基于无迹卡尔曼滤波的飞行航迹预测方法研究

为了解决现有的航迹预测方法预测精度和稳定性不足的问题,在已有的历史航迹数据的基础上,提出一种基于无迹卡尔曼滤波的飞行航迹预测模型.根据已知航班的部分航迹点构建航空器运动观测方程和状态方程,并通过无迹卡尔曼滤波完成航迹预测,面向所得数据和原始数据展开误差比较分析,检验算法及预测过程准确性.研究结果表明,通过上述算法进行飞...     

基于改进卡尔曼滤波的控制河段船舶航迹预测

由于船舶自动识别系统(AIS)设备存在信息缺失现象,导致基于AIS的智能辅助指挥系统无法准确判断船舶位置,难以准确揭示通行信号。同时,控制河段具有航道狭窄弯曲等特征,传统卡尔曼滤波算法无法准确预测运动船舶的航迹。针对以上问题,对卡尔曼滤波算法中的系统噪声进行实时估计,以提高船舶航迹的预测精度,并对传统卡尔曼滤波和改进卡尔曼滤波的跟踪效果进行了仿真分析。结果表明,所提算法可有效解决AIS设备信息缺失问题,准确预测船舶位置,保证控制河段智能辅助指挥系统信号揭示的准确性和可靠性。     

基于数据挖掘的四维飞行轨迹预测模型

为了解决传统的空气动力学模型在预测四维飞行轨迹上误差较大的问题,提出一种基于数据挖掘的预测模型。该模型挖掘历史飞行时间数据,从中找出影响飞行时间的因素,预测出下一次飞行的全程时间,然后从历史位置数据中分析得出飞机在每个采样周期点上的位置,实现完整的四维轨迹预测。仿真试验验证了该模型预测的准确性和可用性。     

基于管制策略的4D进场航迹规划方法

为了实现终端区航班无冲突进场航迹的自动生成,提出了基于管制策略的4D进场航迹规划方法.通过基于进场耗时的层次聚类算法对历史雷达轨迹进行分析,提取包含管制意图的盛行水平路径;根据管制引导策略对进场程序航段分类,建立水平路径调整模型,结合各机型连续下降进近垂直剖面,生成无冲突4D进场航迹.以国内某机场为例,聚类分析进场航班...     

四维飞行轨迹预测方法的研究

通过对空中交通运输管理中目前常用的轨迹预测算法的研究比较和分析,提出了利用遗传算法的从历史数据中进行函数挖掘的思想.针对四维轨迹数据特征的分析和传统的单一函数挖掘的局限性,提出了基于基因表达式编程的频繁函数集挖掘的建模方法.该模型方法通过对历史飞行数据进行遗传算法的操作挖掘出数据集中对应的函数关系集合,用较好的函数模型预测未来航迹.以某一航班雷达数据为训练集做实验,结果表明了应用该方法的准确性和可用性.     

基于LSTM的船舶航迹预测模型

针对海上日趋复杂的情形,提高船舶交通服务系统(Vessel Traffic Service,VTS)的决策水平迫在眉睫。针对船舶航行轨迹多维度的特点以及对船舶轨迹预测的精确度和实时性的需求,提出了结合船舶自动识别系统(Automatic Identification System,AIS)数据和深度学习的船舶航行轨迹预测方法。构造基于AIS数据的航行轨迹特征,提出了循环神经网络-长短期记忆(Recurrent Neural Networks-Long Short-Term Memory,RNN-LSTM)模型,利用广州港内的船舶AIS数据对模型进行训练,并对未来船舶航行轨迹进行预测。实验结果表明,利用RNN-LSTM模型的预测方法具有精确度高、易实现的特点,并且与传统处理方法相比,其在处理序列数据方面更具优越性。     

基于航迹预测的飞行冲突探测

基于飞行器飞行途中的随机影响及观测仪器的误差影响,给出了常速模型的冲突探测模型。重点讨论2架飞行器靠近飞行的情况,采用卡尔曼滤波理论,预测2架飞行器的相对航迹。然后依据相对航迹,计算2架飞行器在各时刻的距离。最后根据冲突条件判断冲突是否存在。该方法不仅从模型上保证了更接近飞行器的实际飞行情况,而且计算机仿真结果表明该方法能有效地进行冲突探测。     

基于变维分形理论的卡尔曼滤波实时跟踪预测模型在股票价格预测中的应用

基于卡尔曼滤波的动态、实时性以及股票市场的分形特性,论文首创利用变维分形理论来建立关于股票市场的卡尔曼滤波状态方程和观测方程,提出了一种新的基于变维分形理论的卡尔曼滤波实时跟踪预测模型和算法。实例仿真结果分析表明,论文提出的算法具有可靠、计算简便、快速等特点,模型预测精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。     

基于非线性回归的目标航迹预测算法

基于非线性回归对目标航迹进行准确预测是实现目标跟踪的基础。针对传统的卡尔曼滤波在目标行为发生较快变化时航迹预测精度降低的问题,本文提出了一种改进的卡尔曼滤波算法对目标航迹进行预测。该方法结合了目标的实际运动情况,根据预测值和真实值的实时偏差调整滤波过程,将系统方差矩阵转换为可变量,从而可以解决当目标行为明显变化时传统方法预测精度低的问题。实验结果表明,在目标行为状态发生变化的情况下,提出的算法均可以实现对目标航迹的速度、方向和转向角的精准预测。     

一种基于实时航迹的流量预测修正算法

本文针对民航班机在巡航阶段的直线运动轨迹和弧线运动轨迹进行了理论误差分析,在简化4D轨迹预测模型的基础上,提出了基于实时系统航迹数据的流量预测动态修正算法,试验结果表明该算法能够满足管制员的实际应用需要,可以为实际的空中交通流量管理方案实时提供更加准确的决策支持。     

改进的扩展卡尔曼滤波在航空器4D航迹预测算法中的应用

为有效地推进基于轨迹运行(TBO)的发展,准确预测不同实时飞行状态下的航空器4D航迹,根据航空器基本数据库(BADA)提出的基本动力学方程,引入航空器运动的六自由度模型和风场扰动函数,并且用状态变量和输入变量建立非线性控制系统,与BADA中的总能量模型(TEM)结合进行4D航迹预测.由于非线性控制系统与航空器运动状态复...     

