相似采样粒子滤波在混合系统估计中的应用

结合粒子滤波和Kalman滤波的边缘粒子滤波(MPF)是一种新的混合线性/非线性系统的状态估计方法,但是粒子滤波在计算上的复杂使得MPF难以兼顾系统实时性和精度的要求.针对此问题,提出一种基于相似采样粒子滤波算法的MPF滤波框架.算法从系统观测值中采样粒子,并通过一个计算相邻时刻粒子转移概率的步骤,提高了粒子使用率,使得算法能以少量粒子实现对非线性状态量的估计,进而提高Kalman滤波的精度和实时性.给出了算法原理分析和实现流程.以混合坐标系下的目标跟踪为对象,利用蒙特卡罗仿真研究了ILLH_MPF算法的应用,并与常规MPF方法进行了对比.     

机载SAR天线稳定平台伺服控制系统的算法设计改进

机载合成孔径雷达采用天线稳定平台对载机角运动误差进行补偿,使天线在惯性空间保持稳定并跟踪地速方向.平台数字伺服控制系统的设计采用单片FPCA替代DSP&CPLD现有方案,即在单片FPGA上完成数据采集、滤波及控制算法处理,并输出PWM信号进行电机调速控制.本文提出以双速度环控制替代传统的仅由光纤陀螺作为反馈元件的单速度环控制,并提出基于提升方案的小波阈值滤波、增益矩阵离线计算的常增益α-β-γ滤波、速度和加速度前馈等算法改进措施,在提高系统控制精度的同时,便于FPGA硬件实现以满足实时性要求,具有很强的工程应用价值.     

新型自适应Kalman滤波算法及其应用

为防止滤波发散和提高系统的实时性,提出了一种新的自适应Kalman滤波算法.该算法利用滤波异常判据获得一个滤波状态因子,通过滤波状态因子确定量测噪声协方差阵的值,在线调整噪声的统计特性实现自适应滤波.将该算法应用到惯导/双星组合导航系统中,并和常规Kalman滤波和简化的Sage-Husa自适应滤波算法进行仿真比较.仿真结果表明,在滤波精度与简化Sage-Husa自适应滤波相当的情况下,新算法简化了运算,提高了实时性.     

基于定点LMS算法的自适应天线阵技术及其FPGA实现

如何在满足实时性及精度的前提下实现LMS算法一直是工程上的难点。根据SINR（信干噪比）对天线阵元的输入信号进行了建模,提出一种适合于FPGA（现场可编程门阵列）实现的定点数制,并在满足算法实时性的前提下在FPGA上实现了LMS（最小均方）算法。测试结果表明采用这种定点数制的算法所形成的天线阵方向图具有较好的性能。     

中值滤波器的FPGA实现方案

为了满足红外跟踪系统中对预处理越来越高的实时性要求,本文提出了一种基于现场可编程逻辑门阵列（FPGA）的中值滤波器.文中首先分析了当今FPGA发展的特点和优势;并对设计所用的FPGA芯片XC2V1000的结构特点进行研究;具体讨论了中值滤波在FPGA中的实现.结果证明方案可行,滤波具有良好的实时效果.     

伪码同步技术研究及其FPGA实现

针对扩频通信系统中的伪码同步问题,分析了基于匹配滤波捕获跟踪算法的伪码数字化同步方案.围绕匹配滤波捕获算法的原理和仿真,对伪码捕获跟踪同步算法在FPGA中的具体实现进行了研究.实验结果表明,该同步算法在FPGA上实现简练,性能稳定,能很好满足通信系统对速度和精度的要求.     

基于FPGA的实时图像自适应中值滤波器设计

利用自适应的中值滤波算法,设计了基于FPGA的实时图像自适应中值滤波器。与之前的软件实现方法相比,程序能满足实时性的要求,且占用资源少,是一种简单易行的方案。在Xilinx硬件平台上已经得到验证。     

一种高速实时信号多相位分解滤波方法

本文提出了一种高速实时信号多相位分解滤波方法,讨论了多相位分解滤波的基本原理、设计及FPGA实现,给出了多相位分解滤波算法的实现方案。在现有FPGA器件上实现了多相位分解滤波算法,可满足信号实时处理需求。     

红外偏振摄像机动目标检测跟踪系统（特邀）

基于红外偏振摄像的机动目标检测跟踪系统对实时性要求较高,而且在野外场景下需要具备低功耗的特点。FPGA具有并行计算的特性,能够极大的提高系统吞吐量和处理数据速度,能够满足实时性的要求,因此一种基于FPGA的目标检测跟踪系统被设计出来并得以实现。在硬件开发平台上采用模块化以及软硬件协同设计的方式,将具有不同计算特点的任务分别在PS端（ARM）以及PL端（FPGA）实现,其中PL部分负责部分算法的加速、FPGA和ARM处理器之间数据传输以及HDMI等接口逻辑控制等,PS部分负责实现较为复杂的检测跟踪算法,以及负责控制FPGA端的各个模块。最后,对目标检测跟踪系统进行实验测试和分析,给出系统的硬件资源消耗及功耗,结果表明该目标检测跟踪系统能够满足实时性的要求,并且具备低功耗的特点。     

一种嵌入式实时跟踪系统的设计与实现

设计了一种视频跟踪器,它以高性能DSP芯片TMs320Vc5416作为中央处理器,结合现场可编程门阵列(FPGA)构成外围电路逻辑控制,搭建了硬件跟踪平台,并在此系统中实现了用Kalman滤波估计目标位置和Mean Shift算法跟踪的目标位置自适应加权求和,作为目标最终跟踪结果的跟踪算法,有效减少了相同颜色背景的干扰.实验结果表明,本系统具有良好的跟踪性能,满足实时性要求.     

