wMPS测量原理算法及优化

wMPS测量基本原理算法适用于两台wMPS基站测量,存在精度低、稳定性差的问题.为了满足工业现场应用需求,提高wMPS的测量精度和wMPS系统在工业应用中的可靠性、稳定性,需要采用多发射站测量.通过数学分析,采用矢量法与最小二乘法相结合的方法,实现了多发射站同时测量某一待测点坐标的求解算法.该算法将矢量法应用在多个发射站测某一待测点算法中,从而提高测量精度及稳定性等,同时避免了原始算法中先求解水平角和垂直角,再根据两个发射站之间的距离进行待测点坐标解算,降低了运算量.     

基于卡尔曼滤波算法的最小二乘拟合及应用

图像处理或在工业控制中经常要用到最小二乘直线拟合,对于有奇异点的直线拟合,传统的最小二乘法拟合误差较大,难以满足较高精度的要求。卡尔曼滤波算法具有最小无偏方差性,能够去除测量系统中的随机误差,将卡尔曼滤波算法与传统最小二乘法结合,建立了一种基于卡尔曼滤波预处理的最小二乘估计的新方法,获得了比传统最小二乘法效果更好的估计结果。试验证明了该方法的有效性和高精度性。     

最小二乘被动式跟踪算法与仿真

在以Ｋａｌｍａｎ滤波为基础的各种被动式跟踪算法中，一直存在几个难题：初值敏感、估计有偏且对先验信息的强依赖性。本文根据目标－观测站的几何关系，导出了基于伪线性量测的最小二乘被动式跟踪算法，该算法可减少先验信息。ＭｏｎｔｅＣａｒｌｏ模拟结果证明了本方法的有效性和正确性，本文同时给出了其他三种不同的被动式跟踪算法的仿真结果，并进行了简要分析     

基于光电扫描的网络式大尺寸测量系统定位算法研究

wMPS( workspace Measuring Position System)是一种新型的网络式大尺寸测量系统.与基于角度交会的定位方法相比,基于光平面交会的定位算法避免了方位角的计算,消除了发射器装配误差的影响.通过对两种算法的证明和比较,分析了主要误差来源,并通过实验进行了验证.实验结果表明,在6m×6m×3...     

基于RSSI的机器人室内卡尔曼滤波定位算法研究

针对移动机器人在室内环境中定位难的问题,提出了一种基于RSSI（Receive Signal Strength Indicator）的卡尔曼滤波定位算法。利用基于RSSI的定位方法估算用户的位置坐标,利用卡尔曼滤波算法对用户的估算位置坐标进行优化处理,以提高室内定位系统的性能和稳定性。实验结果表明,卡尔曼滤波算法是鲁棒的,可以有效改善系统的定位精度,达到了预期的目的。     

基于加权最小二乘的多基地声呐定位算法研究

研究水下监视目标跟踪声呐定位精度问题,改善双基地声呐在某些区域(如基线区、发射和接收站的侧边区)定位性能,为了提高系统定位精度,最有效的方法就是增加发射和接收站的数量,形成多基地声呐.根据多基地声呐的几何关系,提出了加权最小二乘估计的多基地声呐定位优化算法,结合定位误差的表达式,对定位性能进行了仿真.仿真结果表明,基于加权最小二乘估计的多基地声呐定位优化算法,能够充分利用各基站的测量信息,有效提高声呐系统的定位精度.与基于距离信息的多基地声呐定位算法相比,算法不仅具有较高的定位精度,而且可以有效解地解决边区定位误差较大的问题.     

