环境下不仅能快速牵入和锁定载波信号,而且在高达lOOg／s的加加速度作用过程中也能持续精确的跟踪．     

基于卡尔曼滤波的车载GPS定位研究

利用卡尔曼滤波处理GPS定位数据是提高GPS定位精度的一种有效手段。针对车载GPS定位的特点,实现了一种车载GPS卡尔曼滤波算法。通过对实测数据进行比较分析,证明该算法具有实用意义。     

基于非线性滤波算法的高动态GPS定位模型

运动载体上的GPS接收机在高动态环境下运行时,由于接收机与卫星的相对加速度和速度均过大,测得的伪距和多普勒频移均存在较大的误差,而现有的GPS定位模型动态建模较为简单,导致系统在高动态环境下定位精度很低.提出一种改进的GPS系统模型,将接收机加速度信息引入到系统状态变量中进行估计,测量模型和状态模型均随接收到的卫星颗数而动态改变,并使用了平淡卡尔曼滤波进行定位解算,结果证明,使GPS系统在高动态环境下仍能得出较高的定位精度,并有定位模型的有效性和较强的鲁棒性.     

基于卡尔曼滤波的动态目标跟踪

为了实现工业相机对动态目标的准确、实时跟踪,提出了基于卡尔曼滤波的算法。通过创建背景模型来估计出当前背景,进而得到前景区域,并对前景区域进行相关处理,最后通过计算补集得到更新后的背景。此方法能根据不同场景信息调整前景与背景阈值,减弱背景区域造成的噪声影响,实时地根据场景变化快速、自动更新背景,并对每一位置的像素进行背景估计。通过在VS2010平台上结合JAI软件开工具包(Software Development Kit,SDK)调用Halcon函数库实现了卡尔曼滤波动态跟踪,其中JAI SDK用于开发千兆网相机,几乎支持所有千兆网相机。实验结果表明,该算法能够实现对目标的实时动态跟踪,实时性强,准确度高。     

一种强跟踪滤波器及其在人手跟踪中的应用

通过对状态预报误差的协方差矩阵的各个分量分别进行控制,设计一种强跟踪扩展卡尔曼跟踪滤波器,并在单目相机环境下利用该滤波器对3D人手运动过程中的突变状态进行跟踪;讨论了3D人手生理模型、运动模型等问题;最后通过大量实验证明了该强跟踪滤波器的有效性.与现有的STEKF滤波器相比,文中的强跟踪滤波器具有更强的跟踪能力.     

自适应卡尔曼滤波在目标跟踪系统中的应用

目标跟踪是精确制导系统中的重要组成部分.文中针对运动目标跟踪问题,在建立运动模型的基础上,应用卡尔曼滤波算法进行了跟踪仿真研究.考虑到直角坐标系下的扩展卡尔曼滤波容易发散,可能导致滤波精度变差,所以文章提出一种针对非线性观测模型和线性动态模型的自适应推广卡尔曼滤波器.直角坐标系下的自适应卡尔曼滤波算法,对虚拟噪声进行了估计,动态补偿观测器模型的线性化误差,削减了系统的观测误差,并对其滤波理论及算法进行了仿真研究.结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法.     

基于非线性卡尔曼平滑的GPS定位估计方法

在GPS单机定位中,通常采用卡尔曼滤波作为位置状态解算的方法.文中提出一种将非线性平滑技术用于GPS定位估计的方法,该方法可用于单机GPS接收机的定位解算,在非线性滤波的基础上进一步提高定位精度.提出一种随接收卫星数量而实时改变测量参数的动态测量模型,根据GPS的伪距、多普勒频移和导航信息等原始数据进行定位模型的解析,运用新型的平淡卡尔曼平滑算法求解该动态模型.GPS定位实验结果表明,与通用的最小二乘迭代法和非线性滤波等方法获得的结果相比,所提出的方法能获得更高的定位精度.     

