基于载波频率辅助相位的GPS信号跟踪算法

针对传统全球定位系统(GPS)接收机在高动态环境下跟踪性能不理想,提出一种基于载波频率辅助相位的GPS信号跟踪算法。利用锁频环(FLL)辅助锁相环(PLL)的方式代替传统单一跟踪环路,通过卡尔曼(Kalman)滤波器对接收机各跟踪通道中频信号进行综合处理。根据多条跟踪通道的伪距和伪距率残差对系统状态参量进行综合估计,并搭建Kalman滤波器的状态方程和量测方程,给出了跟踪环路反馈量,与传统标量跟踪模式下的跟踪性能进行了对比。仿真结果表明,基于载波频率辅助相位的GPS信号跟踪算法进入稳态时间减小了100 ms,位置误差精度提高了5 m,速度误差精度提高了近3 m/s,在接收机用户快速运动的环境下,能够很好地处理高动态信号。     

基于抗差自适应容积卡尔曼滤波的超紧耦合跟踪方法

为降低基于单一调节回路的超紧耦合结构存在的反作用影响,设计了一种基于双回路的超紧耦合结构.基于此,为解决所设计结构中跟踪环路的非线性滤波问题,针对测量异常误差和动力学模型误差,提出了一种基于抗差自适应容积卡尔曼滤波(Robust adaptive cubature Kalman filter,RACKF)的超紧耦合跟踪算法.该算法采用稳健M估计调整容积卡尔曼滤波 (Cubature Kalman filter,CKF)算法,对观测量中粗差的影响“程度”进行探测和处理,以减小观测量异常误差产生的影响,同时利用自适应调节因子对算法进行调节修正,以处理动态扰动误差引入的影响.实验结果表明: 所提出的方法能有效地处理模型不准确所引入的误差,较好地实现全球定位系统(Global positioning system,GPS)卫星信号的高精度和稳定跟踪,其跟踪性能远优于基于单一回路的跟踪方法,同时优于基于无迹卡尔曼滤波(Unscented Kalman filter,UKF)和基于CKF的跟踪方法,提升了导航系统在高动态条件下的适应性能.     

基于声图像序列的快速目标跟踪算法

针对声图像具有对比度低、不同时刻目标回波变化大等特点,提出了一种基于卡尔曼滤波和数据关联算法的快速目标跟踪算法.该算法首先对声图像序列进行高斯平滑和自适应阈值分割处理,在此基础上建立卡尔曼滤波目标跟踪模型和数据关联目标匹配算法,分析计算了可跟踪的目标速度上限值.仿真结果表明,该算法可较准确地实现目标跟踪,允许的目标速度可满足实际应用的需要.同传统文献算法相比,该算法具有实时性好、鲁棒性强,能更好地适应目标分裂或合并等情形.     

一种改进的海面舰船目标跟踪方法

用警戒雷达跟踪海面舰船目标时,由于舰船运动速度较慢,这使得其在雷达两次观测之间的位移与雷达本身的测量误差是可比拟的。这种情况下,传统的Kalman滤波在付出较大计算量的同时并不能显著提高跟踪精度。为此,针对海面匀速直线运动的舰船目标,提出了一种基于线性递推回归的投影滤波跟踪算法（Projection Filter based on Linear Recursive Regression,PFLRR）,仿真实验表明该算法的滤波性能与Kalman滤波相当,但其计算量仅为Kalman滤波的2/5左右。     

基于软件接收机技术的低载噪比信号自适应鲁棒锁相环研究

在低载噪比条件下能够对GPS信号进行连续、精确地跟踪是GPS技术的重要研究方向. 论文以软件接收机平台为基础, 开发了适用于低载噪比信号跟踪的自适应鲁棒锁相环. 综合考虑了低载噪比信号对传统环路的影响, 建立了并行相关跟踪环路. 论文首先研究了处理独立噪声的线性最优估计滤波器, 进一步研究了基于三段式函数自适应调节因子的自适应鲁棒滤波器. 当接收到的信号比较理想时, 该新型滤波器的性能与标准Kalman滤波器基本相同. 当接收到的信号较弱或受到干扰时, 该新型滤波器能够根据接收到信号中的总相位抖动噪声智能地调节环路参数. 通过动态的平衡动态方程和量测方程对最优估值的权值贡献, 能够有效的抵制观测量野值和动态模型的建模误差对滤波器的影响. 论文通过一组实测数据对相关算法进行了验证. 试验结果证明在载噪比为24dB-Hz的弱信号条件下, 锁相环的相位跟踪误差标准差能够达到0.01周, 明显的改善了锁相环对弱信号的跟踪性能.     

