弹道再入目标轨迹跟踪中非线性滤波算法研究

弹道再入目标轨迹跟踪是一个重要的非线性滤波应用问题。论文将常见的非线性滤波器分类为基于点的滤波器和基于密度的滤波器,对比分析了各类算法的基础理论原理,仿真实验得出在高斯噪声条件下,EKF要优于UKF和PF,在闪烁噪声条件下PF要优于EKF和UKF的结论。     

基于套索（Lasso）的中文垃圾邮件过滤

使用向量空间模型表示的文本邮件数据高维而稀疏,不利于邮件过滤分类模型的建立,通常需在分类器训练前进行维数约减。Lasso回归是一种基于l1正则化的多元线性模型,其在模型参数估计的同时实现了变量选择。提出使用Lasso回归进行垃圾邮件过滤,建立Lasso回归邮件分类模型、Lasso回归词条选择结合逻辑回归的分类模型,结合中文文本垃圾邮件数据集TREC06C进行垃圾邮件过滤实验。实验结果表明Lasso回归词条选择结合逻辑回归的邮件分类模型性能更佳。     

概率匹配和状态预测的不连续空间车辆识别跟踪算法

为了解决交通路段不连续监控区域车辆目标的自动识别跟踪问题,提出了一种不连续空间车辆识别跟踪算法.该算法分为识别阶段和跟踪阶段,识别阶段利用高斯概率密度估计的方法建立前一场景中某个车辆目标的概率函数,再通过概率函数计算出出现在下一场景中的所有车辆的匹配概率,用概率阈值确定是否有车辆与前一场景的车辆目标匹配,匹配的车辆在下一场景中将被标记识别.而在跟踪阶段中车辆的跟踪基于无迹卡尔曼滤波(UKF),通过状态预测同时跟踪不同的车辆目标.该算法可以解决在不同路段的监控视频中自动识别并跟踪肇事潜逃车辆等实际问题.通过试验测试表明,该算法在车辆目标的识别上具有一定的精准性,且能够实现对车辆目标的实时跟踪.     

平方根求容积卡尔曼滤波的组合导航算法

以全球定位系统与航位推算(GPS/DR)相结合的组合导航系统为研究对象.为解决在GPS/DR组合导航研究中传统扩展卡尔曼滤波(EKF)算法的滤波精度和稳定性差问题,引入了平方根求容积卡尔曼滤波算法.作为一类sigma点滤波方法,SCKF有效避免了EKF计算雅可比矩阵,提高了估计精度.仿真结果表明,对于船用GPS/DR组合导航问题,该算法能获得更好的性能指标,更符合实际船用组合导航要求.     

基于虚拟仪器的船舶监控系统研究

船舶监控系统的研究对船舶安全起着至关重要的作用,有助于提升船舶导航能力和海上交通管理能力。该文提出的基于虚拟仪器的船舶监控系统,应用LabVIEW图形化编程语言开发了AIS信息处理系统,能够实时采集网络最新发布的船舶信息数据,进行信息的解析和存储,同时应用Google Earth显示船舶的位置及路径信息。系统选用Kalman滤波对船舶的航迹进行跟踪优化,结合BP神经网络对船舶航迹进行预测。系统可实现AIS数据采集、解析、存储、显示、分析等多项功能。     

模糊自适应Kalman滤波在INS／GPS组合导航系统中的应用

针对INS／GPS组合导航系统中因量测噪声的复杂多变造成的发散问题,引人了一种基于新息方差匹配技术的自适应模糊控制Kalman滤波算法,通过模糊控制器在线调整量测噪声方差,抑制滤波器发散,从而提高导航系统的精度。仿真结果表明该算法具有比常规Kalman滤波更高的精度。     

卡尔曼滤波在水下载体被动弹道跟踪系统中的应用

由于水声环境和信道的复杂性及水下航行载体的高速机动性,被动弹道跟踪系统测量的弹道样点野值较多,平滑性差.要对弹道进行较准确的实时跟踪,需要对弹道测量样点进行统计平滑处理.为了提高被动跟踪系统的定位精度和对机动目标的跟踪适应能力,采用卡尔曼滤波算法对弹道进行处理是常用的做法.介绍一种经过实用且效果较好的卡尔曼滤波算法,阐述了卡尔曼滤波算法原理和系统采用的信号模型及算法实现,并通过水下目标实航试验监测弹道及算法滤波处理结果的比较,说明该算法具有良好特性.     

Matlab的图像处理工具箱中图像复原函数的比较

Matlab是当今流行的科学计算软件,它具有很强的数据处理能力。在其图像处理工具箱中有四个图像复原函数,本文将就这些函数的算法原理、运用条件、和恢复处理效果作一简要的比较性讨论。     

弯曲路径识别中感兴趣区设定方法的研究

在路径识别中设置搜索感兴趣区以提高弯曲道路边界的识别实时性。用抛物线模型拟合弯曲道路边界,根据道路边界位置不会发生突变的特性,在识别出的道路抛物线模型上选取有代表性的3个点,针对每个点建立预测模型,应用Kalman滤波理论准确预测道路边界的位置,并据此设置搜索感兴趣区。依照合理的目标函数,在感兴趣区范围内搜索并确定抛物线参数,从而将搜索范围较为准确地限定在较小区域,能够有效提高识别的实时性。试验验证该方法在大大提高识别实时性的同时,增强了识别的精确性和鲁棒性。     

考虑电堆寿命的氢燃料电池汽车能量管理策略研究

提出了一种在满足动力性需求并且以氢燃料电池堆作为主要能源的前提下，能有效延长电堆使用寿命的能量管理策略。提出将需求功率 SG滤波后再进行规则控制的能量管理策略，将多种循环工况的结果进行手动优化后作为训练数据集，设计三输入一输出的自适应神经模糊推理系统控制器，根据其输出结果再进行一次滤波最终形成基于自适应神经模糊推理系统优化的能量管理策略。使用CLTC-P循环工况对能量管理策略进行仿真验证，结果表明，基于自适应神经模糊推理系统优化的能量管理策略能有效延长氢燃料电池剩余使用寿命，相比滤波加规则策略剩余使用寿命增加了33%，并能保持动力电池SOC处于适宜水平。