纯方位目标运动分析的无偏最小二乘估计算法研究

纯方位目标运动分析中的最小二乘估计算法往往存在有偏问题,而卡尔曼滤波算法或辅助变量法又存在滤波初值问题,选取不当容易发散.为此提出了一种新的无偏最小二乘估计算法,它通过将状态变量扩维,利用求解矩阵对最小特征值所对应的特征向量的方法,求取目标的运动参数.仿真表明,ULSE算法能够渐进地逼近方差下限CRLB,并且其滤波精度有所增加.     

基于方位时差的多站协同目标跟踪

为提高多站无源协同跟踪的精度.提出了一种基于方位时差的目标跟踪方法.从一种拟线性的方位增量卡尔曼预处理方法人手,降低方位观测的误差,利用距离和时差跟踪建立观测方程.使用扩展卡尔曼滤波的方法对目标的运动状态进行估计,并采用分布式估计集中处理的方式融合多站并行估计数据.通过计算机仿真分析了该方位时差方法的跟踪性能.仿真结果表明.该方法对于目标状态的估计与真值偏差较小,能够满足跟踪精度要求.     

基于等间隔线列阵的水下三维目标跟踪算法

简要介绍了三点垂直线阵被动定位的原理.结合矢量水听器测得的方位角和高低角及到达阵元间的时延差,建立了三维坐标下的状态方程和观测方程.运用扩展卡尔曼滤波算法,研究了该系统的目标运动分析问题.通过蒙特卡洛模拟仿真试验,结果表明上述方法具有较高的定位性能,有较强的使用价值.     

基于UKF滤波的水下目标被动跟踪研究

传统算法在解决目标被动跟踪时存在有偏、收敛速度慢或发散等不足,文中将无迹卡尔曼滤波(UKF)算法应用到目标的被动跟踪.该算法是一种以扩展卡尔曼滤波算法为基本框架,以贝叶斯理论和UT变换为理论基础的新型滤波算法.根据UT变换的基本原理给出了滤波过程的具体计算步骤并进行了仿真计算.理论分析和仿真结果表明,UKF算法的性能相当于二阶高斯滤波器,UKF算法在目标被动跟踪中的滤波精度、稳定性和收敛时间都优于EKF算法.     

基于PMAC的目标模拟运动支架运动轨迹误差分析和计算

在运动轨迹模拟控制系统中,坐标轴控制是系统中要求最高的位置控制.对确定轨迹中的直线轨迹的位置误差进行分析和计算,并和实际采集到的误差分布曲线图进行了比较,结果表明理论分析和实际结果是一致的,为以后探讨研究误差补偿的方法打下了一定的基础.     

基于中心点检测与卡尔曼滤波的船舶跟踪算法

为了提升船舶跟踪效率,提出一种基于中心点检测与卡尔曼滤波的船舶目标跟踪算法.该算法根据经典的Tracking-by-Detection模式,采用中心点算法检测船舶目标,利用卡尔曼滤波算法为检测目标创建跟踪器,并通过匈牙利算法解决检测目标与跟踪器预测目标之间的匹配关联问题,从而实现对实际场景视频中船舶目标的稳健跟踪.实验结果表明,基于中心点检测与卡尔曼滤波的跟踪算法能够有效应对船舶部分遮挡、船舶形变、光线不足、小目标等复杂情况.     

基于扩展卡尔曼滤波的加速度计特性估计方法

加速度计使用时,通常都需要对其标度因素、零偏以及敏感轴进行标定.为了准确标定加速度计的特性参数,提出了5位置连续测量法,对其不同姿态下的输出进行综合测量,可准确地反映不同姿态下的工作状态以及性能参数.建立了相应的测量模型,根据模型的非线性特性,采用扩展卡尔曼滤波算法(EKF)对实测数据进行滤波处理.实验结果表明,加速度计的零偏、标度因素、敏感轴方向等参数得到了准确标定.     

