机动目标跟踪的滤波方法研究

目标跟踪应用中,一类常见的混合估计问题是:目标运动建模在直角坐标系下且是非线性的,同时量测数据由传感器直接获得.通常处理该问题的做法是使用推广卡尔曼滤波器,但效果欠佳.为此,通过将无迹变换(UT)和BLUE算法相结合,提出了一种新型的UT-BLUE滤波器.该滤波器首先利用无迹变换对直角坐标系中的目标状态及其协方差作出预测,然后在保持传感器坐标系(极坐标系)下所固有的量测误差的同时,直接对它们作出更新估计.通过仿真, 将UT-BLUE滤波方法和EKF滤波方法进行比较,表明了该滤波方法的有效性和优越性.     

一种改进的粒子滤波跟踪算法的研究

粒子滤波是一种基于蒙特卡罗和递推贝叶斯估计的滤波方法,在处理非高斯非线性系统的状态和参数估计方面有独到的优势。但是其庞大的计算量和缓慢的速度限制了其在实时系统中的应用。本文中介绍了粒子滤波基本原理,通过改进权重计算、重采样算法,计算速度得到提高。这种改进的算法在DSP系统中进行目标跟踪仿真,证明其具有速度快、精度高的特点。     

三维矢量场的流动拓扑结构抽取

提出一种基于关键点分类的三维矢量场流动拓扑结构抽取算法,可应用于三维曲线网格、结构化网格和分块网格中.在许多计算流体力学计算中,存在非滑移边界,这种边界上流体的速度为0.通过分析流场边界的表面摩擦场的拓扑,展示绕壁面流体的流动结构;使用图标定位关键点,可交互式地标记和显示涡核区域,并通过选择暗示螺旋流动的图标,沿着该关键点的实特征值对应的特征矢量方向积分流线来完成.测试结果清晰地展示了关键特征区域的流体流动特征.     

基于滤波技术的随机连续系统ELS辨识及其数值实现*

本文对低阶扰动模型，讨论滤波器的选取，从而通过对输入输出滤波，使辨识随机连续系统的连续ＥＬＳ法一致收敛的ＳＰＲ得满足，基于数值积分和常微分方程数值解，文中还讨论了ＥＬＳ辨识的两种数值实现仿真的结果显示本文方法的有效性。     

广义随机系统的集值滤波

在具有控制输入和动态噪声与观测噪声相关的情况下,给出线性随机系统的集值滤波方程;利用矩阵分解和系统变换的技巧,得到广义随机系统的集值滤波方程.这种状态估计方法适用于初始状态均值位于一个凸集之中的随机系统.与传统Kalman滤波产生单个条件分布不同,这里的集值滤波给出一个条件分布的凸集.     

基于拟蒙特卡洛滤波的说话人跟踪方法

提出了一种基于拟蒙特卡洛滤波的说话人跟踪方法. 该方法利用拟蒙特卡洛积分技术优化采样粒子在状态空间的分布特性, 降低了滤波过程中的积分误差, 提高了状态估计精度; 同时, 用均值漂移技术使采样粒子向高似然区域移动, 减少了所需采样粒子的数目, 降低了计算需求. 最后, 将所提方法应用于说话人跟踪系统, 提高了说话人位置的跟踪精度. 仿真实验结果验证了本文方法的有效性.     

粒子滤波器在雷达目标跟踪中的运用

非线性估计领域的经典算法是扩展Kalman滤波(EKF).它采用了Taylor展开的线性变换来近似非线性模型,因而存在计算量大、实时性差、估计精度低等缺点.而粒子滤波采用一些带有权值的随机样本(粒子)来表示所需要的后验概率密度,而不是采用传统的线性变换,从而得到基于物理模型的近似最优数值解,具有精度高、收敛速度快等特点.本文对经典的方位、斜距量测跟踪问题进行了仿真.仿真结果表明,粒子滤波器的跟踪性能要优于EKF的性能.     

一种用于目标跟踪的改进粒子滤波算法

为解决目标跟踪中粒子滤波算法的估计精度、粒子退化问题,提出一种改进的粒子滤波算法。在粒子滤波的基础上,利用UKF生成粒子滤波的建议分布,以改善滤波效果,在无味粒子滤波的基础上,融合典型的MCMC抽样算法,减少传统算法未考虑当前量测对状态的估计作用所带来的影响,增加采样粒子多样化。将该算法应用于具有非线性、非高斯特点的目标跟踪问题中,仿真结果表明,与普通的粒子滤波算法相比,其跟踪精度和滤波效果有较大提高。     

提高物流跟踪系统定位精度的滤波算法

提出一种以MSP430单片机为控制核心,GPS和GSM为控制对象的物流跟踪系统设计新方法;介绍该系统的整体结构和软硬件设计;同时还详细介绍了卡尔曼滤波算法,以及强跟踪卡尔曼滤波算法在物流跟踪系统中的应用。通过软件仿真和试验测量,验证了该系统跟踪结果的可靠性。该系统体积小、功耗低、定位精度高、实时跟踪性好、接口友好,适合贵重物品等在长距离运输跟踪中的应用。     