基于二值掩码图像的粒子滤波目标跟踪快速算法

粒子滤波算法是进行运动目标跟踪的一种重要方法。针对传统粒子滤波算法在进行目标跟踪时存在的计算量大、实时性不足的问题,提出一种基于二值掩码图像的粒子滤波目标跟踪快速算法。该算法在传统粒子滤波算法的每个帧处理阶段产生二值掩码图像,再结合权重选择方法移除背景中权重较小的粒子,保留权重较大的重要粒子。提出的算法可以有效减少参与计算的粒子数目,节约算法的计算成本,从而提高目标跟踪的实时性。与传统粒子滤波算法进行比较,实验结果表明,提出的算法不仅能够有效地提高跟踪速度,而且跟踪结果的准确性和鲁棒性也有所增强。     

位置和速度受限的微型无人直升机轨迹跟踪控制器

针对微型无人直升机在狭窄空间中的轨迹跟踪问题,设计了一种可以限制直升机位置和速度的跟踪控制器.首先将直升机的模型简化为一个未建模的动态模型.基于简化模型利用受限反步法设计控制器,其中在位置控制回路用障碍李雅普诺夫函数代替传统的纯二次型李雅普诺夫函数,以此来限制直升机的位置和速度;用指令滤波器对反步过程中虚拟控制的导数进行估计,避免了复杂的解析计算.此外,将未建模动态和指令滤波器误差合并成有界扰动项,并设计了自适应算法对扰动的上界进行估计和补偿.稳定性分析证明了直升机的闭环跟踪误差最终一致有界,且位置和速度始终位于预设的限制集合中.仿真结果验证了该控制器的有效性.     

灰度与速度线索融合红外小目标跟踪

红外小目标跟踪易受到相似目标与背景的干扰,针对此问题提出一种融合灰度与速度线索的红外小目标跟踪算法。该算法通过快速时域高通滤波器滤除噪声并突出目标,利用主分量分析提取速度特征;以分层粒子滤波为框架,首先利用高通滤波图像灰度核函数加权直方图进行第1层粒子滤波,粗略地估计目标状态;然后利用速度线索进行第2层粒子滤波,精确地估计目标状态。实验结果表明,提出的红外小目标跟踪算法具有较强的抗干扰性能和较高的跟踪精度。     

基于奇异摄动理论的输入有界机器人轨迹跟踪控制

针对机器人轨迹跟踪中驱动扭矩有界的问题.提出一种基于奇异摄动系统稳定性理论的推广算法.通过在控制律中引入含有误差增益的饱和函数,保证扭矩输入绝对值的上界在给定限制范围内.并可通过适当调节误差增益系数改善系统的轨迹跟踪性能.同时,算法中采用仅包含位置跟踪误差信息的线性滤波函数产生用来替代真实速度误差的伪速度误差信号.使得整个系统的闭环控制不需测量转速.根据提出的推广算法,设计了一种全新的输入有界控制律,验证了算法的有效性.仿真试验对比结果表明,该算法能够严格保证扭矩控制输入的有界性,并在相同参数条件下相比于其他算法,具有更优的轨迹跟踪效果.     