交通标志视认过程中的瞬时记忆衰减问题探究

一、交通标志的重要性 随着我国交通行业的飞快发展,高速公路里程不断增加,城市路网愈加复杂,各等级道路交织、不同交通方式并存、交通流量大。交通事故频发等,交通标志的种类和数量也越来越多,使得交通信息繁多。在这种复杂的交通环境下,一些刺激因素都会影响驾驶人的正常驾驶任务,驾驶人难以记住如此繁多的交通标志,导致出行效率低和出行安全性不高。     

交通标志视认过程中的瞬时记忆衰减问题探究

交通标志的重要性 交通标志是道路交通语言之一,是道路提供交通信息的一种重要方式。随着我国交通行业的飞快发展,高速公路里程不断增加．城市路网愈加复杂,各等级道路交织、不同交通方式并存、交通流量大、交通事故频发等,交通标志的种类和数量也越来越多,使得交通信息繁多。截至2007年我国高速公路里程己达4．54万公里,特大城市如北京路网密度己达92公里／百平方千米。     

基于PMAC的目标模拟运动支架运动轨迹误差分析和计算

在运动轨迹模拟控制系统中,坐标轴控制是系统中要求最高的位置控制．对确定轨迹中的直线轨迹的位置误差进行分析和计算,并和实际采集到的误差分布曲线图进行了比较,结果表明理论分析和实际结果是一致的,为以后探讨研究误差补偿的方法打下了一定的基础．     

基于粒子滤波的跟踪算法研究

在非线性条件下,扩展Kalman 滤波（ EKF）的应用最为广泛。但是,由于它采用了Taylor展开的线性变换来近似非线性模型,因而存在计算量大、实时性差、估计精度低等缺点。粒子滤波（ PF）用一些带有权值的随机样本（粒子）来表示所需要的后验概率密度,并通过这些粒子的加权来估计目标运动的状态,从而得到基于物理模型的近似最优数值解,具有精度高、收敛速度快等特点。通过仿真实验将PF与EKF的性能进行了对比,并且研究了噪声协方差与粒子数对PF的影响。 PF与EKF的对比实验结果表明,在强非线性条件下,PF比EKF跟踪精度更高,误差更低。     

基于粒子滤波的约束目标被动跟踪研究

为提高约束条件下的二维机动目标被动跟踪性能,提出了一种约束下的粒子滤波方法(CPF).使用转弯率概念建立了被动跟踪模型,阐述了非线性粒子滤波的基本过程;通过设定地域和机动性能约束条件,抛弃约束外粒子,并对粒子分布和权重进行调整;利用CPF进行了目标跟踪仿真实验,与无约束的粒子滤波跟踪进行了对比,分析了轨迹跟踪性能,比较了跟踪误差.仿真结果表明,CPF能够稳定跟踪,并且具有更高的跟踪精度.     

基于多模型和辅助粒子滤波的机动目标跟踪算法研究

机动目标跟踪的本质是随机动态混合系统中的状态估计问题,其难点在于每一时刻运动模式的高度不确定性.在实际问题中,系统状态往往还呈现非线性、非高斯、不完全观测的特点.文中将多模型理论和辅助粒子滤波算法相结合,提出了一种新的机动目标跟踪算法——MM APF.仿真结果表明,该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比,在计算量相当的情况下,具有更高的滤波精度和较好的稳定性.     

一维单峰映象中混沌运动的关联函数与记忆函数

本文给出了一维单峰映象混沌运动关联函数与记忆函数数值计算的公式、方法及结果,并对其物理图象进行了分析.     

无源滤波器的仿真分析

船舶采用电力推进系统首先要面对的就是谐波的问题,而目前抑制谐波的主要方法不外乎采用高功率因素变流器、无源电力滤波器和有源电力滤波器三条件,本文就无源滤波器的抑波原理及其仿真实例,说明无源滤波器在船舶电网谐波抑制方面的特点。     

强干扰下无源雷达弱目标探测

当存在大型目标、近地机群或欺骗干扰时,无源雷达难以检测弱小目标.基于强信号与照射源发射信号之间的关系,导出了幅度-距离-多普勒曲面与照射源信号自模糊函数的关系,进而提出了在二维FIR(finiteimpulse response)系统辨识基础上抑制强回波以检测弱目标的方法.仿真结果表明,该方法对强信号的抑制超过60 dB;即使弱目标回波信噪比在-24 dB的情况下,也能实现弱目标检测.     

基于卡尔曼滤波和神经网络的PMSM参数辨识

永磁同步电机（PMSM）是一种非线性、强耦合的控制对象,电机参数的变化加大了其控制难度.因此,参数辨识对于其闭环控制系统的稳定运行有着重大的意义.文中针对这一非线性、强耦合的模型,研究了一种基于扩展卡尔曼滤波（EKF）和El man神经网络（El man NN）的永磁同步电机参数Rs,ψd和ψq的辨识方法.仿真结果表明,该方法具有很快的收敛速度,能很精确地辨识PMSM的Rs,ψd和ψq,该网络具有良好的泛化能力,在变速变负载等复杂情况下也适用.