基于Hilbert-Huang变换的大气电场分析及雷电预警方法研究

利用Hilbert-Huang变换(HHT)对2018年至2019年重庆北碚站大气电场资料进行分析,对比两种天气条件下的大气电场振荡特征.结果表明,晴天大气电场总体为均匀但有波动的状态,信号幅值较小,信号的大部分能量分布于低频振荡部分;雷暴天气大气电场高频率分量与低频率分量的能量比有显著提升,整体的振幅和频率相对晴天明...     

雷电临近预警系统设计

为全面提升重点资源地域的防雷安全水平,有效防御和减少雷电灾害和公共安全的危害,根据重点资源地域防雷现状和需求,本着“预防为主、安全第一、科学合理、统筹兼顾”的原则,开展雷电预警系统和雷电灾害防护体系的二大体系的建设,可有效防御和减少雷电灾害,提重点资源地域雷电灾害防御能力和安全管理水平。本研究建立了一套广域网局部雷暴云、闪电预警系统,雷电临近预警系统,能够及时、准确地预报当地雷击活动情况,对处在工作状态的易燃易爆场所、人员高度集中场所提供预警信息,使工作人员能够有充分的时间施加防范措施,减少危害的发生。     

基于模糊聚类和卡尔曼滤波方法的模糊辨识*

本文提出一种通用的基于模糊聚类和卡尔曼滤波方法的模糊辨识方法。模糊聚类方法在给定的广义目标下按线性簇对被辨识的样本数据进行聚类,这样使得被辨识模型可用基干局部线性模型表示,然后,利用卡尔曼滤波方法拟合这些线性模型。本文给出了详细的模糊辨识算法。为了验证该辨识方法的有效性,本文最后给出了熟知的Ｂｏｘ－Ｊｅｎｋｉｎｓ数据的辨识结果。     

基于模糊识别与聚类的企业危机预警模型设计

针对企业危机等级分类与识别问题,建立了模糊环境下的日标判别函数．提出了求解不同危机等级的最优模糊聚类中心、最优模糊识别矩阵与最优指标权重的3种模型表达式和相应求解算法．最后用实例验证了该方法的可行性和有效性。     

基于模糊聚类和卡尔曼滤波的运动目标检测

提出了一种基于模糊聚类和卡尔曼滤波的多运动目标检测的技术,并将其应用于车辆的检测与跟踪。文中采用了改进的模糊C均值聚类算法,对隶属度矩阵进行了修正,加快了聚类的收敛速度;然后,运用了卡尔曼滤波对运动目标进行运动轨迹跟踪,根据视频序列的实际情况构造了相应的状态方程以及增益矩阵,对多个运动目标同时进行独立跟踪,减少了目标搜索的盲目性,提高了跟踪的可靠性和效率。     

煤矿智能雷电防护系统设计

目前煤矿雷电防护系统主要由传统的外部防雷装置和内部防雷装置构成,这些传统防雷装置能够起到一定的雷电防护作用,但存在一定的缺陷：信息化、智能化程度不高;缺乏有效的雷电监测手段;无法精准定位雷击事故。针对上述问题,设计了一种煤矿智能雷电防护系统,该系统由雷暴预警仪、闪电定位仪、雷电流监测仪、智能断接卡、接地电阻在线监测仪、智能电磁脉冲抑制接地箱、智能监测型SPD、智能防雷PDU等监测终端和煤矿智能防雷监测软件组成。该系统解决了煤矿雷电防护单纯依靠传统防雷装置和人工定期检测,防雷装置运行状态无法实时掌握的问题,提高了煤矿雷电防护智能化、信息化水平。     

基于多源监测数据的短时雷电精准预警算法设计

为保证雷电预警的精准性,为气象局提供可靠的预警信息,提出基于多源监测数据的短时雷电精准预警算法。该算法利用多普勒天气雷达、闪电定位系统以及大气电场仪,采集雷电的多源监测数据;将采集的数据传送至数据管理模块中,采用联合卡尔曼滤波算法,融合多源监测数据;预警展示模块以融合后的数据为基础,通过多变量局部异常系数方法进行雷电的精准预测,并呈现雷电的预警结果。测试结果显示：该算法概率均值结果与临界成功指数结果分别在0.90与0.915以上,能够较好地完成多源监测数据融合,预警雷电发生范围,提升雷电预警精准性。     

