基于水声传感器网络的目标纯方位运动分析

研究了基于水声传感器网络的目标纯方位运动分析原理及方法,建立了基于水声传感器网络的目标运动分析模型。在此基础上,讨论了模型中多维非线性估计问题,提出了一种基于传感器网络新的水下目标运动分析方法。该方法采用改进的粒子滤波EKF-PF(扩展卡尔曼-粒子滤波)算法实现,并与传统的扩展卡尔曼滤波(EKF)和粒子滤波(PF)算法进行了比较。通过Monte Carlo仿真分析,表明基于水声传感器网络的目标运动分析方法充分利用了网络的优势和当前测量信息。这种方法对水下目标运动状态估计时,不仅降低了计算量而且表现出较高的估计精度。所得结论为水下传感器网络进行目标被动定位提供了参考。     

超宽频滤波节电保护系统的应用

<正>滤波系统(APF)在柔性交流输电系统(FACTS)家族中具有广义性。电能质量的许多问题均可通过不同的控制手段由超宽频滤波节电装置来解决。如谐波抑制、无功补偿、相间对称校正等。     

船舶结构运行模态参数辨识研究

运行模态分析是仅基于结构运行状态下的响应来提取结构模态参数的一种方法,通常假设环境激励为白噪声进行分析。实际上,船舶航行过程所受激励十分复杂,不能简单地假设为白噪声激励,由主机和螺旋桨等产生的确定频率激励同样存在。因此,航行中船舶所受激励可以假设为白噪声和简谐激励同时存在。进一步讨论了运行模态技术在船舶结构振动分析中应用的可行性和前景。研究使用带阻数字滤波技术滤除激励中的简谐成分来提高结构真实模态的辨识精度。讨论了自互功率谱密度法,并研究使用此方法提取同时受白噪声和简谐激励作用的简支梁的模态参数。实验结果表明该方法能够较准确地识别出同时受白噪声和简谐激励的结构模态参数。这对于分析航行中船舶有害振动结构的模态特征,并实施有效的减振优化措施具有很广泛的实际意义。     

光电装备电磁兼容技术初探

本文针对光电装备的电磁兼容技术进行了探讨和研究,从EMC设计的基本措施出发,论述了屏蔽、滤波、接地技术的原理及应用,介绍了光电装备中一些实用、有效的EMC设计方法。     

脉冲激光雷达信号降噪方法对比

研究了脉冲激光雷达大气后向散射回波信号特性,介绍了一种以Hilbert-Huang变换(HHT)为基础的滤波新方法--固有模态(EMD)分解滤波,并与扩展卡尔曼滤波(EKF)、小波阈值滤波算法进行对比.针对典型大气条件下回波信号特点进行仿真,对各种方法在不同信噪比信号条件下滤波效果进行评价,分析它们的优缺点.仿真结果证明:EKF法仅在均匀大气高信噪比条件下滤波效果较好;小波阈值方法具有更强的适应性,是中低信噪比条件下的最优算法;EMD分解滤波具有很高研究价值,该方法在高信噪比条件下处理效果最好,是现有方法的必要补充.综合运用3种方法才能使滤波效果达到最佳.     

舰载雷达目标跟踪的非线性滤波仿真

雷达观测模型常常是非线性的,目标跟踪问题是一个非线性状态混合估计.考虑目标稳定跟踪与实时性要求,采用"当前"统计目标运动模型与粒子滤波(PF)非线性方法对雷达机动目标跟踪进行算法分析.仿真验证了"当前"统计模型下的非线性粒子滤波及扩展卡尔曼滤波(EKF)目标跟踪性能,表明非线性粒子滤波,尤其是U变换粒子滤波(UPF)目标跟踪精度和稳定性较好,值得工程应用与推广.     

基于多特征描述的指横纹识别

提出一种基于多特征描述的指横纹识别方法.分别提取指横纹的主成分特征、Gabor相位特征和Gabor幅值特征构成识别系统,采用Fisher线性判决方法融合各自匹配分数,进一步提高系统性能.通过98个人、1 971幅图像的测试实验表明,本文方法在获得较高性能的同时（识别率为99.39%,平均错误率为0.56%）,单次匹配时间仅为0.67 ms,可以满足中等规模数据库实时识别要求.     

一种合作目标轨迹的处理方法

在使用声图测量的方法对扫描区域内的目标进行定位时,由于声图定位的局限性,使得目标的定位轨迹出现一定的误差.为了有效减小定位误差,提出了采用“圆筛”和α-β滤波相结合的方法处理目标轨迹.由实验数据处理证明,此方法可以有效减小目标航迹抖动,并且可以实现目标轨迹的平稳过阵.     

基于采样的非线性滤波算法比较

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度。由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度。为了获得更高的估计精度,介绍了几种非线性滤波算法,包括unscented卡尔曼滤波算法、简单粒子滤波算法以及无味粒子滤波算法（UPF）。分析了这几种算法的原理和实现,对各种算法的适应性进行了比较。通过目标跟踪仿真实验,表明UKF、PF较EKF估计精度和收敛速度有所提高。     

融合多模型的粒子滤波运动目标实时跟踪算法

提出了一种融合多模型的粒子滤波跟踪新算法(MMGPF),并将其应用于行人与汽车跟踪。此跟踪算法特点在于:(1)将Camshift跟踪算法和AdaBoost分类器的输出作为观测值优化建议概率分布;同时,改进粒子滤波的算法结构,有效地提高了粒子滤波的采样效率;在不影响跟踪性能的情况下,大幅减少了跟踪所需粒子数。(2)用两种描绘子提高对似然性的估计。(3)采用两种有效措施提高算法的实时性。通过多模型融合,有效地解决了目标跟踪过程中由于目标相互遮挡、目标消失再重现、光照变化和目标与背景颜色相近所造成的跟踪丢失。行人和汽车的跟踪试验结果证明该算法具有鲁棒性和实时性。