基于自适应粒子滤波的跳水运动视频跟踪算法

用传统粒子滤波算法对跳水运动视频跟踪存在两个突出问题:观测模型不能适应运动员身体的表观变化;运动模型不能准确预测运动员位置的快速改变。针对这两个问题,本文提出一种自适应粒子滤波算法。该算法在粒子滤波框架下引入一种自适应观测模型,并且根据跟踪误差与运动员动作改变幅度的大小,自适应选择噪声方差和粒子数量。实验结果表明,本文算法比传统粒子滤波算法具有更低的跟踪误差率,而且在运动员动作改变幅度变大时有更好的鲁棒性。     

基于微分光流和粒子滤波的视频运动目标跟踪

针对传统跟踪方法中存在的背景遮挡问题,提出一种基于微分光流的粒子滤波跟踪方法。该方法建立一个用于描述目标的微分光流模型,该模型在每一帧的跟踪处理之前获得更新。使用光流相似函数计算目标与粒子所表示区域的相似度,通过粒子     

适用于低流速的恒温式液体流量传感器

给出一种能在低流速范围有较高灵敏度的液体流量传感器。在测量水的情形下,当流速为1cm/s时传感器的输出可达30mV,该灵敏度比类似条件下氮气敏感的灵敏度高约一个数量级。该传感器利用维持芯片温度恒定所需的加热功率的变化作为流速的量度。它由标准的铝栅CMOS工艺制成。     

自适应抗混叠滤波器在机械振动信号采集中的应用

采用8阶开关电容滤波器和CPLD所设计的分频电路,设计了一跟踪滤波电路.解决了旋转机械在不同转速下的抗混叠滤波的问题,实现了只跟踪变化的有效信号中心频率的10倍频程,并将其他多余信号滤掉的功能.     

基于薛定谔方程的随机滤波算法

针对一步预测问题,本文提出一种新的自适应滤波算法,该算法通过神经网络来调制薛定谔方程的势场函数.这种算法就是所谓的量子递归神经网络(RQNN),它可以过滤嵌入在真实信号中的非平稳噪声且不需要信号和噪声的任何先验信息.本文通过RQNN与RLS算法的仿真结果比较,表明:RQNN在过滤嵌入在直流信号,正弦信号,阶梯信号和语言信号中的高斯平稳噪声,高斯非平稳噪声或非高斯平稳噪声更准确和有更好的自适应性.实验结果表明:RQNN在过滤正弦信号中的高斯噪声时,输出信噪比相对于输入信噪比提高了20dB,这比RLS滤波器高10dB.     

A Stochastic Filtering Algorithm Using Schr¨odinger Equation

This paper provides a new adaptive algorithm for single-step prediction by modeling the potential field of a one di-mension Schr¨odinger wave equation using neural network. This new architecture is ref...     

适合长时跟踪的自适应相关滤波算法

针对在长时跟踪中,快速运动、遮挡等复杂情况很容易引起模板漂移,导致跟踪失败的问题,提出一种适合长时跟踪的自适应相关滤波算法.首先融合HOG特征、CN特征和灰度特征,在增强特征判别力的同时,结合EdgeBoxes生成检测建议并找到最优建议,实现跟踪器尺度与纵横比的自适应;然后利用高置信度跟踪结果来避免模板被破坏,将目标移动速度与边缘组数结合起来形成一种新的自适应更新率,并对每一帧目标框的尺度进行校正;最后在跟踪失败的情况下,应用增量学习检测器以滑动窗口的方式恢复目标位置.在标准测试集上与基于相关滤波的7种算法进行对比,实验表明,该算法在精确度和成功率上均取得较优效果.     

NLOS环境下的卡夫曼滤波跟踪定位算法

蜂窝网无线定位技术中,非视距(NLOs)误差的存在使得蜂窝网无线定位技术的定位精度急剧下降.针对NLOs环境,对基于卡夫曼滤波的动态跟踪定位算法进行了改进.首先引入判决机制鏊别测量值中NLOS信息,并根据鉴别信息对测量值进行加权重构处理,然后利用加权重构后的测量值再进行卡夫曼滤波跟踪定位,有效抑制了NLOS误差的影响.实验结果表明,算法在较为恶劣的NLOS环境下获得了较高定位精度.     

磁偶极子跟踪的渐进贝叶斯滤波方法

提出一种新的非线性滤波器应用于磁偶极子目标跟踪问题.建立了跟踪问题的状态空间模型, 在此基础上, 从高斯矩近似误差的角度分析了现有卡尔曼滤波更新在磁偶极子跟踪中的问题.对此, 将贝叶斯更新过程等效为求解连续时间上的渐进贝叶斯问题, 在线性高斯条件下推导了其解析解, 表明渐进贝叶斯更新可等效为定常系统的Kalman-Bucy滤波器; 进一步采用一阶Taylor展开得到非线性近似解表达式, 导出一种渐进贝叶斯滤波器, 从理论上分析了与现有方法的异同.仿真与实测磁目标跟踪试验结果表明, 渐进贝叶斯滤波器具有良好的精度和收敛性, 能够有效抑制磁目标跟踪中由于大初始误差导致的性能下降和滤波发散, 且计算效率与扩展卡尔曼滤波器相当, 适于实际应用.