基于模型空间分解的交互式多模型算法

由于马尔可夫参数的限定,交互式多模型的估计精度会在模型数过多时下降,这限制了它在高维参数空间的应用,通过将交互式多模型建模空间分解,构造出一种两级交互式多模型算法,并通过辨识系统噪声的多个统计参数,比较了新算法与常规交互式多模型滤波器,仿真结果显示了新算法的优越性。     

基于交互式多模型算法的无人车车辆跟踪预测技术

针对无人车车辆路口通行中动态目标的跟踪预测,分析比较基于SICK与Velodyne两种激光雷达数据的车辆提取方法,参照Velodyne的提取方法,提出合适的激光雷达布局对路口环境中的动态障碍物(主要是车辆、行人)信息进行了提取.选取交互式多模型(IMM)算法对动态目标运动趋势进行预测,并对IMM算法进行优化,提出将局部路径规划的三次曲率多项式算法抽象为路径规划模型,作为IMM算法的滤波模型以替代常规的车辆运动模型作为滤波模型.验证实验结果表明基于路径规划模型的IMM算法在无人车车辆运动趋势的预测上具有更好的超前性与更高的预测精度.     

一种有效的交互式多模型自适应跟踪算法

从减少系统模型噪声和量测噪声入手,引入自适应机动模型和新息滤波器对IMMA 进行改进,提出新息滤波交互式多模型自适应算法(IF-IMMAA),理论分析和仿真表明新算法的有效性.     

基于后验信息修正的自适应交互多模型跟踪算法

针对目标运动状态变化较大甚至发生突变时,传统交互式多模型算法跟踪精度和稳定性会显著下降的问题,提出了一种在线辨识马尔可夫概率转移矩阵参数的基于后验信息修正的自适应交互多模型跟踪算法,该方法在滤波的过程中,根据不匹配模型误差压缩率的变化自适应调整先验的马尔可夫转移概率矩阵的参数,切换过程中较多地压缩不匹配模型的信息,放大匹配模型的信息,大大提高了系统的收敛速度.通过对仿真结果分析表明,论文提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,具有一定的理论价值和实用价值.     

基于自适应多特征表观模型的目标压缩跟踪

针对压缩跟踪算法中表观模型的视觉表达特征单一、统计模型缺乏柔性的问题,提出一种自适应的多特征表观建模方法.该方法引入了对梯度、边缘等图像细节描述能力更强的Surf特征,并通过构建两级观测矩阵解决多维特征的观测问题,与亮度特征进行融合,使视觉表达更加丰富、全面;通过计算正负样本特征所服从的概率分布曲线的Hellinger距离,分析特征对目标和背景的区分能力,自适应地调整统计模型中各特征之间的权重,使统计模型能更好地利用对目标跟踪有益的信息,根据目标和背景的变化及时进行更新.实验结果表明:该自适应多特征表观模型能更加准确地描述实际场景中目标和背景的复杂变化,在保持高效率的同时,极大地提高了跟踪算法的鲁棒性和准确性.     

基于剩余噪声检测的自适应中值滤波算法

在对图像中噪声模型分析的基础上,提出了一种基于剩余噪声检测的自适应中值滤波算法.通过对剩余脉冲的检测,自适应地改变滤波器窗口尺寸,从而有效地滤除密度较大的脉冲干扰,同时较好地保留图像的细节.对实际图像的测试结果表明,所提出算法的输出结果优于标准中值滤波器.     

基于IMMPF算法自适应驻留时间的控制与研究

为进一步提高雷达的目标跟踪性能,有效节省雷达的系统资源,在交互式多模型粒子滤波算法(IMMPF)的基础上,提出了一种自适应驻留时间设计方法。在满足一定跟踪精度的情况下,由信噪比、测量误差协方差与雷达驻留时间三者之间的关系,进一步研究分析交互多模型粒子滤波算法,通过改变雷达工作参数,完成了雷达驻留时间的自适应设计。通过仿真结果分析表明,提出的自适应驻留时间设计方法与固定驻留时间算法比较,在保证跟踪精度的同时,减少雷达系统资源的消耗,在实际雷达系统设计中具有一定的指导意义。     

具有最优模型传递矩阵的交互式多模型算法

在传统的交互式多模型（ IMM,interacting multiple model）算法中,描述模型马尔科夫切换过程的模型传递矩阵被定义成一个常值矩阵,并且将子滤波器间的相关性信息遗漏。然而,由于实际环境的复杂性,传统的IMM算法无法满足飞行器跟踪的需求。为此,提出一种具有最优模型传递矩阵的交互式多模型（ OMTM－IMM,optimal mode transition matrix IMM）算法,该算法在考虑子滤波器相关性的前提下,以线性最小方差理论为基础,推导出最优的模型传递矩阵,该传递矩阵更加符合实际情况,理论分析和仿真实验表明该算法有效地提高了飞行器跟踪精度。     

基于噪声方差性能量度的自适应阵及其抗多径效能

本文讨论采用噪声方差性能量度的自适应阵及其在多径环境中的抗干扰效能。结果表明,这种自适应天线会在信号最强路径自动形成高增益波束,而在其它路径形成波束零陷,具有较好的抗干扰能力。     

基于自适应多方向稀疏模型的量化噪声均衡化图像解码方法

针对量化带来的非一致噪声,基于压缩感知理论,建立了基于量化噪声均衡化模型的图像优化解码方案.针对图像信号纹理的多方向特征,构建了自适应多方向稀疏表示模型.实验结果表明:以变换系数为观测数据,通过基于自适应多方向稀疏模型的量化噪声均衡化解码方法可以较大幅度地提高图像重建质量.     

