基于改进容积卡尔曼滤波的认知雷达跟踪算法

在认知雷达目标跟踪过程中,由于存在初始跟踪误差及系统量测方程的非线性等原因,导致卡尔曼滤波算法性能较差.为解决上述问题,将Gauss-Newton迭代方法与容积卡尔曼滤波算法相结合,建立迭代容积卡尔曼滤波算法.算法在迭代过程中利用最新的量测信息并更新迭代过程中产生的新息方差,降低了目标初始状态的估计误差,并且减小了线性化量测方程引入的传递误差.仿真结果表明,迭代容积卡尔曼滤波算法与传统的扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、容积卡尔曼滤波算法相比,在认知雷达中的跟踪精度更高,稳定性更好,对初始误差的容错性更强.结果可为雷达目标跟踪优化提供科学依据.     

一种主/被动雷达模糊数据融合算法

提出一种基于模糊逻辑的主/被动雷达传感器数据融合算法。首先将单个雷达的测量值通过时间校准后,将它们作为卡尔曼滤波器的输入分别滤波,然后再对滤波后的目标状态估计进行融合。融合算法基于卡尔曼滤波的协方差匹配关系,采用模糊推理得到数据融合的权值。最后将各传感器的卡尔曼滤波状态估计进行加权融合得到所需要的目标状态信息。采用该融合算法可以有效提高目标跟踪系统的抗干扰能力。仿真结果表明该算法有效。     

基于卡尔曼滤波与模糊逻辑的目标跟踪

针时卡尔曼滤波器时系统模型依赖性强、鲁棒性差和跟踪机动目标能力有限的问题,提出了一种新的利用混合模糊逻辑和标准卡尔曼滤波器的联合算法.此算法将前一目标航向与当前观测目标航向之差的绝对值和测量残留绝对值作为模糊控制器输入变量,充分利用模糊逻辑与卡尔曼滤波的各自优点,进一步提高估计器的估计性能.分别与增广方法和联合模糊逻辑方法进行了分析对比,仿真结果表明新算法的有效性,可实现对机动目标稳定可靠地跟踪.     

基于毫米波雷达的机动目标跟踪算法研究

针对复杂交通环境下高机动目标难度大,易丢失的问题,提出一种适合机动目标的毫米波雷达跟踪流程。首先,提出一种适合毫米波雷达数据的跟踪门——基于规则的自适应跟踪门,能够根据雷达探测范围,目标属性自适应调整跟踪门。然后,根据目标高机动特性,选择匀速模型和匀加速模型为跟踪模型,利用交互式多模型算法跟踪目标。实验结果表明：交互式多模型算法较典型卡尔曼滤波跟踪精度提高18.26%;论文方法跟踪雷达目标准确度提高5.303%,虚警率下降0.813%。     

基于模糊规则的二维目标跟踪

提出一种基于模糊逻辑的卡尔曼滤波器,并将这一滤波器应用于二维目标跟踪系统。与传统卡尔曼滤波器比较的仿真结果证实了这一算法的有效性。     

基于高频地波雷达的无角度双站雷达目标跟踪算法

高频地波雷达对于远距离目标难以给出准确的方位角观测信息,从而严重影响超视距目标的跟踪精度。为此,提出一种基于高度参数化扩展卡尔曼滤波（HPEKF）的无角度双站雷达目标跟踪算法,仅需要2部雷达得到距离和径向速度信息。通过 HPEKF技术可以对目标进行三维定位与跟踪,忽略雷达量测的方位角信息,较好地弥补当目标距离较远时测量角度精度不够精确的问题,扩展了算法的应用环境。仿真实验结果验证了该算法的可行性和有效性。     

基于加性无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于加性无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。用无迹卡尔曼滤波进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度。     

基于模糊逻辑的滑模控制设计方法

针对一类具有不确定性的单输入非线性系统，根据滑模控制原理。采用趋近律方法优化的滑模控制设计方法，以满足控制系统的鲁棒性和趋近运动品质的要求；同时根据模糊理论将切换函数模糊化，并且通过模糊规则自适应调整切换函数的模糊量化因子，以消除变结构控制系统固有的抖振和进一步改善系统偏差。仿真结果表明．设计的模糊滑模系统，具有对模型不确定性和外来干扰较强的鲁棒性以及良好的跟踪性能。避免了系统固有的颤动现象，控制的效果良好，性能满意；可应用于此类不确定非线性系统的设计综合问题。     

