基于加速度区间判断的坡道识别方法

介绍了坡道识别的原理;在功率谱分析的基础上,设计了纵向加速度滤波算法,通过比较汽车在坡道上行驶时用加速度传感器测得的加速度数值与汽车纵向速度经差分后获得的加速度数值之间的差异,进行了基于加速度区间判断的坡道识别方法研究;完成了水平道路的加速度比较试验和坡道识别的实车试验,并在此基础上进行了基于坡道识别的换挡规律设计。实车试验结果表明:该方法能够进行坡道识别,并具有简单、实用、高效的优点;这种基于行驶环境识别的控制是未来汽车控制技术发展的方向。     

轨道电路补偿电容动态检测系统研究

利用以试验车为载体的动态检测方式对轨道电路补偿电容进行检测,能够对其工作状态进行实时监控、提高现场作业效率.本文选用GPS/DR/MM组合定位方法,为动态检测系统提供定位信息,采用自适应联合卡尔曼滤波算法对多传感器数据进行融合,以获得最优估计的定位数据的输出.通过仿真实验进一步证实,这种方法可以得到比单一定位方法更高的故障点定位精度.     

改进的无迹粒子滤波在组合导航中的应用研究

粒子滤波算法是一种适用于非线性非正态约束的统计滤波算法.针对粒子滤波存在退化现象,从围绕增加粒子的多样性和重要性分布函数的选择出发,提出了一种改进的无迹粒子滤波算法.该算法是利用无迹卡尔曼滤波产生的近似高斯分布作为重要性密度函数,在每次迭代中,结合马尔科夫链蒙特卡洛使粒子能够移动到不同地方,从而可以避免贫化现象.将这种算法应用到GPS/DR组合导航系统中,仿真结果证明了采用改进的无迹粒子滤波方法能达到很好的跟踪效果.     

基于均值平移和自适应预测的运动目标跟踪

针对运动目标跟踪算法不足之处,提出结合改进的均值平移与自适应预测的目标跟踪算法,基于Bhattacharyya系数值进行Kalman滤波器与粒子滤波器之间的切换.引入Kalman滤波器为Mean Shift算法估计初始点,在跟踪稳定的情况下进行模板更新,根据Kalman残差大小判定是否发生遮挡：部分遮挡情况下即结合Kalman滤波器实现对快速运动目标的实时跟踪;完全遮挡情况下结合均值平移和粒子滤波进行鲁棒跟踪.实验证明,改进的算法可以有效地提高跟踪算法的效率,并且能很好地解决遮挡问题.     

矩形大定源层状介质中感应电动势的数值求解方法

研究地电断面电阻率的变化是瞬变电磁勘探中常用的方法.为了得到地电断面电阻率的变化,一种方法就是在求出感应电动势的基础上进行电阻率的求解.因此,准确而有效的求出感应电动势的值是非常关键的.矩形大定源回线在求解层状介质中,感应电动势的值时分为零偏移距和非零偏移距两种情况.在中心点接收时,采用线性数字滤波方法求解频率域垂直磁场分量;在非零偏移距情况下,为了求解频率域垂直磁场分量,首先采用傅里叶正余弦变换法将双重贝塞尔函数积分转换为正余弦变换形式,再利用折线逼近快速算法对其进行数值计算,最后,根据法拉第电磁感应定律,可得到二次场时间域感应电动势的数值解.其数值模拟结果表明,利用线性数字滤波方法及折现逼近方法可以有效的求出矩形大定源层状介质中感应电动势的值.     

一种基于卡尔曼数据平滑的分段曲线拟合室内定位算法

室内定位技术的关键在于获取距离参数,在这一问题的研究中运用RSSI信号获得距离参数一直是比较通行的方法.本文针对室内环境复杂,接收RSSI信号存在较大噪声的情况,提出了一种运用卡尔曼滤波器对信号数据进行平滑预处理,随后利用最小二乘法进行分段曲线拟合从而实现定位的算法.通过实验测试结果表明,本文所提出的算法平均定位精度可达0.9 m,与普通数据平均值预处理算法和曲线直接拟合方法相比较,定位精度更高;比直接应用对数距离损耗路径模型的定位算法更为合理可靠,能够在一定程度上满足无线传感器网络室内定位需求.     

基于UKF算法的车辆质心侧偏角估计

将无味卡尔曼滤波(UKF)算法运用到车辆质心侧偏角的估计之中,基于纵滑—侧偏联合工况下的统一指数(Uni-tire)轮胎模型建立非线性车辆动力学模型,采用最小偏度单形采样的UKF算法估计车辆的几个关键状态参量,并由此得到质心侧偏角估计。最后采用奇瑞A3两厢型汽车的车辆参数,使用车辆动力学实时仿真软件DYNAware/veDYNA对观测器进行了实时验证。仿真结果表明,UKF非线性估计方法精度高,估计结果能够满足实际应用要求。     

�����ƽ˳ʱ�����й����ȼ���仯�����о�

轨道几何形状检测数据是一个随时间变化具有随机特征的时间序列,反映轨道几何状态的变化.在本文中,灰色关联度理论用于研究轨道水平不平顺时间序列数据,挖掘时间序列数据之间隐含的关系;经过普遍适应性改进和残差修正改进的灰色GM（1,1）模型预测固定测点轨道不平顺长期状态变化趋势,随机线性AR和卡尔曼滤波模型分析单元区段轨道不平顺短期变化趋势,探索轨道状态变化随机数据序列中隐藏的规律并进行预测.短期和长期预测模型验证结果表明,三种模型是有效的,能够达到预期的精度.     

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明：基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数（变异系数） 均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。     

基于Hessian特征的视网膜血管图像的增强滤波算法

提出了一种基于Hessian特征的视网膜血管图像的增强滤波算法,分析了Hessian特征值对各类形状的抑制和加强作用,将Hessian矩阵的特征值与特征向量应用于视网膜血管特征的响应函数及形态学和非线性扩散处理的各个环节,并选择合理的尺度空间范围和尺度空间增量,调节因子而平滑非线状区域和锐化增强血管区域,本文算法在同等准确率下具有较高的稳定鲁棒性。