基于模糊逻辑的嵌入式飞机大气数据传感器测量位置优化设计

嵌入式飞机大气数据系统与传统的探头式系统相比,在气动、隐身和总体布局等方面具有明显优势。为了提高系统的探测准确度,需要对系统中的传感器测量位置进行优化设计。中以模糊逻辑为理论基础,结合大气数据的基本探测原理,设计了用于对嵌入式大气数据系统中传感器测量位置进行优化设计的方法。通过算例分析,验证了优化方法的合理性。最后,简要概述了该优化设计方法的研究结论。     

基于卡尔曼滤波器的运动目标跟踪的实现

联系智能视频监控系统的现状,对运动目标跟踪技术的发展,提出了基于卡尔曼滤波的目标跟踪算法进行了详细论述,并进行实验验证。实验结果表明,系统能同时跟踪多个运动目标,系统实时性也能满足,基本解决了运动遮挡问题。     

卡尔曼滤波器的自适应算法

通过对一维时不变线性系统的卡尔曼滤波器的理论分析，提出了一种估计并不断修正系统噪声方差Ｒ及观察噪声方差Ｑ的自适应算法。     

基于模糊逻辑的舰船维修经费预测

针对多输入、单输出的复杂非线性系统，基于Takagi-Sugeno模糊规则给出了一种系统预测模型，分别用模糊C- 值聚类算法和线性回归方法导出模型参数。利用该模型对舰船维修经费进行了预测，并进行了精度分析。     

模糊逻辑中的自然演绎系统

讨论了经典逻辑的自然演绎系统在模糊逻辑中的对应形式。基于著名的形式演绎系统L*，建立起对应的自然演绎系统L*nd，并且证明了这个系统的完备性。由于一系列新的推理规则的引入，模糊逻辑的推理能力得到明显增强。     

基于模糊逻辑控制器的自适应遗传算法

针对遗传算法中交叉概率和变异概率的缺陷，设计了一种基于模糊逻辑控制器的自适应遗传算法，实验结果表明，该算法具有较好的在线性能。     

基于模糊逻辑的产品意象造型设计研究

为设计出符合消费者感性需求的产品,采用基于模糊逻辑的产品意象造型设计方法。首先确定感性词汇与造型设计要素,利用模糊逻辑建立二者之间的关系。通过模糊化、模糊规则的构建、模糊推理以及反模糊化等过程进行模糊逻辑控制器的设计,用Matlab建立仿真模型,最后通过测试验证了模型的有效性。结合折叠自行车造型设计进行研究,结果表明该方法是正确可行的。     

PFL：不涉及隶属函数的模糊逻辑

对传统的一阶逻辑进行了扩张，建立了一个模糊逻辑系统，使之有表达和处理模糊现象的能力，在这个形式系统中，模糊命题的表示通过在模糊谓词符号中添加模糊词、程度词和特征词来实现，因此，模糊命题不涉及隶属函数。此系统在本文中已安全形式化。     

基于模糊神经网络的烟度检测系统的研究

本对全流消光式烟度检测系统中的不确定因素进行校正，归结为模糊规则，并用模糊神经网络来提取这种规则，实现了烟度检测系统的误差校正。仿真分析表明，模糊神经网络应用于烟度的检测是可行的。     

模糊逻辑提升小波在惯性传感器去噪中的应用

针对传统小波在惯性传感器去噪中存在计算复杂和分解层数固定的问题,提出了一种基于模糊逻辑的提升小波阈值去噪方法。该方法首先利用模糊逻辑判断载体当前的运动状态,并根据先验知识确定该状态下的信号带宽;然后依据小波分解层数与截止频率间的对应关系,选择惯性传感器各个轴向的分解层数;最后在提升小波框架下对信号做离散小波变换,并对各层系数进行阈值去噪。实验结果表明,该方法可以对运动状态进行正确判别,与固定层数的传统小波相比,具有更好的降噪效果和更快的处理速度。     

光电跟踪系统非线性新息自适应卡尔曼滤波算法

为解决非线性部分状态卡尔曼滤波算法中由于线性化误差所导致的滤波精度下降问题,提出采用UT变换方法计算系统状态误差方差,及基于新息自适应调整系统噪声方差,进而构成一种新的非线性自适应部分状态卡尔曼滤波算法,并总结出详细算法结构.同时,将此方法应用到非线性测量光电跟踪系统中,并与U卡尔曼滤波和非线性部分状态卡尔曼滤波进行性...     

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.     

