基于卡尔曼滤波器的机动目标跟踪仿真

将卡尔曼（Kalman）滤波器的变维滤波算法应用于雷达数据处理中,对机动目标进行跟踪,得出机动目标的滤波数据曲线,并对目标进行了拦截仿真。仿真结果表明该方法能估计出目标的运动特征并对运动目标拦截成功。     

基于卡尔曼滤波器的管道泄漏检测技术研究

管道泄漏检测技术是保障管道安全生产的重要手段.应用Kalman滤波器对采得的输油管道原始压力数据进行实时性滤波,以消除噪声干扰、提高信噪比;利用滤波后的信号进行输油管道泄漏的报警和定位.依据虚拟仪器理论,设计了卡尔曼滤波的LabVIEW程序模块,设计的模块可以直接嵌入到现有的管道泄漏实时监测系统中.实验数据表明Kalman滤波器可大大提高输油管道泄漏报警的可靠性及其定位精度.     

卡尔曼滤波器对匀速直线运动目标的跟踪

本文主要是用卡尔曼滤波器实现雷达对向我方作匀速直线运动目标的位置和速度的跟踪，并分别得到其对应的预测、更新的位置和速度协方差。最后通过一个举例，用MATLAB仿真，结果说明了卡尔曼滤波器在跟踪机动目标中的优越性能。     

一种基于卡尔曼滤波器的PID控制

通过研究卡尔曼滤波器的信号模型,给出了一种基于卡尔曼滤波器的PID控制方法,并利用MATLAB进行仿真,结果表明：采用卡尔曼滤波器后,控制效果得到了明显的改善。     

一种云层背景抑制与小目标检测方法

提出了利用形态学上的top-hat算子对红外小目标检测的方法,对图像进行形态学滤波,对滤波后的图像进行分割,然后依据目标运动的连续性对分割后的图像进行连续滤波,从而检测到目标。实验表明,该目标检测方法十分有效。     

基于卡尔曼滤波器消除NLOS影响的移动定位

为了克服非视距信号（NLOS）对移动定位的影响,提出了一种基于卡尔曼滤波器的平滑技术．首先对到达时间（TOA）测量数据进行周期性的NLOS环境判决标识,然后根据不同结果利用不同形式的卡尔曼滤波对TOA测量数据进行平滑．将处理后的TOA代入到TDOA算法中进行定位估计．后面的跟踪虽然不能提高定位的精度,但可以平滑移动轨迹．仿真表明,该技术可以达到FCC对定位服务的要求．     

基于卡尔曼滤波器的运动目标检测与跟踪

针对摄像机静止的情况,提出了一种可运用于实时监控中的运动目标检测与跟踪的方法．采用更新函数实现背景实时更新,通过差分算法检测运动目标．在跟踪模块中,提出建立帧间目标“关系矩阵”实现多个运动目标匹配,并采用卡尔曼滤波器预测目标参数,在运动目标相互遮挡的情况下,根据预测参数跟踪目标,获得目标轨迹．通过多个图像序列测试,算法具有良好的实时性和适应环境变化的能力．     

卡尔曼滤波器发散自检

模型设置的不合理、可能导致卡尔曼滤波器的发散、完成不了预期的最佳滤波功能,这在系统动态噪声较小时尤为明显。本文提出了一种卡尔曼滤波器自我检测发散的方案,并在假设成立时给出修正的方法。使卡尔曼滤波器能尽可能地保持其最佳性、使为了克服发散而牺性的滤波最佳性降至最小。在这个意义上,这种自检的卡尔曼滤波器具有自适应的功能。     

红外视频背景抑制及弱小运动目标检测方法

红外视频弱小目标检测技术是红外搜索与跟踪系统的一项核心技术。本文采用了单帧检测、序列确认的目标检测方案,即通过非参数回归估计的背景建模方法进行单帧处理,从而检测出候选目标点,然后利用目标出现的连续性,用移动式管道滤波法对多帧图像进行检测,剔除伪目标,同时得到目标的运动轨迹。实验证明了本文研究方法的有效性。     

TDNLMS自适应预测器结构参数与点目标检测性能

针对TDNLMS(Two DimensionalNormalizedLeastMeanSquare)自适应预测器在数字图像点目标检测中的应用 ,讨论了预测器收敛因子、支撑区域的类型和工作窗口等参数对预测器背景抑制能力和小目标检测性能的影响 .实验表明 ,收敛因子过小或过大 ,预测器均无法有效抑制相关背景 ,当收敛因子取值为 0 .10～0 .0 1时 ,预测器可以提供较好检测性能 ;和多种常用支撑区域相比 ,在检测空中点目标的应用中 ,以中心像素为期望响应的非因果形式一步预测器 ,能够在保留目标峰值的情况下 ,提供最强的杂波抑制能力 ;此外 ,对于空中云层图像 ,5× 5工作窗口可以提供足够的自由度 ,使预测器能够良好跟踪云层统计特性的变化     

基于跳跃马尔可夫模型的红外点目标检测方法

提出一种基于跳跃马尔可夫模型的红外点目标检测方法,根据模型设计了采用粒子滤器的模型参数与状态估计算法.该方法既能用于图像的空域滤波,也能用于序列图像的时域滤波.实验表明采用该方法进行空域/时域滤波可以极大地抑制杂波背景并增强点目标的可检测性.     