改进的非线性系统最小二乘算法

本文给出了可以统一处理线性系统，非线性系统参数辨识的改进最小二乘算法，包括批量形式及递推形式，它是文１，２中算法的综合及推广，改进了收敛速度，能克服病态，算法简单，易于应用，并且给出了算法的收敛性证明。     

基于最小二乘法的室内三维定位算法研究

现如今,室内位置服务成为国内外科研人员共同关注的焦点,人们对于位置服务的需求逐渐由最初的室外定位转变为室内定位,同时诸多的室内定位技术得以快速发展。通过以超宽带(UWB)的通信方式为依托,借助到达时间差值(TDOA)的定位模型,着重分析了最小二乘法在求解三维定位坐标时精度误差产生的主要原因。针对传统的最小二乘定位算法在求解三维定位坐标时,由于基站几何布局所引起的定位精度问题,提出基于最小二乘法的三维定位优化算法。通过对实验结果进行分析,比较定位算法在优化前后的两种场景下定位的不同表现效果,发现优化后的最小二乘定位算法的三维定位精度得以明显提高且定位效果稳定,同时也降低了三维定位精度对于基站几何布局的依赖性。     

基于最小二乘和EKF的伪卫星定位算法

空基伪卫星由于自身机动性以及受到诸如气流、压力、温度等外界因素的影响使得其位置存在着偏移。因此,精确确定空基伪卫星的位置是其增强现有导航系统或独立组网进行导航定位的前提。针对扩展Kalman滤波对初值的要求和最小二乘法估计性好的特点,提出了一种混合算法,该算法用逆定位原理建立伪距观测方程组并采用最小二乘法解算出初值,运用扩展Kalman滤波进行定位。仿真表明,混合算法优于最小二乘法,定位精度得到了提高。     

基于加权最小二乘优化的DV-HOP定位算法

确定事件发生的传感器节点位置是大多数无线传感网络应用场景中不可缺失的一部分。目前,在资源受限的无线传感网络中设计高精度定位算法仍是一个极具挑战性问题。为此,深入分析了DV-HOP算法中误差产生的原因,提出一种改进的DV-HOP算法。该算法为了降低计算所带来的固有误差,估算坐标时采用不直接对估算方程进行平方的方法;此外,为了进一步降低误差,采用了加权最小二乘法进行坐标估算;最后,采用理论分析的方法对算法进行了误差分析。仿真结果表明改进的算法与传统DV-HOP算法及文献[16-17]中的算法相比定位精度得到明显改善,分别提高了40%、28%和15%。     

基于迭代平方根容积粒子滤波目标跟踪算法

针对粒子滤波目标跟踪算法粒子退化及跟踪精度问题,提出了一种基于马尔可夫链-蒙特卡罗(MCMC,Markov Chain Monte Carlo)的迭代平方根容积粒子滤波(ISRCPF,iterated square root cubature Kalman particle filter)算法(ISRCPF-MCMC).在该滤波算法中,利用容积数值积分原则计算非线性随机函数的均值和方差,通过正交矩阵分解代替矩阵开方,在生成的粒子滤波建议分布中融入当前量测值,提高对系统后验概率的逼近程度.然后在此基础上融合MCMC抽样算法(MH,Metropolis Hasting)对所选建议分布进行优化,增加粒子多样性,以提高跟踪精度.仿真试验结果表明,ISRCPF-MCMC算法的估计误差与其他算法相比降低至0.403％.     

基于卡尔曼滤波的多目标跟踪方法

针对视频多目标跟踪中由于目标间的遮挡、交错或目标漂移而导致跟踪失败的情况,提出一种基于卡尔曼滤波以及空间颜色直方图的遮挡预测跟踪算法。利用空间颜色直方图对目标进行建模,可以对不同目标进行区分进而在目标之间出现交错或目标漂移时仍能跟踪到目标。通过卡尔曼滤波算法可以 预测 目标的状态,对预测位置之间存在交错的目标进行遮挡标记,以便在下一帧中仍然可以跟踪到被遮挡的目标。采用2D MOT 2015数据集进行实验,跟踪的平均精度达到了34.1%。实验结果表明,所提方法对多目标跟踪的效果有所提高。     

