基于鲁棒M-估计器的全局运动估计方法

提出一种改进的基于鲁棒M-估计器的全局运动估计方法,在图像像素残差上采用在统计上鲁棒的M-估计目标函数,引入简化的像素残差权值函数作为二值函数,改进了全局运动估计中去除噪声点的方法。实验结果表明,改进算法的运动精度高,对大多数的图像序列都有较好鲁棒性且计算量小。     

基于改进UKF的滚动时域估计方法及其在PVC聚合过程中的应用

聚合过程具有高度非线性和时变性等特点,参数在线估计有助于聚合过程控制性能和优化效果的改善。滚动时域估计(MHE)方法是一种用于聚合过程参数和状态估计的有效方法。本文提出了一种基于改进无迹卡尔曼滤波(UKF)的滚动时域估计方法,用于氯乙烯聚合过程机理模型时变参数的估计。滚动时域估计方法的关键问题之一是抵达成本(Arroval Cost)的近似估算,文中采用2种采样策略来实现抵达成本的自适应计算和更新。将提出的方法应用于氯乙烯聚合过程传热系数的在线估计,并与传统的滚动时域估计方法相比较,体现了该方法的有效性。     

基于相位相关法的全局运动估计算法

提出了一种基于鲁捧统计和相位相关法相结合的全局运动估计算法;由于相位相关法利用图像的功率谱信息,减少了对图像内容的依赖,具有一定的抗噪能力,因此该算法将块匹配法与相位相关相结合来计算图像间的运动矢量场,不仅减少了运算量而且能得到更加准确的矢量场;为了提高模型参数估计精度和运算效率,运用多分辨率鲁棒统计的方法来计算运动估计模型参数;航拍视频图像配准与独立运动检测的仿真结果均验证了算法的有效性。     

基于PF和UKF的水下目标运动估计方法研究

针对无人水下航行器（UUV）目标跟踪控制需求,分别提出了水下目标的粒子滤波（PF）和无迹卡尔曼滤波（UKF）运动估计方法,建立了目标运动参考坐标系,给出了坐标系之间转换基本方法;设计了建立了目标的典型运动模型和非线性随机运动模型,利用前视声呐实测实验数据,完成水下目标运动估计。通过与扩展卡尔曼滤波器（EKF）的目标运动估计对比仿真实验,验证了PF和UKF两种目标运动估计方法的有效性。     

基于MPU-6050和UKF的姿态测量系统设计

运动体姿态角度测量是姿态控制的重要组成部分.以微小型无人机姿态测量为应用背景,设计了一种基于整合型6轴运动传感器模块MPU-6050的姿态测量系统,针对MPU-6050存在精度低、漂移大而使得系统测量精度下降,且微小型无人机在复杂工作环境时系统出现典型的非线性的问题,提出将无迹卡尔曼滤波算法(UKF)应用于系统的姿态估计,并使用三轴转台检验了系统对各个姿态角度的测量效果.实验验证了姿态测量系统的有效性,并与EKF姿态解算对比,验证了UKF算法的优越性.     

自适应SVD–UKF算法及在穿刺状态估计中的应用

柔性针在实际穿刺过程中会产生不规则形变, 导致柔性针模型存在参数不确定性问题, 影响穿刺精度. 本文针对柔性针穿刺过程存在的不确定性问题以及超声成像等设备存在的量测噪声统计特征不准确性问题, 提出了一种带有噪声估计器的自适应奇异值分解无迹卡尔曼滤波算法. 该算法采用自适应因子实时修正动力学模型误差, 通过奇异值分解抑制系统状态协方差矩阵的负定性, 利用Sage-Husa估计器在线估计噪声的统计特性, 减小了系统状态估计误差. 将新算法应用于带有曲率不定性的柔性针穿刺模型进行计算仿真, 仿真结果显示, 新的算法较现有的UKF算法相比, 估计误差减小了0.28 mm(82.7%), 与AUKF算法相比, 估计误差减小0.06 mm(52%). 因此, 新算法可有效改善滤波性能, 提高穿刺状态的估计精度.     

