卫星跟踪中位置预测的序列匹配算法

针对卫星跟踪中的位置预测问题,分析了动力学模型方法的预测误差组成,提出一种用测量数据来计算预测数据时间误差的序列匹配算法,并讨论了空间误差的计算方法。仿真结果表明,提出的时间校正和空间误差补偿方法的预测精度比动力学模型和Kalman滤波法的预测精度高;即在相同的精度要求下,序列匹配算法能预测的时间范围是Kalman滤波法的1.5倍以上。     

卡尔曼预测滤波对跟踪传感器延迟补偿的算法研究

针对跟踪传感器延迟对伺服系统的精度和稳定性的不利的影响,本文提出了一种补偿方法。根据已延迟的跟踪传感器信号通过卡尔曼预测滤波来计算当前的目标位置和速度信号,并将这两个信号分别作为伺服系统的位置引导信号和速度顺馈信号进行闭环跟踪。理论分析和仿真数据表明,卡尔曼预测滤波能够在几帧内预测得到较准确的目标位置和速度信号,该补偿方法能够有效地提高伺服系统的跟踪精度和稳定性。     

电视跟踪系统的复合控制延迟卡尔曼滤波算法

为解决电视跟踪系统中由于脱靶量滞后存在降低系统跟踪精度的问题,在电视跟踪等效复合控制系统中提出了一种改进的卡尔曼滤波算法--电视跟踪延迟卡尔曼滤波算法,以对脱靶量滞后信号进行补偿.并在电视跟踪等效复合控制系统中对该算法进行了仿真实验.实验结果证明:①该算法在电视跟踪等效复合控制系统中是有效的;②该算法比以往的无延迟卡尔曼滤波算法和脱靶量延迟补偿滤波算法更有效地改善了速度预测误差,减小了跟踪误差,从而提高了电视跟踪系统的跟踪精度.     

基于鲁棒H~∞滤波的光电跟踪机动目标状态预测估计

针对光电跟踪系统中目标机动的特点和电视图像跟踪器信号处理、传输造成的测量时滞以及目标信号测量中存在的不确定干扰和噪声,选取机动目标"当前"统计模型对加速度进行建模,在所建立的光电跟踪目标加速度非零均值相关模型的基础上,采用鲁棒H∞滤波算法对光电成像识别目标运动状态进行预测估计.其预测精度比Kalman滤波提高近1倍.实验结果表明,该方法能有效地克服目标模型变化及随机噪声和干扰不确定性的影响,具有较高的预测精度和良好的鲁棒性.     

电视跟踪系统的复合控制延迟卡尔曼滤波算法

为解决电视跟踪系统中由于脱靶量滞后存在降低系统跟踪精度的问题,在电视跟踪等效复合控制系统中提出了一种改进的卡尔曼滤波算法——电视跟踪延迟卡尔曼滤波算法,以对脱靶量滞后信号进行补偿．并在电视跟踪等效复合控制系统中对该算法进行了仿真实验．实验结果证明：①该算法在电视跟踪等效复合控制系统中是有效的;②该算法比以往的无延迟卡尔曼滤波算法和脱靶量延迟补偿滤波算法更有效地改善了速度预测误差,减小了跟踪误差,从而提高了电视跟踪系统的跟踪精度．     

激光跟踪仪系统测量不确定度预测方法研究

针对测量系统的测量不确定度预测问题,将现代信息论的思想应用于激光跟踪仪测量系统的测量不确定度分析与预测中,采用现代信息论中的时间序列自回归模型(AR模型)建立测量系统不确定度预测模型,揭示测量系统的结构与规律,对测量系统进行预测分析,提高测量系统的测量精度.通过建立基于AR模型的激光跟踪仪测量系统的测量不确定度预测模型,对激光跟踪仪系统的测距误差进行了预测分析.仿真实验表明,基于AR模型的测量系统的测量不确定度预测模型具有良好的精度,而且该模型预测分析数据具有可靠性.     

基于距离精度的测量机器人标定模型及算法

对机器人绝对位置误差进行检测和补偿时,通常要涉及到测量系统坐标系与机器人基础坐标系间的坐标变换,由于这个变换很难精确测定,从而导致测量机器人的绝对位置精度降低.为了克服这一情况,可改用空间两点间的距离精度来衡量机器人的绝对位置精度,这样可简化测量过程.利用距离精度的定义,建立了机器人的距离误差模型,该模型可以避免坐标转换带来的误差,降低对测量系统的精度要求.同时,激光跟踪仪测试技术的应用,使得机器人的位姿测量变得非常容易.最后给出了此模型及算法在IRB2400机器人上的应用实例.     

卡尔曼滤波器在光电经纬仪中的应用

为了解决光电经纬仪电视跟踪系统脱靶量滞后对控制系统跟踪精度及稳定性的影响，将预测滤波技术应用到光电跟踪系统中，提出了极坐标下卡尔曼滤波算法，目标模型采用等速运动并附有时间相关的随机加速度，增加了延时补偿。仿真结果表明，跟踪误差减小，当跟踪目标从视场消失时，控制系统按照预测的目标信息跟踪。     

基于二阶转换测量Kalman滤波的目标跟踪算法

为了减小传统跟踪滤波算法线性化误差,提高光电跟踪系统的跟踪速度和跟踪精度,本文在三维空间中,提出了二阶去偏转换测量卡尔曼滤波算法.该算法利用二阶泰勒展开的方法,推导出了光电跟踪系统观测方程的转换测量值误差的均值和协方差矩阵表达式,并对测量误差进行去偏差补偿处理,再经过转换测量卡尔曼滤波,可显著减小传统滤波算法的线性化误差.仿真结果表明,二阶去偏转换测量卡尔曼滤波(SCMKF)算法的跟踪精度优于非去偏转换测量卡尔曼滤波(CMKF)和扩展卡尔曼滤波(EKF),以及unscented卡尔曼滤波(UKF)算法,并且具 有更快的收敛速度,和采用统计方法的去偏转换测量卡尔曼滤波(DCMKF)的跟踪精度相当,但计算简单,提高了跟踪速度.     

