光电跟踪目标贯序滤波算法研究

为了解决Kalman滤波算法跟踪精度低,计算量大的问题,提出了光电跟踪目标的贯序滤波算法.该算法将Kal-man滤波原理拓展到对测量矢量按照俯仰、方位、距离的顺序逐个进行滤波处理.并将前一个测量分量滤波的状态估值,作为下一个测量分量滤波处理的状态初始值.采用贯序滤波算法可以避免计算残差协方差矩阵的逆运算,大大降低Kalman滤波器的计算量,同时,按照特定的顺序进行测量更新,可以减小测量值非线性的影响,提高跟踪精度.仿真结果表明贯序滤波算法可以改善跟踪精度,提高计算效率.     

一种用于光电目标跟踪的非线性滤波算法

基于传统转换测量卡尔曼滤波算法,提出了一种二阶去偏转化测量卡尔曼滤波算法。该算法对转换测量方程进行二阶泰勒展开,得到转换测量值误差的均值和方差表达式,并对转换测量方程进行去偏差补偿,再经转换测量卡尔曼滤波,从而显著减小传统滤波算法的线性化误差,提高远距离目标的跟踪精度。仿真结果表明:二阶去偏转换测量卡尔曼滤波(SCMKF)算法跟踪精度明显优于传统的扩展卡尔曼滤波(EKF)算法和转换测量卡尔曼滤波(CMKF)算法,收敛速度比EKF算法至少可提高1倍。     

基于RBF神经网络的非线性滤波研究

提出了一种基于RBF神经网络的非线性滤波解决方案.比较了BP神经网络和RBF神经网络在非线性滤波中的性能差异.文章最后应用MATLAB针对一伴有随机噪声的信号进行了仿真滤波实验,证明了该理论的可行性与优越性.     

四旋翼姿态解算算法的对比与研究

在无人机领域,具有高精度且易于实现的导航算法是研究的热点,获取准确实时的姿态信息是无人机控制的关键。针对姿态解算问题,采用陀螺仪和加速度计等常见惯性元件,给出姿态矩阵的更新算法,仿真并对比了互补滤波器、梯度下降算法和线性卡尔曼滤波器等常用姿态解算算法,有利于人们加深对姿态解算的认识。     

光电位置敏感探测器非线性误差校正方法研究

位置敏感探测器(PSD)以其分辨率高、时间响应性好的优点在光电检测领域得到了广泛的应用,但是PSD在生产过程中产生的非线性误差极大的影响了测量精度和范围,因此对PSD进行必要的非线性误差修正可以大大提高其测量精度和可靠性。     

感应电机功率转换系统滤波技术的研究——扩展卡尔曼滤波器设计

提出了一种扩展卡尔曼滤波器的设计,将卡尔曼滤波算法推广至非线性感应电机系统的参数辨识。扩展卡尔曼滤波器采用工程实际中普遍采用的泰勒展开式截断的方法,对非线性方程进行线性化处理。在仿真中将这种算法应用于六相感应电机模型中,仿真结果证明扩展卡尔曼滤波器获得了很好的动态跟踪性能以及低速状态下良好的观测效果。     

用非线性逆滤波改善传感器动态特性的研究

在测量系统中许多传感器存在着严重的非线性静态特性和响应滞后的动态特性，当被测量对象的变化率高于传感器的响应速度时，测量结果与真值之间存在较大的误差。为了补偿这个测量误差。采用了一个由无限响应的IIR滤波器和静态非线性环节构成的非线性滤波器去减小误差。IIR滤波器的系数通过实验数据得到，它是传感器的动态逆模型；非线性静态环节采用模糊小脑神经网络(FCAMC)实现。并通过对热敏电阻动态测量误差的补偿，验证了该方法的有效性。     

故障诊断中非线性滤波算法的研究

对扩展卡尔曼滤波(EKF)和粒子滤波(PF)的原理进行了介绍。针对故障诊断中的非线性非高斯问题,通过仿真实验比较了EKF和PF的效果,结果证明在非线性条件下,PF的算法优于EKF算法。     

基于IUKF的非线性状态估计

为了提高测量更新的近似精度,将迭代卡尔曼滤波(IKF)的思想引入到UKF中,得到迭代无迹卡尔曼滤波算法(IUKF).理论分析与仿真结果表明:IKF的引入在提高非线性近似精度的前提下并没有增加计算的复杂性;在相同数量级运算时间的条件下,其估计性能明显优于标准EKF和UKF滤波器.     

基于均值漂移和粒子滤波相结合的水下运动目标跟踪

泳池是一个变化较大的动态场景,会受到气泡、光照强度和水波等因素的干扰,针对泳池环境的复杂性特点,本文提出一种基于均值漂移和粒子滤波相结合的水下运动目标跟踪算法。首先,结合Mean Shift算法中的核函数原理和目标模型,以RGB颜色直方图为核心建立水下运动目标模型,然后在粒子滤波跟踪水下目标的过程中,利用Mean Shift算法对粒子进行收敛,使粒子的分布更加接近目标的真实位置。仿真试验结果表明,本文提出的算法能够克服水波、阴影、气泡、遮挡等因素的干扰,实现了水下复杂背景下的实时稳定的目标跟踪。     

目标跟踪中非线性滤波算法的研究

介绍了3种非线性估计方法.在处理目标跟踪等动态系统实时估计问题中,EKF将系统进行线性化近似时存在估计误差,从而影响目标跟踪的精度;PF对系统噪声和量测噪声的概率分布没有要求;RPF是改进的粒子滤波算法.分析了EKF、PF和RPF算法的原理,比较了3种算法的性能差异.仿真结果表明,PF滤波精度优于EKF,而RPF在精度和计算复杂度等方面均优于PF,且随着粒子数目的增加,PF和RPF的精度也不断提升.     