基于UKF的滚动时域估计方法研究

在实际工业过程中,模型参数往往具有一定的时变性和非线性。为了能够有效地实施过程操作优化,常常要对过程模型参数进行在线估计。滚动时域估计方法是解决非线性系统模型参数在线估计的1种实用方法。滚动时域估计方法的关键问题之一是抵达成本(Arrival Cost)的计算,针对简化计算抵达成本带来的精度问题,提出采用无迹卡尔曼滤波(UKF)算法来近似估算目标函数中的抵达成本。最后,将基于UKF的滚动时域估计方法应用于2个例子中。结果表明,基于UKF的滚动时域估计方法具有较好的估计效果。     

UKF在INS/GPS直接法卡尔曼滤波中的应用

提出将Unscented卡尔曼滤波(UKF)用于INS/GPS组合导航系统的直接法卡尔曼滤波,避免了对非线性的系统状态方程进行线性化.以INS输出的导航参数及平台误差角等作为系统状态,惯导力学编排方程和姿态误差方程作为系统状态方程,GPS输出的导航参数作为量测,采用UKF方法对系统导航参数直接进行估计.仿真结果表明,UKF方法有效地解决了直接法卡尔曼滤波中系统状态方程的非线性问题,并使INS/GPS组合导航系统具有较高的导航定位精度.     

自适应UKF算法在目标跟踪中的应用

针对目标跟踪中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题, 提出了一种自适应无迹卡尔曼滤波(Unscented Kalman filter, UKF)算法.该算法在滤波过程中,利用改进的Sage-Husa估 计器在线估计未知系统噪声的统计特性,并对滤波发散的情况进行判断和抑制, 有效提高了滤波的数值稳定性,减小了状态估计误差. 仿真实验结果表明,与标准UKF算法相比,自适应UKF算法明显改善了目标跟踪的精度和稳定性.     

基于渐进无迹卡尔曼滤波网络的人体肢体运动估计

针对基于表面肌电信号 (Surface electromyography, sEMG) 的人体肢体运动估计建模困难的问题, 提出一种渐进无迹卡尔曼滤波网络 (Progressive unscented Kalman filter network, PUKF-net), 来实现降低肢体运动与sEMG量测的建模难度以及提高肢体运动估计精度的目的. 首先, 设计深度神经网络从sEMG数据中学习肢体运动状态与sEMG量测之间的映射关系和噪声统计特性. 其次, 采用渐进量测更新方法对先验状态估计进行修正, 减小运动估计的线性化误差, 提高PUKF-net模型的稳定性. 通过结合深度神经网络和渐进卡尔曼滤波的优势, 使得PUKF-net具有良好的模型适应性和抗噪能力. 最后, 设计基于sEMG的人体肢体运动估计实验, 验证了PUKF-net模型的有效性. 相较于长短期记忆网络 (Long short-term memory, LSTM) 和其他卡尔曼滤波网络, PUKF-net在肢体运动估计中的均方根误差 (Root mean square error, RMSE) 下降了14.9%, 相关系数R2提高了5.1%.     

基于滤波的运动向量的快速估计算法

基于块匹配的运动向量的估计算法被多种国际视频编码标准所采用,其计算复杂度一直是一个研究的热点。为了提高运动向量估计算法的速度和精度,从运动向量的均匀性出发,提出了一种由宏块分类、运动向量滤波和高效搜索中止准则等策略构成的运动向量场自适应搜索算法,从而实现了块运动向量快速而有效地估计。实验表明,本算法搜索速度接近N3SS和N4SS,而搜索效果方面优于MPEG-4最新推荐的快速运动估计算法PMVFAST和MVFAST。     

一种基于自适应梯度的运动估计算法

给出了一种基于Horn-Schunck的改进光流估计算法,计算了当前帧的前向梯度、后向梯度,根据代价函数自适应地选择前向梯度与后向梯度,减小光流估计时的遮挡问题。试验表明该算法是有效的。     

基于LMedS&LS的全局运动估计算法

针对全局运动估计过程常伴有局部运动的问题,提出一种基于LMedS&LS的全局运动估计算法.通过获取相邻2帧图像上对应特征块的坐标,将该算法应用到仿射变换模型中,估计出全局运动参量,并根据运动参量采用双线性内插法完成图像配准.实验证明,该算法相对于LMedS算法在精确度和实效性2个方面都有改进.     