基于交互多模型的改进无迹粒子滤波算法

为了提高机动目标的跟踪精度,提出了适用于非线性非高斯系统的基于预测残差的交互多模型自适应无迹粒子滤波算法.该算法将无迹粒子滤波与交互式多模型的优点相结合,通过UT变化构造粒子滤波的建议分布函数,利用预测残差在线对测量协方差和状态协方差进行自适应调节,以改进执行和计算的有效性从而降低计算误差.仿真结果表明,与交互式多模型粒子滤波、交互式式无迹粒子滤波算法相比,该算法具有更好的跟踪精度.     

一种新的模糊控制多模型算法在目标跟踪中的应用

为解决传统的蛇形建模方法不能反映出反舰导弹典型运动特性的问题,引入动力学建模方法研究弹道问题,把导弹视为可控质点,建立了反舰导弹末端蛇形机动弹道模型.采用被动传感器进行跟踪,提出一种新的基于模糊控制的交互式多模型自适应无迹卡尔曼滤波算法,根据Sage-Husa噪声统计估值器的原理提出了状态误差协方差自适应算法,克服了传统噪声自适应算法在目标发生强机动时收敛速度慢的缺点,同时利用模糊控制方法实现了实时调整交互式多模型算法中的转换概率矩阵.仿真实表明:所建立的弹道模型对探测、识别和跟踪反舰导弹技术的研究有一定的参考价值;改进的跟踪算法能够快速调整模型概率,使得其估计误差的收敛速度比交互式多模型算法更快,鲁棒性更强,并且能够有效降低纯方位目标跟踪的误差,实现对反舰导弹末端蛇形弹道模型的稳定跟踪.     

基于EDKF的机动目标跟踪算法研究

运用"当前"统计模型(CS)的扩充卡尔曼滤波(EDKF)与匀速运动(CV)模型进行交互,设计出了一种适合于色噪声环境中机动目标跟踪的交互式多模型(MM-EDKFCS/CV)算法.CS模型适用于一般的机动目标跟踪,EDKF对色噪声中目标的跟踪具有较高的跟踪精度,因此IMM-EDKFCS/CV算法保证了色噪声中机动目标和非机动目标的跟踪性能.仿真结果证明了此算法的可行性和有效性.     

基于IMM的舰载雷达目标跟踪算法研究

首先研究了目标跟踪中的卡尔曼滤波算法和常用的机动目标跟踪模型,分析了各模型基于卡尔曼滤波算法的跟踪性能。然后,引入交互式多模型算法,使用多个不同的运动模型匹配目标不同的运动模式,且各模型之间存在交互。在MATLAB中模拟舰载雷达的目标运动航迹,采用交互式多模型算法,通过对经典交互式模型(即一个CV模型和一个CA模型)的实验仿真,验证了在目标跟踪系统中交互式多模型算法的有效性。     

自适应噪声抵消的应用研究

对自适应噪声抵消技术进行了实验研究，成功地从强干扰信号中提取清晰语音信号，探讨了自适应噪声抵消器的原理、当前应用情况及其前景，并进行了计算机仿真，给出了仿真结果。     

基于多模型的自适应预测函数控制

作为第三代模型预测控制算法，预测函数控制已经在线性系统控制中取得了很好的效果，但应用于非线性对象还有一定局限性。针对现实中大量存在的非线性过程，提出了基于局部模型设计的预测函数控制器加上模型切换算法的多模型自适应预测函数控制器。通过计算机仿真应用于连续发酵过程，表明基于多模型的自适应预测函数控制器比常规的预测函数控制器具有更好的控制效果。     

一种变结构多模型机动目标跟踪算法的研究

该文针对在机动目标跟踪领域应用广泛的交互式多模型算法,是一种基于固定模型集合的算法,由此带来一个两难问题,既需要较多的模型保证跟踪精度,有会因为太多的模型而增加计算量。该文提出了一种基于序列似然比检测的变结构多模型算法,给出了一种模型集合自适应的解决方法。该方法提高了跟踪精度的同时也降低了计算量。随着反舰导弹的威胁日益增大,该文针对反舰导弹的机动特性,仿真验证了该算法的有效性。     

基于交互式当前统计模型的变采样率跟踪算法

针对相控阵雷达跟踪机动目标时当前统计模型采用固定机动频率和机动加速度上限而难以适应多种目标机动环境,提出了基于交互式当前统计模型的变采样率跟踪算法．该算法将多个当前统计模型作为交互多模型框架下的模型组成,然后根据各模型相关过程噪声值合成计算雷达的采样间隔,实现变采样率跟踪,提高了适应目标机动的能力和跟踪精度．仿真结果表明,本文算法的跟踪性能明显优于基于Singerk模型的变采样率跟踪算法．     

基于分数阶的模型参考自适应算法

在自适应中引入分数阶运算,可以较好的改善被控对象的响应时间和干扰。本研究将分数阶积分引入模型参考自适应,通过构造分数阶的自适应律,设计了新的模型参考自适应控制系统,并进行了仿真。结果表明,该系统具有较快的响应时间,较小的超调量以及很好的鲁棒性。对分数阶系统的研究具有一定的意义。     

多效蒸发的无模型自适应控制研究

将基于紧格式线性化的非线性系统无模型自适应控制方法应用在多效蒸发控制中。控制器的设计是直接基于称为伪偏导数的向量,伪偏导数是根据多效蒸发系统的人工神经网络模型的输入输出信息在线导出的。并利用MATLAB仿真实验证明了该方法的有效性和稳定性,其性能优于传统PID控制。