卡尔曼滤波在被动测距声呐中的应用

本文围绕卡尔曼滤波器在被动测距声呐中的应用进行了讨论,其重点是如何得到较简单而又能对实际情况较好地进行描述的滤波模型,结合水声被动测距问题的特点,这里介绍的变量选取和模型构成等项措施是必要而又合理的。本文还给出了利用海上数据进行试算以及模拟计算的结果。     

基于成像声呐的水下多目标跟踪研究

针对水下多目标跟踪问题,提出基于成像声呐的高效目标跟踪算法. 基于声呐的成像特点,针对声学图像中的每个像素点,建立基于信号强度的回波信号模型,提取图像中的个体目标. 采用基于序贯蒙特卡罗的概率密度假设(SMCPHD)滤波对各目标状态进行滤波,结合Auction航迹识别算法将滤波后的目标状态与已确定的航迹进行关联,实现多目标跟踪. 通过算法的仿真分析发现,该方法相对于基于数据关联型的多目标跟踪算法如联合概率数据关联(JPDA)算法、多假设跟踪(MHT)算法,大大提高了计算效率. 对采集的现场数据进行目标提取与跟踪,获得目标的跟踪轨迹.     

基于红外传感器方位跟踪算法的性能分析

针对项目需要,研究了当毫米波雷达/红外双模导引系统中的雷达系统不可用时,仅通过红外传感器的目标角度信息进行纯方位跟踪的卡尔曼滤波算法以提高系统的抗干扰能力。文中分析了扩展卡尔曼滤波器、伪线性估计器和基于修正球坐标系滤波器3种滤波方法用于解决此类问题的特点,并以纯方位跟踪的观察数据对上述算法进行了仿真。结果表明:扩展卡尔曼滤波器是一种不稳定的算法,在许多情况下是发散的;伪线性估计器稳定性较好,但产生的估计是有偏的;基于修正球坐标滤波解决了跟踪不稳定性问题,估计效果相对较好,具有一定的工程应用意义。     

被动测距声呐中信号模糊对时延估计的影响

被动测距声呐中的关键技术问题是对两对水听器所接收信号的时间差进行估计.通常,这种时延估计的误差用Crammer-Rao下限来描述.本文利用现代估计理论中的Ziv-Zakai方法,结合被动测距声呐的特点以及有关模拟计算结果,对这种时延估计中的信号模糊问题进行了讨论.结论是:被动测距声呐时延估计中的信号模糊影响具有普遍性.在声呐的设计中可利用Ziv-Zakai理论作为分析工具,讨论各参数的取定,也可利用该理论对已知声呐系统的技术指标进行预估.     

BF粒子滤波算法在快速目标跟踪中应用的研究

为了对快速目标进行跟踪,在高斯加性白噪声的条件下(AGWN),文章把BF粒子滤波算法和迭代的Kalman滤波器方法结合起来对快速目标状态进行处理,状态估计用BF粒子滤波算法,能减小方差和运算量,同时用Kalman滤波器能提高跟踪精度和对目标状态的估计。仿真结果表明,文中所设计的快速和精确的BF算法能真正地解决快速目标跟踪问题。     

基于势概率假设密度平滑器的多目标跟踪算法

针对概率假设密度(PHD)滤波在杂波环境下对机动多目标进行检测与跟踪时,易出现高阶势分布信息丢失,从而导致目标检测出现偏差的问题,提出一种将势概率假设密度(CPHD)滤波与平滑算法相结合的多目标跟踪算法。从CPHD的预测与更新步骤出发,结合后向平滑递归公式,推导CPHD平滑公式,并提出基于高斯混合实现的GM-CPHD平滑器。仿真实验表明,GM-CPHD平滑器的检测与跟踪性能优于未经平滑处理的CPHD滤波器。     

矢量阵自适应零陷强干扰抑制目标方位估计方法

针对方位范围未知的远场强干扰背景下声呐弱目标信号的检测与方位估计问题，本文提出了将自适应空域矩阵滤波技术、矢量信号处理技术及平面波方位估计技术结合的方法。通过最小化滤波后矢量阵信号输出功率以及约束滤波器通、阻带响应，产生自适应零陷干扰抑制效果，并利用二阶锥凸优化的方法首次求解得到了矢量阵自适应空域滤波器。仿真及试验结果表明：矢量阵自适应空域滤波器空域特性相比声压阵自适应空域滤波器更优，矢量阵数据自适应预滤波后再进行方位估计，方位未知的远场强干扰能够被更有效地自适应抑制，进而能够提升矢量线列阵声呐远程弱目标被动探测性能。     