场磨式电场仪在雷电预警中的研究与应用

场磨式电场仪是一种新型雷电探测装置.它利用导体在电场中产生感应电荷的原理,通过感生电荷的变化检验空间电场的强度,而根据空间电场及其变化能反映出雷暴云的生成和发展,从而通过电场监测对雷电进行预警.电场仪采用了新型的双定子结构以及独特的电路设计,有效地屏蔽了空中积累电荷以及周围空间离子流对测量的影响.在实际雷电预警系统的电场测试中,该电场仪表现出输出信号与电场强度的预期相符的实验结果.证明了场磨式电场仪在雷电预警中应用的可行性.     

基于Hadoop的高校学生行为预警决策系统研究

通过智慧校园各种智能终端、可感知设备,获取学生校园动态行为轨迹数据,构建多维数据存储中心。利用Hadoop框架分布式文件系统HDFS和MapReduce,将多维数据进行关联、分类、降维、聚类分析与可视化呈现。使学生特征标签化,生成基于特征矩阵的学生画像,从而分离出偏离中心点的学生异常,建立动态的预警决策机制,从而进行前置预警和智慧决策;使高校管理机构及教师主动掌握学生的生活情况、学习状态及行为规律,从而对不良思想行为做到事先警示教育、事后跟踪管理,实现以学生为视角的智能管控及智慧管理。基于Hadoop的预警决策系统,开创了智慧校园教育管理决策科学化、管理智能化、监督过程化的新模式,具有较高的经济效益与推广应用价值。     

基于海洋综合观测平台的海洋智能预警的研究

在海洋综合观测平台上,提出一种基于模糊聚类的海洋灾害预警。该系统能对海洋监测的大量异构数据进行融合聚类,及时、准确地跟踪和反映海洋环境监测要素的变化状况,为管理决策者提供可靠的数据信息、科学的预报和预警信息,有助于我国海洋环境资源的保护、开发及利用。     

基于距离参数的混合坐标系下UKF纯方位单站目标跟踪算法

针对纯方位单站目标跟踪问题,本文提出了一种基于距离参数的混合坐标系下UKF算法.该算法通过将UKF运用于混合坐标系中,不仅计算简单、精度高、稳定性好,还方便了引入过程噪声,较传统修改极坐标方法提高了运动模型的普适性.另外,通过距离参数化技术,该算法有效避免了纯方位单站定位易受滤波器初始值影响的问题.最后,本文大量的数值仿真结果也进一步验证了该算法的有效性和可行性.     

基于视频跟踪系统的卡尔曼滤波器方法研究

针对运动物体速度以及形状容易发生变化,导致目标跟踪失败等问题,本文提出了一种基于卡尔曼滤波模型,同时考虑跟踪状态的马尔科夫性设计而成新的跟踪算法。算法首先建立目标状态和观测值的转移变化矩阵模型,然后依据马尔科夫性简化传统卡尔曼滤波算法模型,对目标方位和速度进行预判断。在此基础上,结合传统模板匹配和更新机制,在预测范围内搜索目标,并依据目标变化等因素更新模板的选择,从而保证在快速搜索目标的同时动态地调整模板,确保跟踪目标在发生形变或者加速等状态下能够实现稳定跟踪。实验结果验证了本文算法的有效性和实用性。     

基于运动检测与运动搜索的多目标跟踪

提出一种新的单摄像机多目标跟踪方法,采用全局背景减法得到当前帧所有运动区域,利用kalman滤波器及局部背景减法得到已跟踪目标在当前帧的预测区域,根据全局减法运动区域及预测区域的位置及大小来判断是否有遮挡发生,并用不同匹配方法进行目标跟踪。实验表明,该方法能有效提高单摄像机跟踪对目标合并、遮挡等问题的处理能力。     

基于拟非线性模糊模型的复杂系统模糊辨识

针对一阶Takagi-Sugeno（以下简称T-S）模型辨识复杂系统的困难,本文提出了一种新的拟非线性模糊模型。即在一阶T-S模型的基础上,再进行一次非线性映射。这种模糊模型不仅具有较高的辨识精度,而且具有良好的泛化功能。运用改进的FCM（Fuzzy-C-Means）模糊聚类方法,辨识该模糊模型的结构,与以往的方法比较,极大地简化了结构辨识的复杂性。仿真结果进一步说明了该方法的有效性。     