基于多特征CamShift优化的粒子滤波跟踪

提出了一种将粒子滤波和CamShift相结合的多特征视觉跟踪方法.通过CamShift对粒子的位置和尺度同时进行优化,使得跟踪窗口能随着目标尺度的大小变化相应调整.同时采用自适应方式将颜色信息和运动信息在CamShift优化的粒子滤波框架下有效结合起来.该方法使用CamShift对粒子传播进行优化,每个粒子都收敛到目标附近,粒子的有效性得到提高.实验结果表明,使用10个粒子的CamShiit优化的粒子滤波的跟踪误差小于100个粒子的传统粒子滤波的跟踪误差.并且由于多特征的使用,目标在受到背景相似物体干扰和场景光线发生显著变化等情况下仍能实现稳定的跟踪.用较少的粒子就能实现稳定的跟踪,减少了计算代价,提高了跟踪的鲁棒性.     

Error-space estimation method and simplified algorithm for space target tracking

To improve space target tracking precision and the stability of mobile optoelectronic tracking equipment, an error-space estimation method based on the Kalman filter is discussed, and a simplified algorithm is presented to reduce calculation cost. Based on an available measurement of a space target without sufficient validity and accuracy, the actual position related to the tracking equipment is decomposed to an earlier offline prediction of the kinetic model method and prediction errors. By regarding prediction errors as the motion of a weak maneuver target, the errors can be estimated more accurately in error space. By synthesizing estimation of the errors and offline prediction, the space target position is obtained with higher accuracy to improve tracking performance.     

方位角准确预测法在光电跟踪中的应用研究

本文通过基于卡尔曼滤波和一步预测理论建立适当的数学模型,提出了一种应用于舰载光电跟踪设备的拟线性目标方位预测算法,并对不同的运动目标的进行了仿真计算。结果表明该方法有较高的精度,能预测出光电跟踪设备在丢失目标情况下的目标航迹,可满足其在炮振丢失目标情况下的预测要求。     

用滑动窗多项式拟合法实时预测运动目标轨迹

提出了滑动窗多项式拟合数学模型。该模型用多项式拟合法处理一段目标位置历史数据序列,计算目标未来时刻位置,并随时刻推移不断更新目标数据,实现了实时预测。该模型误差小且稳定,克服了一般拟合预测中误差随时间推移增大的缺点。仿真结果说明,该方法参数固定、计算量小、速度快、精度高,利于实时预测跟踪。     

基于熵权法的卫星钟差预报研究

星载原子钟是全球导航卫星系统的核心设备之一,其性能及钟差预报精度直接决定着导航定位授时服务的精度。针对卫星钟差组合预报技术中子模型权值难以确定的问题,将熵权法引入到北斗卫星钟差组合预报中。对卫星钟差数据中的粗差、钟跳等异常值进行相频域组合探测,并使用滑动拉格朗日内插法进行修补,得到“干净”钟差序列。以灰色模型和二次多项式模型作为基础模型,构建基于信息熵这一新的评价指标的钟差组合模型,建立北斗卫星钟差熵权组合预报模型。使用武汉大学IGS数据中心发布的北斗精密钟差数据产品,分别进行了连续多天的短期预报和中长期预报试验,多天的平均试验结果验证了熵权组合模型在北斗卫星钟差预报精度和稳定性方面较传统组合模型均存在一定优势。     

雷达光电经纬仪外测数据的融合处理方法

为了提高飞行器的事后定位精度,提出了一种基于多台雷达光电经纬仪外测数据融合的处理方法.给出了雷达光电经纬仪外测数据的数学模型,将样条约束方法应用于角度、距离和速度测量数据的融合处理,建立了飞行器位置参数和设备系统误差的联合求解模型,通过充分利用雷达测量数据来增加模型的冗余度.仿真结果表明,与单纯的角度数据融合相比,角度、距离和速度测量数据进行融合可以显著提高飞行器位置参数和设备系统误差的估计精度.     

改进的Mean Shift算法在前视声呐运动目标跟踪中的应用

多波束前视声呐具有成像速度快、分辨率高的优点,是进行水下目标探测、跟踪和监控的重要设备。针对多波束前视声呐运动目标的跟踪问题,提出了一种改进的MeanShift算法。该算法利用经典的MeanShift算法实现目标的帧间定位,通过基于图像序列的背景消减法实现运动目标分割,根据分割后目标的位置和大小对Mean Shift跟踪框进行更新,并重新建立跟踪模型来迭代实现目标的准确定位和跟踪。实验结果表明,改进后的算法可实现目标跟踪框随目标大小和形状的更新,对目标的定位更加准确。因此,该算法具有应用于水下目标精确跟踪和定位的潜力。     

过程噪声方差实时补偿的非定轨目标跟踪

针对非定轨目标跟踪问题中过程噪声统计特性未知的特点,提出了一种实用的对过程噪声方差进行实时补偿的目标跟踪算法。该算法根据强跟踪滤波器的思想,通过实时检测新息序列来修正卡尔曼滤波算法中的状态预测误差协方差矩阵,进而对未知的过程噪声方差矩阵进行实时地补偿。由于存在新息检测机制,该算法能够有效地规避表征建模不确定性的过程噪声统计特性未知的问题,对于建模不确定性具有一定的适应能力。通过对一旋转靶标跟踪问题的仿真试验,证明了该方法的有效性。