基于CamShift和Kalman组合的改进目标跟踪算法

针对应用CamShift算法进行目标跟踪过程中,当目标被严重遮挡、目标被与目标颜色相近的背景干扰时易丢失跟踪目标的问题,提出了一种基于CamShift和Kalman滤波组合的改进跟踪算法;为克服目标因严重遮挡而丢失的缺陷,利用自适应算法改进了传统的CamShift算法,扩大了搜索窗口,使运动目标位于搜索窗口内;为解决目标因颜色相近背景干扰而丢失的问题,改善跟踪准确率,利用卡尔曼滤波预测目标运动空间位置,作为下一帧搜索窗口的质心坐标;基于上述改进,利用C++语言,研发了改进的CamShift目标跟踪软件模块,给出了该模块的算法流程;实验结果表明,改进后的目标跟踪算法能有效地克服传统CamShift算法的缺陷,大大提高运动目标跟踪的准确性;所提的算法可以应用于运动小车跟踪,人脸识别等领域。     

一种基于改进UKF的3D人手跟踪算法

将手指作为基本处理对象,对UKF（unscented Kalman filter）算法进行改进,并利用它对当前手指各关节进行预测;以预测值作为初值,用局部搜索技术对误差较大的关节用改进的UKF算法重新进行预测,直到该手指在像平面上的投影轮廓和图像轮廓之间的距离图满足指定的精度为止．该算法以状态变量量测值的获取作为突破口,解决现有算法中跟踪精度过分依赖于3D人手模型精度的问题．实验结果表明,该算法具有较强的处理局部自遮挡问题能力,对3D人手模型的不精确性也具有更好的鲁棒性．     

基于卡尔曼滤波的液位检测与跟踪

液位是工业测量的重要参数之一,如何准确有效的对液位进行测量一直是研究的一个重点。为解决上述问题提出将视频技术应用于液位测量的新方法。当出现干扰时,以往的直接测量算法很难准确测量,而运用此方法,首先根据液位运动特性,建立其运动的数学模型,在采用更新函数的背景差法基础上,提出了一种卡尔曼滤波的预估校正算法,避免了测量中对单帧图像信息的依赖,提高了检测系统抗扰性。实验仿真表明,算法有效地保证了液位跟踪的准确性、稳定性和连续性。     

基于CKF的GPS定位误差估计及故障检测

针对卡尔曼滤波(KF,Kalman filter)算法无法解决非线性系统估计的问题和扩展卡尔曼滤波(EKF,extended Kalman filter)算法在GPS卫星导航定位误差估计中存在的线性化误差大、需求解繁琐的Jacobian矩阵等问题,将较新型的卡尔曼滤波算法——容积卡尔曼滤波(CKF,cubature Kalman filter)应用于GPS定位计算,在算法精度上与KF和EKF算法进行了比较,并利用定位误差进行GPS故障卫星的检测.利用实测导航电文数据进行实验,结果表明:CKF用于导航定位估计不仅精度高,而且实现简单,无可调参数,性能明显优于KF和EKF,并可进一步用于故障检测.     

基于改进UKF的GPS非线性动态滤波研究

为了提高动态定位精度,将一种改进的UKF(Unscented galman Filter)算法应用在GPS非线性动态定位解算中.将UKF算法与IEKF(Iterated Improved Kalman Filter)算法相结合,因此保持了基本UKF算法易于实现和收敛速度快的优点,同时由于滤波值是通过迭代扩展的卡尔曼滤波机制得到,进而更新值能更准确的逼近非线性系统状态概率密度函数,具有更高的精度.应用于GPS非线性动态滤波定位中,仿真结果表明:与UKF算法相比,算法能够明显提高定位精度.     

基于卡尔曼滤波的运动人体跟踪算法研究

提出一种基于卡尔曼滤波的运动目标快速跟踪算法。利用卡尔曼滤波器的预测功能,预测运动人体目标在下一帧中的位置,在Matlab仿真环境下实现该跟踪算法,实验结果表明：该算法对人体目标的运动趋势能够做出正确的预测估计,跟踪效果和性能较为稳定和可靠。此外,该算法将图像全局搜索问题转换为局部搜索,使运算量减少,满足实时性跟踪要求,实现了对运动目标的快速跟踪。