三种基于FAM神经网络的模糊逻辑控制

本文用三种结构来实现ＦＡＭ神经网络，比较了它们的优缺点，并用它们对倒立摆系统进行控制。与常见的ＢＰ网络相比，它们的训练次数少，学习算法简单。     

基于模糊逻辑的多特征融合的SOAMST跟踪算法

针对复杂环境条件下颜色、光照变化和遮挡对目标跟踪算法精度和鲁棒性的影响,论文提出了基于模糊逻辑多特征融合的SOAMST跟踪算法。首先,选择颜色特征和LBP特征对目标进行建模,并根据模糊逻辑算法调整两种特征在计算目标质心位置和权重图像中的权重;其次,目标被遮挡暂时消失时,根据SOAMST算法得到上一帧目标的状态信息,调用粒子滤波算法对目标位置进行预测,可以避免丢失跟踪目标,实现目标连续跟踪。实验表明,论文算法在复杂环境条件下能很好地实现目标跟踪。     

一种改进的模糊控制系统

本文描述了一种改进的模糊控制算法在飞行模拟器中的应用。实验结果表明，改进的模糊控制系统除具有原普通模糊系统超调小、响应快的特点外。同时，也提高了控制精度。     

基于C-R模糊模型的广义预测控制算法

该文对非线性系统的建模采用Cao-Ress(C-R)模糊模型,并用卡尔曼滤波算法在线辨识模糊模型的结论参数,从而减少了参数辨识的数量和避免了矩阵的求逆运算,然后在每一个采样点对该系统进行局部动态线性化,根据得到的系统线性化模型对系统采取广义预测控制(GPC)方法得到当前的控制动作。仿真结果表明了该方法的有效性。     

基于模糊逻辑的视频服务器接纳控制

提出一种新的基于模糊逻辑的VBR视频流接纳控制算法。该算法通过对调度周期的在线调整,使得系统所剩的磁盘I/O带宽和缓存空间达到一种等量的动态平衡,从而大大提高了系统资源的综合利用率。仿真结果表明,该算法下的接纳率比最优固定周期算法下的接纳率提高了约25％;同时,也比前人提出的动态调度周期算法的接纳率提高8％,并且算法的可行性也得到明显增强。     

自动燃烧控制中模糊优化的实现

利用模糊系统来计算炉内每块板坯对应的最佳温升曲线，然后利用该最佳温升曲线来计算加热炉的设定炉温。由于模糊系统在自动燃烧控制模型内部，因此在每个周期计算中都会根据当前板坯的情况来动态修改最佳升温曲线，从而使加热炉的设定炉温始科处于优化状态，仿真结果表明引入这种算法可以在保证板坯加热质量的同时，有效地降低系统功耗。     

电动车转向系统的模糊控制仿真

本仿真的背景基于全国大学生智能车竞赛,研究电动车在随机轨迹上的跟踪转向控制。由于电动车转向控制系统的不确定性,使用传统PID控制无法满足控制需求并可能产生调节振荡。模糊控制技术基于模糊数学理论,通过模拟人的近似推理和综合决策过程,使控制算法的可控性、适应性和合理性得到提高。根据电动车转向控制的特点设计了一种简化了的模糊控制器,并与传统PID控制器进行比较。通过在MATLAB下搭建传统PID控制器模型和简化了的模糊控制器模型,最终分析和比较了该模糊控制器和传统PID控制器的不同控制效果。     

卡尔曼滤波与模糊逻辑结合的机械手视觉伺服控制方法研究

针对传统视觉伺服控制方法中视觉伺服控制系统收敛速度慢,需要相机标定等不足,提出了一种基于模糊逻辑与卡尔曼滤波相结合的视觉伺服控制方法.该控制方法使用卡尔曼滤波算法在线估计图像雅可比矩阵,使用模糊逻辑控制算法设计可变的控制系数代替传统的固定控制系数,不仅减少了视觉伺服控制系统的收敛时间,还避免了复杂的相机标定工作,节省了...     

基于模糊逻辑的导弹复合控制系统优化设计

建立了具有气动力／直接侧向力混合控制的导弹动力学模型,设计了常规气动力控制和模糊逻辑侧向力控制的导弹复合控制系统．根据控制系统跟踪性能要求和直接力控制原则,采用进化策略对常规气动力控制器参数和模糊直接力控制规则进行优化设计．仿真结果表明,导弹复合控制系统具有良好的快速大机动跟踪能力,可实现导弹气动力和直接侧向力之间合理的控制分配．     

基于遗传算法的多模型模糊控制

在非线性系统的多个平衡点建立线性模型的基础上，提出了多模型系统的模糊加权控制策略，采用遗传算法对模糊系统的隶属函数进行优化，综合了遗传算法强大的空间搜索能力，高精度和模糊控制器快速性的优点，使模糊控制达到较好的控制效果，仿真结果证明了所给方法的有效性。