基于MAP的全局运动估计算法

常见的全局运动算法存在的问题是仅仅考虑像素的残差,而忽略了相邻像素和分割信息等因素对算法的影响。为了解决上述问题,该文提出一个基于最大后验概率（MAP）的全局运动估计算法。通过MAP算法定义系统能量,引入先验能量来描述像素的相邻关系和分割信息,将系统能量作为目标函数通过LM算法估计全局运动参数。实验结果证明了该算法的有效性。     

基于多模板的快速运动估计算法

针对现有H．264／AVC编码器的运动估计时耗问题,提出一种基于多模板搜索的快速运动估计算法。将当前块划分为准静止块、小运动块和大运动块,根据运动块的类型选择相应搜索模板和搜索策略。实验结果表明,该算法在保证图像质量基本不变的情况下,提高了编码速度。     

基于运动矢量预测性程度的快速运动估计算法

针对复杂剧烈运动视频信号在进行运动估计时出现的预测误差问题,提出基于运动矢量预测性程度的快速运动估计算法。根据局部运动矢量的一致性程度与运动矢量在时间上相关性程度的关系,决定运动矢量的可预测性程度,将待估计的运动矢量分类为不可预测、中度可预测和高度可预测,不同的可预测性采用不同的搜索策略进行运动估计。实验结果表明,该算法能提高运动估计的速度,并且具有与其他快速运动估计算法近似或更好的PSNR性能。     

基于MPEG-4的运动估计算法及硬件实现设计

提出的运动估计算法在块运动向量搜索中采用菱形搜索替代传统全搜索策略,在保证编码精度的条件下,减少了50%的搜索像素点,加快了编码速度.设计的运动估计硬件加速器方案正是采用这种搜索算法.仿真实验采用在标准的MPEG-4验证软件中植入硬件加速器模块的方法.其结果显示改进的4MV搜索策略在图像的PSNR和每帧图像的平均比特数方面与全搜索策略相当.这种新型的运动估计算法对设计运动估计硬件加速器有着重要的指导意义.     

基于自适应搜索模式的运动估计算法

提出一种可自适应选择搜索模式的运动估计算法。将非零运动块分为大、中、小3种类型,相应地利用基于六边形、基于标准菱形及基于小菱形的搜索策略实现运动估计。实验结果表明,该算法减少了块匹配的搜索点数,在保证运动估计精确度的同时,降低算法复杂度,提高搜索效率。     

基于运动估计的视频隐写检测算法

提出一种基于运动估计的的视频隐写检测算法。通过块均方误差的变化研究信息嵌入对运动估计的影响,发现运动矢量对隐写具有敏感性,且分块越小,对隐写越敏感。反映视频时变特性的运动矢量场被作为隐写检测中视频数据的表征,特征提取过程中,先取定分块大小,使用最小均方误差块匹配运动估计算法,得到运动矢量场。再提取运动矢量场3个方向相邻元素的共生矩阵,使用共生矩阵的主对角线及其相邻元素作为特征。使用支持向量机分类器实施检测,实验结果表明文中算法与Budhia的算法相比,具有更好的检测性能。     

基于时空相关性的快速运动估计算法

在分析宏块时空相关性的基础上,对双十字形运动估计算法进行改进,加入了搜索起点预测策略、自适应的搜索模式和自适应搜索终止准则,设计了一种快速运动估计算法。采用JM86算法对改进前后的算法进行比较,实验结果表明,改进后的算法没有明显降低恢复后的图像质量,但计算速度提高了4倍左右,特别适合于处理能力有限的嵌入式系统使用。