基于卡尔曼滤波的ABS轮速信号处理

针对实际测得的汽车制动时的轮速信号,分别采用了卡尔曼滤波方法和传统滤波方法进行信号处理。分析表明采用卡尔曼滤波方法处理后的车轮角加速度信号更能真实地反映出汽车ABS系统的工作过程,证明了卡尔曼滤波是一种可用于ABS轮速信号处理的有效手段,因此采用卡尔曼滤波的ABS控制算法可更有效地防止制动时车轮抱死,提高汽车制动时的方向稳定性。     

基于卡尔曼滤波的多运动目标跟踪算法研究

针对多运动目标跟踪的实时性和鲁棒性问题,本文提出了一种基于卡尔曼滤波的多运动目标跟踪算法,该算法运用卡尔曼滤波预测目标的位置,并以目标的中心点坐标、面积和长宽比特征、一维HSV颜色直方图作为目标的特征对当前帧检测到的目标模板和预测区域内的目标进行匹配。实验证明,该算法可实时、稳定地跟踪复杂场景内的多运动目标,并能够解决目标遮挡问题。     

Kalman滤波融合优化Mean Shift的目标跟踪算法

目标跟踪中,目标的背景变化、形状改变、遮挡,往往会导致跟踪失败,而跟踪的实时性和准确性是必须考虑的问题。本文首先对Mean Shift算法进行了介绍,接着对Mean Shift算法进行了优化:修正Mean Shift算法迭代权值,修正后主要信息贡献更加突出,次要信息受到抑制,避免了开方的繁琐运算,降低了运算量。提出了目标模板更新算法,解决了背景变化和目标形状改变时跟踪失败的问题。然后在水平位置和竖直位置建立Kalman滤波器,同时将优化Mean Shift算法与Kalman滤波融合,解决了目标完全遮挡后无法继续跟踪的问题。仿真实验表明,本文提出的目标跟踪算法在目标遮挡,目标形状改变,目标跟踪失败的情况下具有更高的跟踪精度,更高的实时性和鲁棒性。     

光电跟踪的非线性卡尔曼滤波算法

为得到最小方差意义下的光电跟踪目标的最优状态估计,提出将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合,构成一种适用于非线性光电跟踪目标的卡尔曼滤波算法,并总结出详细算法结构.同时将此方法应用到非线性测量光电跟踪系统中,并与扩展卡尔曼滤波和U卡尔曼滤波进行性能对比.仿真实验结果证明,将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合是有效可行的,而且其性能明显优于扩展卡尔曼滤波和U卡尔曼滤波.     

模糊自适应滤波的主动控制方法研究

由于主动控制中广泛使用的自适应滤波 - x L MS算法只适用于线性控制问题 ,针对一些非线性问题 ,本文提出利用一种非线性自适应滤波方法——基于模糊逻辑系统的自适应滤波方法来解决一类参考信号与外扰呈非线性函数关系的前馈主动控制问题。仿真结果表明 ,该模糊自适应滤波器优于线性滤波器的控制效果     

基于卡尔曼滤波和粒子滤波融合的UWB室内定位算法

基于超宽带(ultra-wideband, UWB)室内定位技术得到了广泛的发展,然而,在LOS(line-of-sight)和NLOS(non-line-of-sight)环境下的UWB的测距信息均存在不同程度的误差,因此,提出了一种改进的卡尔曼滤波算法对UWB原始数据进行平滑处理;之后提出卡尔曼滤波(Kalman filters and particle filters, KPF)和粒子滤波融合的算法。通过卡尔曼滤波得到的状态量和误差协方差进行粒子采样,克服了传统粒子滤波进行粒子采样时的运动学模型与实际运动不相符的缺点,大幅减少了粒子退化的现象。经过实验,该算法在LOS和NLOS环境中的定位精度分别提升了20.6%和15.6%。     

扩展容积卡尔曼滤波定位技术研究

为提高被动定位技术的精度与环境适应性,本文提出运用一种新的非线性滤波方法—扩展容积卡尔曼滤波算法进行多角度传感器目标定位;它首先利用EMD(经验模态分解)算法对目标的量测噪声协方差矩阵进行估计;然后,将过程噪声协方差和量测噪声协方差融入循环过程;同时,为保持算法的稳定性和正定性,利用求平方根的形式对算法改进。通过对扩展容积卡尔曼滤波与UKF(不敏卡尔曼滤波)算法跟踪目标的结果进行比较,在运算复杂度与UKF相当的前提下,扩展容积卡尔曼滤波算法不仅可以对未知量测噪声情况下的目标进行跟踪,而且显著提高了被动定位的精度。