并行高斯粒子滤波被动多目标跟踪新算法

针对多目标跟踪的数据关联及多目标状态空间尺寸随目标数增多而增长的问题,提出了一种跟踪新算法,假定各目标的状态与过去的观测相互独立,可以多路并行处理,采用马尔可夫链蒙特卡罗(MCMC)方法计算目标与观测的关联概率,利用高斯粒子滤波(GPF)独立估计单个目标的状态,采用拟蒙特卡罗(QMC)方法近似各目标的预测及更新分布.将该算法应用于被动多传感器多目标跟踪,仿真结果表明,所提算法比联合概率数据关联滤波器(JPDAF)、马尔可夫链蒙特卡罗数据关联滤波(MCMCDAF)及蒙特卡罗联合概率数据关联滤波(MC-JPDAF)具有更好的跟踪性能.     

随机集粒子滤波的快速被动数据关联算法

针对杂波干扰环境下的被动多目标跟踪问题,将多站集中式融合方法与概率假设密度粒子滤波递归过程相结合,实现被动多目标跟踪．进一步,将概率假设密度粒子滤波递归过程并行化处理,每个目标使用单独滤波器跟踪,避免了大量粒子的聚类过程,简化算法复杂度,进而提出一种快速被动数据关联算法．实验结果表明,与传统算法相比,新算法可以在不增加额外计算负担的基础上,有效得到每个目标的航迹．特别对于目标发生交叉的情况,能很好地区分每个目标的航迹．     

抑制闪烁噪声的SMM-IUKF目标跟踪算法

针对末制导被动雷达跟踪测量的闪烁噪声问题,在分析多模型滤波及其简化算法的基础上,采用迭代不敏卡尔曼滤波(IUKF),设计了一种简化的多模型滤波器(SMM-IUKF),并以一个典型三维目标跟踪问题为例进行了蒙特卡洛仿真验证.该算法具有与SMM算法同阶的计算量,估计精确度高、收敛速度快,较好地解决了闪烁噪声滤波问题.     

响应和滤波器偏差感知约束的无人机目标跟踪算法

针对无人机视觉跟踪任务中目标外观变化大、视野角度多变问题,提出基于响应和滤波器偏差感知约束的无人机实时目标跟踪算法. 该算法根据视频帧间响应差和滤波器变化的一致性,通过建模前后帧响应差和滤波器的变化,建立基于响应偏差感知和帧间滤波器偏差约束机制的目标函数,学习目标的外观变化和滤波器的帧间变化. 引入辅助变量构建优化函数,采用交替方向乘子法（ADMM）将计算目标问题转化为求相关滤波器和辅助变量的最优解. 采用跟踪准确度和成功率指标,将所提算法与其他9种算法在DTB70、UAV123@10 fps和UAVDT等3个无人机视频数据库上进行对比实验. 实验结果表明,所提算法对遮挡、形变、角度变化等干扰属性均具有良好的鲁棒性,跟踪平均速度达到39.0帧/s,能够有效跟踪无人机目标.     

Adaptive Track Predicting Control for Target Tracking Control Systems

The target trackingsystemis widely usedin mil-itary andindustry,such as radar track and uncertainrobot manipulators.It’s difficult to realize high pre-cision real-ti me trackingto a maneuveringtarget.Formaneuvering target,its motion direction,velocityand acceleration are uncertain,it requires that theservo system must have fast response.For commonoutput feedback control system,the hysteresis alwaysexists between the input and output because anyphysical actuator needs a period of response ti m…     

DSP上实现的卡尔曼滤波器

本文提出了跟踪运动物体的卡尔曼滤波器的完整设计过程.滤波器是在TMS320数字信号处理器(DSP)上实现的,和模拟结果比较,分析了滤波器的精度及量化误差的影响.尽管该滤波器是专用DSP构造的,但设计方法也适用于其它类型的DSP.该滤波器可以用来滤除运动物体位置测量信号中的噪声.对一个二维运动物体,单字长精度的滤波器带宽可达1.68kHz.     

视觉和IMU融合的移动机器人运动解耦估计

针对视觉里程计(VO)因累积误差导致运动姿态估计存在的偏差,提出实时扩展卡尔曼滤波器姿态估计模型,利用惯性测量单元(IMU)结合重力加速度方向作为垂直方向参考,对视觉里程计航向、俯仰和侧倾3个方向姿态估计进行解耦,修正姿态估计的累积误差;根据运动状态采用模糊逻辑调整滤波器参数,实现自适应的滤波估计,降低加速度噪声的影响.实验采用高精度的全站仪作为真值,并结合多种地形环境,实验结果表明：50 m内跟踪的累积误差低于0.3 m,有效地提高了视觉里程计的定位精度和鲁棒性.     