Kalman滤波算法在被动跟踪中的应用

研究卡尔曼滤波算法在被动跟踪系统中的应用。采用滤波与控制相分离的方法,设计卡尔曼滤波器,推导了相应的扩展卡尔曼滤波公式,并利用获取的实测数据,对卡尔曼滤波算法进行了性能仿真。结果表明,滤波算法滤波效果明显,平均耗时约1.5ms,可以用于被动跟踪系统中信号的实时处理。     

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FPGA的Kalman滤波器的设计

针对电路设计中经常碰到数据的噪声干扰现象,提出了一种Kalman滤波的FPGA实现方法。该方法采用了Ⅱ公司的高精度模数转换器ADS1251以及Altera公司的EPIC12,首先用卡尔曼滤波算法设计了一个滤波器,然后将该滤波器分解成简单的加、减、乘、除运算。通过基于FPGA平台的硬件与软件的合理设计,成功地实现了数据噪声的滤除设计,并通过实践仿真计算,验证了所实现滤波的有效性。     

大失准角下SINS的KF/EKF2混合滤波对准

针对捷联惯导系统(SINS)大失准角下滤波对准过程中非线性滤波器状态维数过大的问题,提出了一种基于模型分解的卡尔曼滤波/二阶扩展卡尔曼滤波(KF/EKF2)混合滤波方法,将基于欧拉平台误差角的非线性滤波模型分解为线性部分和非线性部分,分别采用线性KF滤波和非线性EKF2滤波处理,并且设计了混合滤波的滤波步骤。实验结果表明,KF/EKF2混合滤波算法在计算量、实时性及精度等方面优于最常用的无迹卡尔曼滤波(UKF)和EKF2滤波。     

卡尔曼滤波器的FPGA实现

采用FPGA(现场可编程门阵列)实现卡尔曼滤波器,最终的设计结果不但简化了计算,还得到了更满意的跟踪结果,使卡尔曼滤波器的实现更加简单,效果更理想。另外,通过FPGA实现可以提供很大的编程灵活性,可以随时对程序进行修改与扩充,大大降低研发成本。     

GPS动态定位中自适应卡尔曼滤波研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的GPS动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了GPS动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。     

最大平行结构的kalman滤波器的硬件电路设计

文章提出了一种基于FPGA的kalman滤波器的硬件实现结构。由于设计应用了高性能的算数处理单元和流水线结构，获得高效的结果，每次的处理周期大约是57．98ns，比其软件实现快了3到4个数量级。同时有利用了资源共享技术，使其面积比没有使用资源共享的情况下减少了45％左右。     

基于FPGA分布式算法的滤波器设计

设计了FPGA的分布式算法结构和具体的硬件环境。基于FPGA的分布式算法充分利用FPGA的并行处理特性设计算法,简化了滤波器系统设计。采用了分割查找表技术,节省了FPGA硬件资源。对查找表（LUT）中内容经过相应的修改即可方便地实现低通、高通、带通滤波。对基于FPGA分布式算法的滤波器进行了仿真及工况环境下的测试实验。实验结果表明,该算法不仅提高了系统运行速度,而且节省了大量的FPGA资源,还具有极大的灵活性。     

一种新的高精度光纤平台系统级标定方法

针对高精度光纤平台系统误差补偿的需求，有效地提高光纤平台的应用精度及启动快速性，该文考虑了加速度计的杆臂误差、惯性仪表的时间不同步误差、安装误差及标度因数误差等误差特性，建立了两级标定的 Kalman 滤波方程。采用 Kalman 滤波法实现误差参数的辨识，并对该方法进行了仿真分析和实验验证。仿真和实验结果表明，所设计的系统级标定方法能够估计出所有的误差参数，且具有较高的应用性能，对于提升高精度光纤平台的应用精度具有重要意义。     

无迹卡尔曼滤波算法在目标跟踪中的研究

无迹卡尔曼滤波(UKF)是重要的非线性滤波方法。无迹卡尔曼滤波方法是通过一组代表着均值和方差分布的采样点来对非线性系统进行非线性计算,在不对非线性方程线性近似的条件下,达到线性卡尔曼滤波器的滤波性能。文中在机动目标选定运动模型和滤波算法的基础上,对机动目标的运动作了仿真实验。从仿真分析中可以看出,无迹卡尔曼滤波在跟踪方面有很高的精度,与传统的扩展卡尔曼滤波算法相比较,无迹卡尔曼滤波算法有较小的跟踪误差。