基于多尺度贯序式卡尔曼滤波的运动声阵列跟踪算法

为了研究运动声阵列对二维目标在复杂环境中的实时跟踪性问题,根据运动声阵列及二维目标的运动特点建立了状态方程与测量方程,并将其描述为块的形式.根据不同的状态块,利用小波变换把状态块分解到不同尺度上,分别在时域和频域上建立相应尺度上的状态与观测信息之间的关系;采取卡尔曼滤波器递推思想来实现运动声阵列的多尺度贯序式卡尔曼滤波算法,根据最小二乘误差估计理论推导了运动声阵列跟踪系统在球坐标系和直角坐标系下的误差,为提高系统跟踪精度奠定了理论基础,并为工程应用提供了实际方法.与传统的卡尔曼滤波算法相比,Matlab仿真结果表明了本文算法的有效性和优越性.     

基于修正的卡尔曼滤波自适应跟踪算法

针对卡尔曼滤波对匀速运动目标能有效的跟踪,但是当目标出现转弯时,很难达到跟踪精度的要求,甚至丢失目标的现象.对卡尔曼滤波算法进行了改进,在观测向量中引入了两个加速度误差变量,它们动态地修正状态估计误差从而减少跟踪精度误差,形成了修正的Kalman算法.但是由于状态变量维数增加,使得计算量增加,实时性下降,将卡尔曼滤波算法与修正的卡尔曼滤波算法两种算法相结合,提出了基于修正的卡尔曼滤波自适应跟踪算法.仿真结果表明,具有良好的稳定性和精确度,优于一般的卡尔曼滤波算法.     

卡尔曼粒子滤波的视频车辆跟踪算法研究

近年来,视频车辆跟踪作为城市智能交通系统（ITS）的一个关键技术受到关注。本文针对传统粒子滤波的非线性、非高斯性可能导致跟踪过程的不稳健性,提出一种基于卡尔曼粒子滤波的视频车辆跟踪算法,该算法利用基于重要区域的目标颜色直方图统计模型对视频车辆目标进行建模,并将其应用于卡尔曼滤波更新中,通过采用Mean Shift算法将卡尔曼滤波器引用到粒子滤波器当中,对车辆的运行轨迹进行校正,实现了局部线性滤波,实现了在保持跟踪系统整体上的非线性、非高斯性的同时,兼顾其局部的线性高斯特性。实验结果表明,本文所提出的方法与传统粒子滤波方法相比,能够更准确地对车辆进行跟踪,同时保证了在复杂环境下性能的稳健性。     

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。     

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．     

基于学习的核偏最小二乘法优化扩展卡尔曼滤波

为了解决非线性系统参数不确定和噪声信息不准确导致EKF随时序估计误差较大的问题,利用核偏最小二乘法与系统方程参数和噪声信息无关的特点优化EKF。先将量测数据和EKF的收敛估计作为学习样本,建立KPLS预测模型,然后,融合KPLS和EKF的预测值进行状态估计;同时,若状态估计的收敛判据为真,将估计值作为学习样本,并利用滑动窗口更新KPLS核矩阵,使KPLS能时序预测;若收敛判据为假,则更新量测协方差。最后,通过实验仿真的方法,分析KPLS-EKF算法的收敛性和性能。实验结果表明：KPLS-EKF能够有效地解决非线性系统参数和噪声信息不准确导致的EKF误差较大的问题。     

基于自适应卡尔曼滤波的机动目标跟踪算法

在机动目标跟踪过程中,由于目标运动的不确定性,雷达系统接收的数据存在噪声,使预置目标运动模型通常很难得到较高的跟踪精度。为此,以自适应卡尔曼滤波为基础,将直角坐标系和球坐标系相结合,提出了一种混合坐标系下的自适应卡尔曼滤波算法。算法避免了两个坐标系变换引起的噪声统计规律变化问题,并针对目标发生大机动运动的情况,自适应的调整动态模型中机动目标运动参数。蒙特卡洛仿真结果表明,改进算法的收敛速度和对状态的估计精度均得到优化,并对机动目标具有较好的跟踪性能。