����Kalman�˲������˸��ٷ����о�

应用视频处理技术对行人交通进行研究和分析受到广泛的重视和发展,已成为智能交通领域的研究热点之一,而行人跟踪是行人交通采集系统的基础,是后续交通参数提取,行为分析的前提.本文提出一种基于Kalman滤波的行人跟踪方法.首先,利用改进的混合高斯模型提取背景,并采用HSV颜色空间模型和目标重构方法得到消除阴影后的前景图像.其次,进行行人的特征提取,得到融合行人位置特征和形状特征的运动模板.最后,采用Kalman滤波对行人的运动轨迹进行预测,将检测到的目标与预测结果匹配,得到行人的跟踪匹配矩阵,根据匹配矩阵判断合并和分离的发生.试验结果表明,该方法不仅可以准确跟踪多目标,而且可以有效解决遮挡问题,具有很好的适应性和鲁棒性.     

多源数据融合的区问车辆速度预测算法研霸

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90％以上。     

基于探测车数据的路段行程时间估计

利用探测车数据进行路段行程时间估计面临着两类误差：采样误差和非采样误差,从而导致估计结果精度不高和可靠性差。在回顾已有估计方法的基础上,有针对性地引入了自适应式卡尔曼滤波,建立了相应的状态方程和观测方程,利用相似时间特征的历史数据标定了状态转移系数,并对滤波进行了求解。以实际数据对估计方法进行了验证,平均相对误差为13.13%。研究表明,自适应式卡尔曼滤波能够应用到基于探测车数据的路段行程时间估计中来,并具有估计精度高、收敛速度快、参数少、对初值不敏感等优点。     

基于自适应Kalman滤波的交通流量监测算法

提出一种基于车载无线通信模块的交通流监测原型系统,该系统将行驶中载有无线通信模块的车辆视为移动检测节点,以很小的代价实现对交通信息的获取.在此基础上提出一个具体应用:利用基站对道路上载有通信模块车辆的检测,结合设计的基于结果反馈的自适应Kalman滤波算法,及时准确地完成对路段上交通流量的检测.此外,还基于元胞自动机理论搭建了仿真平台,并验证了算法的有效性.     

利用时差与到达角双站对机动目标无源定位算法研究

该文提出了一种基于两站到达时间差和一个到达角的无源定位方法。以到达角消除时差定位的多值模糊,用最小二乘估计和卡尔曼滤波算法,实现对海上机动目标的无源定位和跟踪。经计算机仿真后得到了满意的效果。     

船载炮的射击误差分析及消除方法

基于船舶在海浪中运动模型，结合炮兵射击学原理，研究了船舶摇摆导致火炮基座运动以及杆臂效应导致子惯导初始对准误差等因素对火炮射击的影响，分析了传递对准消除对准误差角的效果。仿真表明，低射界射击情况下，纵摇和横摇对射击距离的影响随射程增大而减小；对射击方向而言，纵摇的影响随射程增大而减小，而横摇的影响则随射程增大而增大；由安装偏差所造成的杆臂效应产生的误差角对射击的影响也很明显，其影响随船舶振荡运动的幅度的增加而增大；采用基于卡尔曼滤波的传递对准能快速消除船载炮初始对准角误差，从而提高火炮初始装定射角的准确性。     

卡尔曼滤波算法在空气质量数据校准中的应用

针对自建点实时监控存在的零点漂移和量程漂移导致空气质量数据测量精度受到制约的问题,提出一种基于卡尔曼滤波算法对空气质量数据进行校准的模型。以PM2.5数据为例,结合其他空气质量数据及气象参数经逐步回归得到调整的数据后,使用改进的卡尔曼滤波算法对自建点测量数据进行校准。经同一时间区间内的自建点、国控点测量及校准数据的对比分析表明:通过改进的卡尔曼滤波校准空气质量数据能够很好地跟踪实际数据的变化趋势,平均误差比较小;使用模型将2019年5月、2018年12月数据的均方根误差分别从11.367、27.188降低至修正后的7.555、10.759,精度得到了显著提高。     

一种改进的卡尔曼滤波定位算法研究

研究了一种改进的卡尔曼滤波导航信号定位算法:通过测量每次接收机得到的伪距观测量及伪距变化量,估算出接收机的位置、速度,实现无线电导航系统的定位解算.该方法不直接使用卡尔曼滤波器来估计载体的状态,而是用滤波器来确定状态的误差,减小了运算误差,有效提高了定位精度.在进行参数估计时不需要贮存大量的测量数据,能够方便地进行动态测量数据的实时处理.该方法已经应用在导航定位解算中,仿真结果和实际应用验证了该方法具有快的收敛速度和高的定位精度.     

基于改进联合卡尔曼滤波算法的列车测速信息融合

基于高速列车的测速精度直接影响车载设备的控制精度,为了提高测速精度,在分析基于联合卡尔曼滤波算法的多路测速传感器信息融合原理、结构和算法的基础上,针对联合卡尔曼滤波系统因缺乏系统噪声和测量噪声的先验知识而导致滤波精度下降的问题,运用自适应联合卡尔曼滤波思想,对系统过程噪声和测量噪声的统计特性实时进行估计和修正,并将改进前后的算法进行计算机仿真。研究结果表明:改进后的滤波算法具有更好的融合精度,更稳定的滤波效果,能够进一步提高测速系统对环境的适应能力。     

基于2D激光位移传感器的轨底坡动态检测系统研究

设置合理的轨底坡可使钢轨轨头与车轮踏面合理接触,减轻钢轨轨头的不均匀磨耗,延长钢轨使用寿命。为提高轨底坡静态检测精度,线路日常养护和维修效率,提出一种基于2D激光位移传感器(简称2D)的钢轨廓形检测原理和ARM嵌入式技术的轨底坡动态检测方法。结合传感器工作原理与特点,搭建一套可在线连续检测的轨底坡动态检测系统。考虑到2D空间姿态变化,建立适用于轨底坡动态检测的双2D空间姿态关系模型和标定解算模型。因为车体振动会产生对轨底坡计算结果的影响,利用Kalman滤波算法建立多传感器的状态空间模型,对轨底坡计算结果进行补偿。最后选用GJ-4型轨道检测车进行地铁正线试验,试验结果与人工复核结果的对比,符合工务段要求精度。试验结果验证了该轨底坡动态检测系统切实可行,Kalman滤波算法能够很好地对轨底坡的计算结果进行补偿修正。