基于卡尔曼滤波的实时总电子含量周跳探测与修复

总电子含量(total electron content, TEC)作为描述电离层形态和内部结构的重要参量,对于电离层领域的理论研究和发展有着重要作用,而周跳的探测一直以来都是全球定位系统(global position system, GPS)载波相位测量数据预处理的重点和难点,尤其是在高精度GPS定位中,卡尔曼(Kalman)滤波在周跳探测与修复中的应用使得能够准确可靠地探测出观测值中可能出现的周跳,利用Kalman滤波算法探测不同的观测数据类型及其组合,并将修复后的观测值与理论值进行对比。结果表明:该算法对周跳探测和修复有很强的有效性和精度。     

基于Kalman滤波和阴影消除的运动目标检测

研究基于Kalman理论的时域递归低通滤波、Ostu(最大类间差)阈值选取及形态学阴影消除在运动目标检测中的应用,并将它应用于实际的交通监控视频,实现对运动目标的自动检测.首先采用Kalman滤波实现背景的提取,然后把当前帧与提取的背景做差分运算,之后采用Ostu算法计算出阈值实时检测运动目标,最后采用基于边缘信息阴影检测方法消除阴影.实验以实际的交通监控视频为研究对象,依据运动图像序列与交通场景的特点,兼顾处理效果与实效性.实验结果表明,该方法应用于实时运动目标检测中具有有效性.     

基于卡尔曼滤波多目标追踪的家用精子活力检测算法研究与验证

针对传统精液分析方法存在的主观性差异、操作繁琐和不适合便携式家用检测等问题,研究并验证了一种基于卡尔曼滤波多目标追踪技术的精子活力检测系统算法. 首先,通过叠加平均法,获取静态精子数量,根据三帧差法获取运动精子质心位置;然后,使用卡尔曼多目标追踪方法绘制运动目标轨迹,再根据筛选条件获取运动精子数量;最后,综合静态与运动精子数量评价精子活力. 通过对实际采集的7组样本图像进行分析,研究结果表明：该系统所检测精子的活力值与人工检测的活力值相差较小,基本满足了家用精子活力检测的需求.     

基于卡尔曼滤波的GPS导航系统故障检测

提出了一种将卡尔曼滤波器与神经网络相结合的导航系统故障检测结构.针对GPS系统的非线性特点,利用扩展卡尔曼滤波推算状态的预测值,并与实际观测值进行比较得到残差,同时采用Elman网络构成时延神经网络,利用残差的当前值及前多个历元的历史值进行故障检测.最后,计算机仿真验证表明,与χ2卡方检测方法比较,该结构不但可以快速检测出系统故障,提高故障检测的概率,而且能进行有效的故障隔离,具有很好的容错性能.     

基于空间匹配滤波的红外背景抑制技术

在对前人研究工作进行了分析讨论的基础上，根据起伏背景红外图像的统计特性，提出了一种空间匹配滤波算法的改进算法．理论和实验结果表明，该方法对于抑制强起伏的红外背景是十分有效的。     

基于卡尔曼滤波的含噪声小样本数据处理方法

提出一种基于卡尔曼滤波和扩展卡尔曼滤波的小样本噪声数据处理方法. 首先, 通过物理模型或经验公式建立系统模型. 然后, 利用系统模型预测模型数据. 最后, 采用观测数据修正模型数据, 达到平滑数据噪声的效果. 实验结果表明, 对于BC500耐候钢腐蚀增重数据, 用差分整合移动平均自回归(autoregressive integrated moving average, ARIMA)模型和随机森林(random forest, RF)模型进行腐蚀增重预测时, 经卡尔曼滤波降噪后, 决定系数$R^2$平均提升6.4%, 而经扩展卡尔曼滤波降噪后, $R^2$平均提升4.9%, 验证了本方法的有效性.     

基于模糊自适应卡尔曼滤波的SLAM算法

针对同步定位与地图创建（SLAM）问题中难以建立准确的先验噪声模型的问题,提出一种改进的模糊自适应卡尔曼滤波算法.该算法通过在线监测新息的变化,利用模糊逻辑对系统噪声和观测噪声的权重进行实时调整,进而改变系统对观测信息的信赖和利用程度,使滤波器最终趋于稳定.为了保证系统的实时性,提出一种直接将输入和输出进行模糊隶属函数匹配的方法代替模糊推理.将新的滤波算法用于SLAM仿真实验,结果表明该算法能根据噪声变化进行快速调整,滤波精度较高,相比标准EKF对定位和构图精度提升了50%以上.     

一种基于卡尔曼滤波的压缩跟踪算法研究

根据道路交通监控视频的特点,采用压缩跟踪(CT)算法进行运动车辆的检测与跟踪。在摄像头变化较大、运动车辆尺度变化和背景变化等情况下,CT算法均具有很强的鲁棒性。但是当车辆被遮挡时,跟踪算法容易失效。为了解决这一问题,提出使用卡尔曼滤波对遮挡的车辆进行轨迹预测。卡尔曼滤波能根据CT算法跟踪目标的轨迹,有效地预测目标遮挡时的轨迹。实验结果表明,本算法不但可以较好地处理跟踪车辆尺寸变化的问题,在车辆丢失或被部分遮挡时,能准确而稳定地跟踪车辆,而且具有很好的实时性,满足了工程应用的需求。     

基于各向异性双边滤波红外背景抑制方法研究

红外复杂背景抑制作为红外弱小目标检测的重要环节,直接影响着后续算法的目标检测概率和虚警率.针对各向同性双边滤波背景抑制方法因无法改变背景预测方向,在方向性的结构化云边缘存在较大预测残差的问题,本文设计了一种利用原始图像邻域统计信息自适应更新滤波尺度、掩模尺寸和滤波方向的各向异性双边滤波背景预测器,以最大限度地分离目标和背景.仿真实验表明该方法对输入信杂比为4的目标的信杂比增益大于4和对原始图像邻域杂波的背景抑制算子大于4.