卡尔曼滤波在单目相机运动目标定位中的研究*

单目相机运动目标定位是视觉跟踪的基本任务之一,视觉传感器对目标点位置的获取至关重要。根据单目相机针孔模型,将运动目标图像二维坐标,通过几何关系映射为相机坐标系的三维坐标。标定相机高度和旋转参数,在此基础上求得目标位置坐标。当运动目标被遮挡时,以匀变速运动为模型,根据先前位置信息确定加速度和速度,并对加速度进行自适应更新,建立运动目标状态方程,利用卡尔曼滤波算法预测目标位置。以预估位置代替真实位置,继续估计后续运动状态,在预估位置搜索运动目标,实现运动目标遮挡定位跟踪。实验结果表明,该定位方法具有可行性,当运动目标发生遮挡时,能够完成对目标的定位和跟踪。     

基于CMAC的非线性逆滤波器补偿热敏电阻的测量误差

热敏电阻传感器存在着严重的非线性静态特性和响应滞后的动态特性,当被测量的温度变化率高于传感器的响应速度时,测量结果与真值之间存在较大的误差。为了补偿这个测量误差,采用了一个由无限响应的IIR滤波器和静态非线性环节构成的非线性滤波器去减小误差。IIR滤波器的系数通过实验数据得到,它是传感器的动态逆模型;非线性静态环节采用单输入/单输出小脑神经网络(S ISO CM AC)实现,S ISO CM AC具有学习简单、收敛速度快、函数逼近精度高等优点。采用此方法改善热敏电阻的动态特性具有不依赖传感器模型的特点,并通过实验对该方法的有效性进行了验证。     

基于行列处理消除正向脉冲噪声非线性滤波器

在光电成像应用领域中,有时会在图像上产生大量的正向脉冲噪声,严重地影响了图像质量。本文针对数字图像中出现的正向脉冲噪声,提出了基于行列处理消除正向脉冲噪声的非线性滤波器（ＲＣＦ）,并分析了它的滤波和细节保护特性。通过对仿真图像的处理和应用实例,与几种非线性滤波器做了对比。实验表明基于行列处理的非线性滤波器通过简单的行列处理,不但能有效消除正向脉冲噪声,而且对图像边缘和细节具有较强的保护能力,     

再入机动弹道参数估计与预报算法

本文以再入段弹道预报为背景,主要解决多个模型关键参数未知情况下,再入大气层机动弹头的弹道精确外推问题。文章细化了再入段机动弹头的建模过程,建立了包含导引过程的有控机动弹道数学模型,并利用UKF非线性滤波算法估算模型中的弹道系数、落点信息等关键参数,最后进行弹道的精确外推。仿真算例表明,该方法能在弹道系数、落点信息等参数未知的情况下进行有效快速的弹道预报,具有较好的预报精度。     

车辆悬架系统非线性阻尼匹配研究

悬架是车架(或承载式车身)与车桥(或车轮)之间的一切传力连接装置的总称,是现代汽车上重要的总成之一,其性能对汽车的行驶平顺性和操纵稳定性具有重要影响。汽车悬架的性能不仅取决于悬架的结构形式,更重要的是取决于悬架系统参数及其匹配。减振器各阻尼阀的参数往往是根据减振器阻尼分段线性速度特性曲线确定的。基于二自由度1/4悬架振动模型,利用MATLAB/Simulink建立阻尼非线性的系统仿真模型,研究在随机路面激励下减振器阻尼分段线性三级控制各目标参数对车辆性能的影响,为车辆悬架系统非线性阻尼匹配提供理论依据。     

采用非线性量子比特的形态滤波及其应用

针对数学形态学结构元素无法动态调整尺寸的问题,结合量子理论提出一种基于非线性量子比特的形态滤波方法,提升形态学的机械振动信号处理效果。分析机械信号与量子理论结合的可行性,并在此基础上构建机械振动信号的峰值波谷的量子表达形式;结合振动信号的最大值和最小值,通过数学分析提出非线性量子比特的表达式,用于表达振动信号的瞬时状态;根据振动信号邻域的关联性,分析振动信号的局部特点,建立振动信号的三量子位系统;根据机械振动信号的峰值波谷的量子表达形式,在三量子位系统的框架内,提出机械振动信号在量子概率特征下的结构元素尺寸收缩算子,并基于尺寸收缩算子实现结构元素长度的自适应调整。运用轴承故障信号进行分析,结果表明,该方法能够比传统方法更加有效地提取出故障脉冲信息。