基于卡尔曼滤波理论的交通信息预测模型及其应用

为了改善交通预测值的精度,采用改进的卡尔曼滤波法进行交通信息预测,提出了其噪声协方差μ的计算方法.改进的预测法能利用实测的交通参数对未来的预测值不断进行修正, 适用于交通状况的实时分析.     

基于雷达和视觉技术的车辆跟踪窗口

针对基于视觉技术的运动检测鲁棒性差、计算量大的缺点,提出一种融合雷达与视觉信息建立车辆跟踪窗口的方法。采用动力学模型描述车辆运动,通过基于雷达量测的扩展卡尔曼滤波(EKF)估计,确定目标初始位置,然后根据灰度信息自适应调整跟踪窗口的中心位置及尺寸,快速而准确地建立起以目标形心为中心且适合目标大小的跟踪窗口,缩小了后续图像处理区域。三维场景仿真实验证明,该融合方法能快速有效地建立起目标的跟踪窗口。     

基于当前统计模型的地图匹配车辆跟踪研究

为提高车辆跟踪系统的精度，减小差分全球定位系统（DGPS）的定位误差，通过分析行驶在城市道路上的车辆运动过程及其相应的运动模型，提出采用当前统计模型作为车辆运动模型。通过地图辅助位置择近和速度择角算法来修正卡尔曼滤波，为运行在道路上的车辆确定地图匹配估计。实际运行结果表明；整个车辆跟踪系统的精度有明显的提高。     

基于推广卡尔曼滤波的无源定位系统仿真

在现代电子战、信息战环境中，由于利用目标辐射电磁信息的无源探测定位系统具有自身隐蔽和探测距离远等优点，因此它具有重要的应用价值，并已成为当今非线性跟踪与估计研究领域的热点问题、针对无源定位中状态空间模型非线性和程度较高所引起的滤波发散问题，分析总结了推广卡尔曼滤波(EKF)次优递推滤波过程，最后给出滤波方程及仿真结果．     

基于自适应扩展卡尔曼滤波算法的道路纵向坡度估计

车辆在长下坡路段行驶过程中,道路纵向坡度对汽车纵向受力分析时尤为重要,当道路坡度过大会时会影响汽车的行驶安全性。然而道路纵向坡度很难通过传感器直接测量获得,实时获取道路纵向坡度可以为优化车辆长大下坡提供依据,文章提出基于自适应扩展卡尔曼滤波算法实时估计道路纵向坡度,并进行仿真试验,结果表明,此方法有很强的准确性和实时性。     

考虑老化的电动汽车退役锂电池SOC在线估计

为提高电动汽车退役锂电池在梯次利用中的安全性,需要准确及时获取退役电池在使用过程中的荷电状态（SOC）参数值。由于退役电池不断老化会引起容量较快衰减,严重影响SOC参数的估计精度,所以文章提出了一种考虑退役锂电池容量衰减的SOC在线估计方法。经过混合脉冲功率（HPPC）和动态应力测试（DST）循环工况的试验测试,证明了所提方法能够在不同使用工况下准确和实时估计退役锂电池的SOC,并且最大估计误差均小于2%。     

编队协同作战中的数据关联技术研究

介绍了编队协同作战系统及其功能,分析了该系统的关键技术之一—数据关联,分析了当前主要的数据关联算法,并指出了其未来发展趋势。     

基于固定延迟平滑算法的机动目标跟踪方法

为进一步提高机动目标的跟踪精度和估值算法的数值稳定性,文章基于平方根UKF（square root UKF：SR-UKF）和固定延迟平滑算法（fixed-lag smoothing）提出一种新的固定延迟平方根UKS算法（fixed-lag square root unscentedkal man smoothing：FL-SR-UKS）。数值仿真说明该算法可以有效处理机动目标跟踪问题,且状态估值精度优于SR-UKF。     

一种基于卡尔曼滤波的修正比例导引率

为分析雷达主动导引头抗干扰性能,建立所需数学模型,对导引头导引精度进行仿真分析。在模拟导引头进行导引所需的距离、速度以及角度信息的干扰噪声情况下,仿真分析了导引头在噪声干扰下的弹道轨迹和导引精度;为进一步提高导引头抗干扰性能,提出基于卡尔曼滤波的修正比例导引率。仿真结果证明此导引率提高了导弹的飞行稳定度和命中率,提高了导引头的抗干扰性能,为导引头试验提供理论支持和相应的试验依据。     

基于EKF的双站测向无源定位跟踪方法研究

对双站测向无源定位跟踪方法进行了研究,分析了双站交叉定位的基本原理,采用扩展卡尔曼滤波对三维空间中的机动目标无源定位跟踪问题进行了仿真分析。仿真结果表明,在假设的仿真条件下以及测向精度为0.001rad时,对机动目标定位跟踪的相对测距误差保持在2%以下,滤波跟踪效果良好,表明该方法对无源定位跟踪是有效的,对工程应用有一定指导意义。