基于卡尔曼滤波的交通参数采集系统

基于计算机视觉的交通监控系统，已成为交通管理的主要手段，车辆的实时检测和追踪是智能交通监控系统的核心。文中介绍了公安部智能交通项目的交通信号采集模块中使用的关于多物体追踪的一些方法，主要采用了子特征提取方法和kalman滤波统计模型，建立起物体的追踪模型。在其基础上实现目标的检测和追踪，及最终的交通参数的测量。     

机动目标预测跟踪方法研究

在目标被遮挡条件下的自动预测跟踪中,研究了跟踪机动目标过程中的角位置自适应卡尔曼预测算法。针对估计与预算中出现的发散现象,推导了导引头框架角位置预测方法。建立了目标遮挡预测跟踪测试系统,设计多种不同的目标运动形式,并通过转台实现,测试改进的自适应位置预测算法在典型测试条件下的有效性和准确程度。实验结果表明:当目标进入遮挡区域时,改进的自适应位置预测算法能够有效地实现预测跟踪,保证目标退出遮挡时能够顺利重新捕获和跟踪。     

基于Kalman滤波的车位侧方距离修正方法

通常车位识别技术通过超声波传感器获取侧方障碍物位置信息来判断车位边缘,由于测量时超声波传感器与障碍物形成波束角的跳变,及其本身的固有特性会带来随机噪声,导致不能直接得到状态变量的真实精确值。通过建立合适的距离修正系统状态方程和观测方程,采用Kalman滤波算法,由 k-1 时刻的超声波传感器测量值与随机噪声获得该时刻的协方差,并与测量噪声计算获得 k 时刻的Kalman增益,再结合k 时刻的超声波传感器测量值与观测方程得到k+1时刻的距离修正值。仿真结果表明,经过150次迭代计算后的绝对误差为1.575cm,平均修正时间仅需0.028s。该方法可有效降低了随机噪声干扰,具有良好的准确性和实时性,滤波测量距离修正值更加逼近真实值。     

基于强跟踪平方根容积卡尔曼滤波的纯方位目标运动分析方法

针对纯方位目标跟踪系统中模型状态简化、系统噪声统计特性未知、目标初始距离信息不准确导致的滤波收敛时间长和滤波精度不高的问题,以自主水下机器人(Autonomous Underwater Vehicle, AUV)跟踪水下动态目标为例,提出了一种基于强跟踪平方根容积卡尔曼滤波器(Strong Tracking Square Root Cubature Kalman Filter, STFSRCKF)的纯方位目标运动分析算法。该算法在滤波过程中,利用平方根容积卡尔曼滤波器(Square Root Cubature Kalman Filter, SRCKF)完成预测更新,对于SRCKF中的每个容积点采用强跟踪滤波器(Strong Tracking Filter, STF)进行更新,设计滤波增益以抑制噪声对系统状态估计的影响,有效提高了滤波的数值稳定性,减小了状态估计误差。通过仿真分析,比较了扩展卡尔曼滤波器(Extended Kalman Filter, EKF)、无迹卡尔曼滤波器(Unscented Kalman Filter, UKF)、平方根容积卡尔曼滤波器(Square-Root Cubature Kalman Filter, SRCKF)、STFSRCKF的算法性能,实验表明所提算法具有跟踪速度快,精度高等优点。     

机载光电跟踪平台脱靶量滞后的补偿方法研究

提出一种基于卡尔曼滤波的光电跟踪脱靶量滞后脱靶量补偿方法;在高精度光电跟踪设备中,光电跟踪器输出的脱靶量在时间上存在滞后,严重影响复合控制中的跟踪目标精度,使得跟踪存在较大滞后;为了在复合控制中能够得到更精确的目标速度信息,引入了kalman预测滤波技术,通过预测飞行物体的运动轨迹,进而提前进行方向预判,从而提高了跟踪精度;仿真试验表明,通过预测外推可以比较精确地预测目标运动速度,跟踪滞后性得到有效弥补。