融合相似性检测的抗遮挡粒子滤波跟踪算法

在粒子滤波跟踪算法运行过程中,由于目标遮挡导致丢失目标,将严重地降低跟踪精度与鲁棒性。为了解决此问题,提出了目标丢失状态判定方法和基于改进序贯相似性检测的目标位置重建方法,当检测到目标丢失时,重启跟踪算法。改进序贯相似性检测使用Bhattacharyya距离代替像素累积误差,更好地适应检测目标发生旋转、形变、缩放等情况。使用OTB-100标准数据集,将该算法和传统粒子滤波跟踪算法、SCM等经典算法比较。实验结果表明,对于含遮挡特性视频序列,本文算法比传统粒子滤波跟踪算法和OTB-100抗遮挡最优算法跟踪成功率分别提高36.6%和3.2%,提升了跟踪过程的稳定性。此外,还将实验结果与最新粒子滤波跟踪研究成果作对比分析。     

卡尔曼粒子滤波的视频车辆跟踪算法研究

近年来,视频车辆跟踪作为城市智能交通系统（ITS）的一个关键技术受到关注。本文针对传统粒子滤波的非线性、非高斯性可能导致跟踪过程的不稳健性,提出一种基于卡尔曼粒子滤波的视频车辆跟踪算法,该算法利用基于重要区域的目标颜色直方图统计模型对视频车辆目标进行建模,并将其应用于卡尔曼滤波更新中,通过采用Mean Shift算法将卡尔曼滤波器引用到粒子滤波器当中,对车辆的运行轨迹进行校正,实现了局部线性滤波,实现了在保持跟踪系统整体上的非线性、非高斯性的同时,兼顾其局部的线性高斯特性。实验结果表明,本文所提出的方法与传统粒子滤波方法相比,能够更准确地对车辆进行跟踪,同时保证了在复杂环境下性能的稳健性。     

自校正α-β跟踪滤波器

本文用现代时间序列分析方法对雷达跟踪系统提出了一种新的自校正α-β跟踪滤波器, 它有如下优点:1)可处理带未知噪声统计和含未知模型参数的跟踪系统;2)基于ARMA新 息模型的在线辨识,可简单地计算α-β滤波器的参数;3)避免解稳态Riccati方程;4)具有渐 近最优(自校正)性.仿真例子说明了其有效性.     

紧耦合多传感器混合跟踪算法

在增强现实应用中实现对运动目标的准确跟踪是一个具有挑战性的任务。基于混合跟踪通过对多传感器信息的融合通常比单一传感器跟踪算法更为优越的特性,提出了一种新的紧耦合混合跟踪算法实现视觉与惯性传感器信息的实时融合。该算法基于多频率的测量数据同步,通过强跟踪滤波器引入时变衰减因子自适应调整滤波预测误差协方差,实现对运动目标位置数据的准确估计。通过标示物被遮挡状态下的跟踪实验结果表明,该方法能有效改善基于扩展卡尔曼滤波器的混合跟踪算法对运动目标位置信息预测估计的准确性,提高跟踪快速移动目标的稳定性,适用于大范围移动条件下的增强现实系统。     

Hybrid tracking based on color histogram for intelligent space

The vision sensor network is expected to achieve a contact-free wide-area location system without any additional burden on users in intelligent environments. In this article, a tracking algorithm for a location system in an intelligent environment is described. A modified color tracker based on a Kalman filter and a mean shift procedure is proposed in order to improve the robustness for occlusion and rapid movement. To handle the sudden change in object movement, we propose a hybrid tracking algorithm, including an adaptive feedback loop, based on the statistics of color histogram models after the mean-shift process. Experimental results showed that the proposed method achieves more robust tracking of multiple objects than the conventional method.     

基于双眼同步运动特征约束的Kalman瞳孔跟踪算法

针对注视点研究中,红外光照明下双眼瞳孔运动的定位跟踪存在误差的问题,以双眼实时图像为研究对象,提出一种基于双眼同步运动特征约束的瞳孔跟踪算法.根据人类双眼在注视过程中的同步运动特征,把双眼瞳孔间距矢量作为隐式参数进行估计,简化包含左右眼位置、速度和双眼瞳孔间距的模型为统一的双眼同步跟踪模型,运用Kalman滤波器实现了运动特征估计和状态跟踪.实验采用自制的头戴式注视点传感装置进行眼部图像的采集.实验表明,该算法跟踪精度高,抗干扰能力强.相较于传统的以左右瞳孔位置与速度以及左右眼相对位置为状态量的算法,本文算法在位置跟踪和速度跟踪的鲁棒性上有明显改善,算法计算量也明显减少.另外,经过本文算法处理后的注视点位置估计精度大大提高,为注视点在人机交互领域中的进一步应用奠定了基础.     

