小波多尺度Kalman滤波模型在高铁隧道沉降变形上的应用

针对高铁隧道沉降变形监测数据具有沉降量小、受随机噪声干扰大且具有较明显的多尺度特征和非平稳趋势性等特点,为克服Kalman滤波算法的不稳定性,运用基于小波多尺度分析的Kalman滤波对原始监测数据进行去噪,并用高铁沉降评估方法对基于小波多尺度Kalman滤波去噪后的数据进行预测和评估。结果表明:小波多尺度Kalman滤波去噪后提高了动态变形监测数据精度;沉降曲线更平滑且更逼近真实沉降情况;沉降变形评估的相关系数及可靠性均有所提高。     

非线性随机系统的鲁棒自适应平滑估计算法

针对有色噪声下一类含有未建模动态和扰动的非线性随机系统,提出一种鲁棒自适应平滑估计算法。该算法通过极小化状态平滑估计误差的方差和相邻时刻残差的协方差,在线辨识状态滤波估计误差和残差的方差,实现对未建模动态和扰动的自适应补偿。仿真结果验证了该算法在解决有色噪声下非线性随机系统的时变时滞与参数联合估计问题中的有效性。     

基于重采样平滑粒子滤波的检测前跟踪

针对基于序列重采样(SIR)粒子滤波的检测前跟踪(TBD)算法的不足,提出了重采样平滑(RS)算法以及简化的RS算法,并将其应用于常规雷达的TBD算法,得到基于序列重要性重采样平滑(SIRS)的TBD(SIRS-TBD)算法.仿真结果表明,RS算法可以有效地提高粒子的多样性,在雷达上应用SIRS-TBD算法可以实现对低可探测目标的检测和跟踪.     

LC谐振式动态滤波器的分析

本文从理论上详细分析了LC谐振式动态滤波器的特性,为在最佳非相于解调中正确使用LC谐振式动态滤波器提供理论依据。     

基于Kalman滤波器和遗传算法的参数估计方法

提出了一种基于Kalman滤波器和遗传算法的系统参数估计方法,可以对带测量噪声和过程噪声的线性系统中的未知参数进行有效估计。理论分析和数据仿真表明,此方法能较好地处理已知数据中的噪声,并且能应用于系统未知参数存在较复杂关联的情况。     

小波全分量层相乘滤波及其在GPR反射目标提取中的应用

从GPR工程实践需求出发,提出了一种新的保留小波分解系数的方法,即全分量层相乘滤波,主要包括2个步骤:对GPR剖面作小波分解,分量层对应相乘得到空间滤波器;用得到的滤波器与各分量层的小波系数直接相乘,得到滤波后的小波系数,重构得到处理后的剖面.依据分量层相乘办法的不同可分为分量层递推相乘(DM1)和全分量层相乘(DM2).DM2在提取GPR剖面目标反射中的实际应用表明,该方法能突出有用信号,进行目标提取.     

一般分布下的自学习滤波方法

针对Ｋａｌｍａｎ滤波存在的储多难点，在一般分布下的二阶近似最小方差估计的基础上，本文首次提出了正态严平稳假设下的自学习自适应Ｋａｌｍａｎ滤波，并相应研究了分布蜜度的离线异步自学习估计方法，文中又利用了Ｂａｙｅｓ公式得到了非线性校正项的三阶联合中心矩和四阶中心矩的自学习估计方法，并据此提出了一般分布下的自学习自适应滤波的基本公式。本文对上述理论的收敛性进行了严格证明，并指出了待研究的若干问题。     

奇异值方法在极化滤波中的应用

多波多分量技术不断发展,对波场分离的精度要求也日益提高,极化滤波是分离波场的有效手段。本文通过奇异值方法对原有特征值构建的极化滤波器进行了改进,得到了效果更好的极化滤波器。     

谐波滤波装置在化工生产上的应用

本文介绍了谐波滤波装置在化工生产的应用和效果，通过滤波装置对高次谐波进行滤波，降低电网电压的畸变率，减少高次谐波电流对电力系统网络其他电气设备的危害，并且对其低功率因数进行无功功率补偿，以达到节约能源之目的。     

无人机影像单目标跟踪综述

随着无人机产业的发展,航拍影像数据急剧增多,航拍影像的智能化分析与处理已成为新的研究热点.目标跟踪作为其中的核心技术之一,可为后续影像内容解译及各种实际应用提供基础性的支撑.受到应用场景复杂、目标尺度复杂多变、姿态变化剧烈、相似目标干扰等各种复杂因素的影响,无人机影像目标跟踪面临着诸多的技术挑战.因此,总结了近年来无人机影像单目标跟踪技术的研究进展,包括基于相关滤波的目标跟踪方法、基于深度学习的目标跟踪方法、基于相关滤波与深度学习结合的目标跟踪方法等,介绍了无人机影像公开数据集,以及跟踪性能的评价指标,并对典型的单目标跟踪方法进行了性能评测与分析.最后,对未来无人机影像目标跟踪技术的发展态势进行了总结与展望.