基于改进卡尔曼滤波的盲图像恢复

为了解决在获取数字图像过程中发生的图像质量下降（退化）的问题,需要使用图像恢复技术进行图像重建。针对未知点扩散函数(PSF)的盲图像恢复,首先利用倒频谱的方法估计模糊图像的点扩散函数,然后再利用改进的卡尔曼滤波方法对图像进行恢复。倒频谱方法是将模糊图像分成反映原图像信息和反映模糊系统信息的两部分相加的形式,通过分析两者的关系估计出模糊图像的PSF。改进卡尔曼滤波器在估计过程中考虑了系统的模型误差,使其对模型误差具有一定的鲁棒性。通过Matlab进行了数字仿真实验,实验结果表明利用所提出的方法可以有效地减小PSF估计不准确对图像恢复的影响,与传统卡尔曼滤波相比恢复效果较好。     

基于自生成深度神经网络的4D航迹预测

针对四维(4D)航迹预测的实时性不强和存在迭代误差的问题,提出了一种自动生成的条件变分自动编码器(AutoCVAE).它以编码-解码的形式直接对未来一段时间的航迹进行预测,并能灵活选取观测点个数和预测步长.该方法以处理后的广播式自动相关监视(ADS-B)数据为引导,以减小预测误差为目标,通过贝叶斯优化的方法,在预定义的...     

Kalman filter based short term prediction model for COVID-19 spread

Corona Virus Disease 2019 (COVID19) has emerged as a global medical emergency in the contemporary time. The spread scenario of this pandemic has shown many variations. Keeping all this in mind, this article is written after various studies and analysis on the latest data on COVID19 spread, which also includes the demographic and environmental factors. After gathering data from various resources, all data is integrated and passed into different Machine Learning Models in order to check its appropriateness. Ensemble Learning Technique, Random Forest, gives a good evaluation score on the tested data. Through this technique, various important factors are recognized and their contribution to the spread is analyzed. Also, linear relationships between various features are plotted through the heat map of Pearson Correlation matrix. Finally, Kalman Filter is used to estimate future spread of SARS-Cov-2, which shows good results on the tested data. The inferences from the Random Forest feature importance and Pearson Correlation gives many similarities and few dissimilarities, and these techniques successfully identify the different contributing factors. The Kalman Filter gives a satisfying result for short term estimation, but not so good performance for long term forecasting. Overall, the analysis, plots, inferences and forecast are satisfying and can help a lot in fighting the spread of the virus.

     

改进扩展卡尔曼滤波算法的目标跟踪算法

为了获得更加理想的运动目标跟踪效果,提出了一种基于改进扩展卡尔曼滤波的目标跟踪算法。构建时间差和信号到达方向的观测方程,利用几何和代数关系化简得到伪线性模型,通过改进卡尔曼滤波算法对目标运动轨迹进行跟踪,采用仿真实验对算法性能进行测试。结果表明,相对于传统扩展卡尔曼滤波算法,在相同条件下,该算法不仅提高了目标跟踪精度,而且使目标跟踪结果更加稳定。     

基于反向预测卡尔曼滤波自适应算法研究

标准卡尔曼滤波算法对系统的数学模型和噪声统计特性进行了假设,当该假设与实际的模型不匹配时容易造成滤波误差较大甚至滤波发散。提出基于反向预测卡尔曼滤波自适应算法,通过比较原始预测状态归一化新息平方和反向预测状态归一化新息平方,当比值大于设定阈值时在线进行过程噪声调整,从而修正预测状态。雷达目标跟踪仿真研究结果表明,该算法对目标机动和过程噪声增大有较强的自适应性,能够提高滤波精度和鲁棒性。     

一种基于Kalman滤波器的自适应背景建模改进算法

基于传统Kalman滤波器理论的背景建模方法,不能很好地解决目标缓慢运动导致背景模型出现拖影的问题。针对该问题,提出了一种结合Kalman滤波器理论与动态区域重构的自适应背景建模改进算法,介绍了Kalman滤波器理论主要思想和改进算法的方法流程与效果。与传统的Kalman背景建模相比,该方法在增加少量计算复杂度的前提下,较好地解决了目标缓慢运动导致背景模型出现拖影的问题,同时也能较好地消除背景噪声。通过对图像序列的仿真实验证明:该方法具有很好的实用性与鲁棒性。     

基于改进扩展卡尔曼粒子滤波的目标跟踪算法*

针对扩展卡尔曼粒子滤波算法滤波精度较低和粒子退化的问题,将马尔可夫链蒙特卡罗（MCMC）方法和扩展卡尔曼粒子滤波相结合,应用于目标跟踪。该算法利用扩展卡尔曼滤波来构造粒子滤波的建议分布函数,使建议分布函数能够融入最新的观测信息,以便得到更符合真实状态的后验概率分布,同时引入MCMC方法对所选的建议分布进行优化处理,使抽样粒子更加多样性。仿真结果表明,该算法能有效地解决粒子贫化问题并提高滤波精度。