一种改进的基于Camshift的粒子滤波实时目标跟踪算法

为了能够快速和准确地跟踪运动目标,提出了一种改进的基于Camshift的粒子滤波算法。在粒子滤波框架下,首先对传统目标模型进行改进,提出一种新的融合目标颜色信息和运动信息的模型,以增强目标跟踪的稳健性和准确性;同时为了提高跟踪的效率,将一种改进的Camshift算法嵌入到粒子滤波中,用来重新分配随机粒子样本,使之向目标状态的最大后验概率密度方向移动。实验结果表明,与传统的粒子滤波算法或Camshift算法相比,该方法能有效处理目标快速运动或背景存在强干扰等情况,实现对目标快速和稳健的跟踪。     

基于背景感知与快速尺寸判别的相关滤波跟踪算法

背景感知相关滤波(Background-aware correlation filters, BACF)算法有效地解决了相关滤波类跟踪算法中的边界效应问题,提升了训练样本集的质量和数量,能够精确估计目标的位置变化,从而提高了跟踪器的性能。然而为了检测尺度变化,BACF算法通过多次重复计算不同尺度的目标区域,严重影响了跟踪速度。本文在BACF算法的基础上,采用平移加尺度滤波的思想,设计独立的一维尺度滤波器,与BACF算法无缝结合。只需预测一次目标的位置变化,再利用尺度滤波器预测目标尺度变化。因为两个滤波器单独训练、局部优化,尺度滤波器计算量远小于BACF算法,所以本文算法在保证精准预测目标尺度变化的同时极大提升目标的跟踪速度。实验结果表明：与BACF算法相比,本文算法在不损失跟踪精度的基础上提高约75%的跟踪速度。     

基于自适应特征融合的粒子滤波目标跟踪算法

提出了一种基于自适应特征融合的粒子滤波跟踪算法,用于解决传统的粒子滤波跟踪方法在复杂背景下容易跟踪失败的问题。该算法选取颜色特征和边缘特征来描述目标,并通过粒子滤波进行特征融合,根据可靠性因子调整各特征的权值系数;在跟踪过程中,随着目标自身形变,自适应更新目标模板。实验结果表明,在复杂背景下以及受到遮挡时,本算法能够准确稳健地跟踪目标。     

基于三维模型的粒子滤波行人跟踪算法

针对传统行人跟踪算法得到运动轨迹与真实轨迹差异巨大的问题,提出一种基于三维模型的粒子滤波行人跟踪算法.该方法利用摄像机标定信息和图像帧信息建立行人的三维模型,解决图像中目标尺度的变化问题,并得到目标的真实运动轨迹.同时该方法利用双指数预测模型对粒子滤波算法进行优化,以解决短时遮挡问题,同时降低运算复杂度.实验表明,基于三维模型的粒子滤波行人跟踪算法能够较准确地建立行人三维模型,对比标准粒子滤波和KPF算法,能够对行人进行有效跟踪,对短时遮挡和尺度变化有较强的鲁棒性.     

基于粒子滤波的欠驱动移动机器人多目标点跟踪控制

针对欠驱动移动机器人的多目标点跟踪问题,提出了一种基于粒子滤波的高精度跟踪控制方法;具体地,在考虑移动机器人采样噪声的情况下,首先利用粒子滤波对移动机器人的位置信息进行处理,得到精准可靠的移动机器人状态信息;在此基础上,根据欠驱动移动机器人的运动学模型以及目标点的分布状况,设计基于反馈控制的多目标点跟踪控制方法;相对于传统的欠驱动移动机器人目标点跟踪控制算法,改进了该控制方法中增益参数的约束条件,有效避免了移动机器人在接近目标点时产生的奇异现象,有效提高了移动机器人对目标点的跟踪精度;此外,分析了该目标点跟踪控制系统的稳定性,并通过数值仿真验证了所提方法的可行性与有效性.