多方法融合的粒子滤波算法的神经丝自动跟踪

神经丝蛋白质是医学中研究肌萎缩侧索硬化症病情进展的标志物.为了能精确捕获某种神经丝蛋白质在神经鞘中的活动特性,引入了一种多方法融合的粒子滤波算法跟踪神经丝蛋白质的运动.该算法汲取颜色直方图法、核函数法及图模法等的优点,融合粒子滤波算法,实现自动跟踪神经丝蛋白质.此外,为了解决粒子滤波中样本贫化,即在粒子滤波计算中很大一部分粒子重叠到一个单独的点上的情况,需要重采样计算解决此问题.但在重采样过程中,容易造成一些粒子丢失各向异性而导致跟踪精度降低,甚至跟踪目标失败,故结合粒子滤波算法提出了一种改进重采样约束方法.实验结果表明,基于改进重采样法及多方法融合的粒子滤波算法较传统算法能有效地减少样本贫化问题,并且可以高精度地跟踪移动、变形的神经丝蛋白质,为医学中神经丝蛋白质研究提供了新支撑方法.     

基于视频的果蝇求偶行为识别和运动轨迹跟踪预测

针对人工检测果蝇求偶行为效率低、果蝇轨迹跟踪困难的问题, 提出一种基于视频的果蝇求偶行为识别和运动轨迹跟踪预测的方法。首先采用Ostu法实现图像分割,并使用外接椭圆锁定果蝇目标,根据果蝇位置关系和差值图像灰度均方差进行求偶行为误判筛除; 然后提取果蝇轮廓的形状特征(面积,周长,似圆度等)和7个不变矩特征,并依据特征信息实现果蝇求偶行为的识别; 最后采用卡尔曼滤波和特征匹配的轨迹跟踪方法实现运动果蝇的跟踪预测。实验结果表明,该方法能够准确识别果蝇的求偶行为和运动跟踪预测。     

基于卡尔曼滤波的人脸跟踪算法

针对实时视频监控领域中传统的Camshift算法不能自动跟踪人脸和容易受到肤色相近遮挡等问题,采用Ad-aboost算法实现了人脸的自动检测,同时对于跟踪丢失等情形,通过卡尔曼预测对跟踪偏差进行实时改进。实验表明跟踪的准确性有较大提高,具有较好的实时性;在相近肤色遮挡时仍能实现正确跟踪,并对侧脸也有较好的效果;算法具有较好的鲁棒性。     

自适应Kalman滤波的运动物体跟踪算法研究

针对实时视频中的运动物体跟踪问题,提出了一种基于自适应Kalman滤波的运动物体跟踪新算法。首先利用基于∑-△背景估计算法检测运动物体,并提取主要颜色特征。然后构建物体运动模型,并生成自适应Kalman滤波的系统状态模型。最后利用主要颜色特征进行物体跟踪,其结果反馈给自适应Kalman滤波器,并通过遮挡率自动调整参数达到正确跟踪。实验结果表明,所提出的自适应Kalman滤波算法在运动物体被遮挡等复杂条件下的鲁棒性好,还具有跟踪准确性高和数据计算量小等优点,可用于实时运动物体的检测与跟踪。     

GPS/SINS组合导航系统在飞航导弹中的应用

研究了ＧＰＳ／ＳＩＮＳ组合导航系统在飞航导弹制导中的应用。文中着重研究位置速度组合模式的ＧＰＳ／ＳＩＮＳ组合导航系统的构成和算法，简化误差模型，引入衰减记忆滤波。仿真结果表明，组合导航系统较准确地给出导弹的位置、速度和姿态信息，大大提高了制导精度     

基于激光传感器的槽型轨轮廓匹配方法

为了实时掌握有轨电车线路的轨道状态,以期更有效地指导线路运营维护,针对有轨电车特殊的轨道结构和安装方式带来的轨道轮廓匹配困难问题,提出适用于槽型轨的轮廓匹配算法. 通过分析轨道的磨损规律及结构特征,定义槽型轨的匹配基准区域,给出区域的自动分割方法. 为了解决匹配区域定位困难的问题,设计两段式最近点迭代（ICP）匹配算法,实现轮廓的精确匹配;通过卡尔曼滤波器对匹配得到的旋转平移参数进行连续预测,解决在特殊情况下的异常匹配问题;通过实际线路实验,验证算法的可靠性. 实验结果表明：所提匹配算法具有快速、高精度和高鲁棒性的特点,能有效克服槽型轨的特殊结构和嵌入式安装方式带来的匹配困难问题.