An LMI approach to periodic discrete-time unbiased filtering

The problem of unbiased filtering for a discrete-time linear periodic system is faced by means of linear matrix inequality techniques. As leading case, we derive the synthesis conditions to obtain an unbiased filter and an unbiased fixed-lag smoother enforcing a bound on the H_∞ performance on the error dynamics.     

多模型多传感器信息融合Kalman平滑器

基于标量加权的线性最小方差最优信息融合算法,对多模型多传感器离散线性随机系统,给出了一种分布式标量加权信息融合固定滞后Kalman平滑器.它只需计算加权标量系数,可减小在融合中心的计算负担.当各子系统存在稳态滤波时,又给出了标量加权信息融合稳态平滑器,它计算量小,便于实时应用.并给出了两个子系统之间的平滑误差互协方差阵的计算公式.仿真例子验证了其有效性.     

极点配置固定滞后稳态Kalman平滑器

基于稳态Kakman预报器和白噪声估计理论, 应用控制理论中的极点配置原理, 提出了极点配置固定滞后稳态Kalman平滑器. 它们不仅是全局渐近稳定的, 而且通过配置平滑器的极点可使初始平滑估值的影响按指数衰减迅速消失. 它们避免了计算最优初始平滑估值, 可减小计算负担. 一个雷达跟踪系统的仿真例子说明了其有效性     

非高斯环境下基于最大相关熵的平滑估计器设计

针对Kalman平滑估计器在非高斯噪声环境下性能衰退问题,本文提出了一种基于最大相关熵准则作为最优估计标准的平滑估计方法,将其应用于固定滞后问题的状态估计,称之为固定滞后最大相关熵平滑估计器(FLMCS).首先,使用矩阵变换,给出最大相关熵Kalman滤波器的另一种形式;然后,以此为基础,通过引入新的状态变量来增广系统,并推导出所提平滑估计器的在线迭代方程;进一步比较平滑前后状态估计误差协方差,从理论上分析算法性能改进效果;最后,通过算例仿真验证所提平滑估计器在非高斯噪声干扰下的有效性和优越性.     

基于马尔可夫切换系统的固定时滞平滑算法

提出了一种基于马尔可夫切换系统的固定时滞平滑算法,在交互式多模型结构框架内引入状态增广矩阵,将目标状态的当前值和过去值相结合,使状态预测与平滑算法同步进行,算法还应用当前观测数据估算时滞模型概率,方法简便易行。通过仿真对比跟踪性能可以得出：固定时滞平滑算法的性能要优于标准IMM EKF滤波算法,并随着时滞长度的增加,性能趋向更优。     

塔机吊钩可视化系统的视频稳像算法

针对施工现场工况复杂,塔机吊钩视频稳像效果差的问题,本文提出了一种改进ORB特征匹配与固定滞后Kalman滤波相结合的吊钩视频稳像算法.在图像运动估计中,对经典ORB算法进行改进,采用了图像分块与自适应阈值的特征点提取,并引入图像四叉树算法提高图像特征点分布均匀性;在此基础上,采用背景补偿结合帧间差分法,快速识别局部运动目标并进行剔除,提高了全局运动参数估计的准确性;在运动滤波和补偿阶段,采用固定滞后Kalman滤波算法去除随机抖动分量,以获得视频去抖动的运动补偿参数,进而实现塔机吊钩可视化系统监控视频的稳像处理.实验结果表明:与经典ORB加Kalman滤波的稳像算法相比,本文所提出的稳像算法帧间变换保真度ITF提升了约9.12%,结构相似度平均值■提升了约2.75%,获得了更好的稳像效果,且帧处理速率FPS达到了29.65 f/s,满足塔机实时监控要求.