三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。     

用于联盟链的布隆过滤器优化

布隆过滤器常用于联盟链Hyperledger Fabric状态数据库LevelDB的读性能优化，但布隆过滤器本身存在误报现象，且LevelDB只能对布隆过滤器进行统一配置而无法自适应调整。为此，提出一种单元化的部分计数式布隆过滤器（partial counting Bloom filter,PCBF）构造方案，设计可并行计算的元素插入与查询机制并结合双重哈希及非加密哈希来实现快速插入与查询；基于开启过滤器单元与访问次数构建排序字符串表优先级，使用时间片轮询算法对过滤器单元进行自适应调整，实现了资源的合理分配。实验结果表明： PCBF具有较高的插入效率，并能减少20%左右的误报数量，适用于联盟链的高并发场景。     

基于串扰判决反馈信道均衡算法的语音通信系统设计

在强电磁干扰环境下,由于语音通信受到通信信道的快速时变衰落和码间干扰的影响,导致信道不均衡,降低了语音通信质量。提出一种基于串扰判决反馈信道均衡的语音通信系统的设计方法。该方法采用横向滤波器进行电磁干扰滤波器设计,利用语音通信信息传输信道频率特性的逆大于信息自身带宽的特征,通过调整均衡器参数进行,进行串扰判决反馈设计,结合信道自适应均衡处理技术,进行强干扰环境下语音通信信道均衡,以达到语音通信系统的优化。系统仿真结果表明,该语音通信优化系统具有抗电磁干扰能力及滤波性能较好、输出信噪比高、通信距离远、通信速度快、可靠性高等优点。     

基于模型参数在线辨识技术的SOC估算方法

针对遗传算法(genetic algorithm，GA)存在收敛速度慢、易陷入局部最优以及难以实现在线应用的问题，面向如动力电池等效电路模型一类非线性较强、实时性要求高的模型辨识问题，提出一种能够快速缩小搜索空间，且有效避免陷入局部最优的在线快速搜索的优化辨识框架，实现电动汽车动力电池等效电路模型参数在线快速辨识，扩展全局搜索优化算法的应用范围.进一步，将此算法应用于电池剩余荷电状态(SOC)估算问题，提出基于改进GA参数辨识技术的无迹粒子滤波SOC估算方法(IGA-UPF).并将此SOC估算方法与基于最小二乘参数辨识技术的无迹粒子滤波的SOC估算算法(LS-UPF)作比较，结果验证了本文提出的在线快速参数辨识框架具有更好的模型参数辨识精度.     

厚尾噪声条件下星凸形扩展目标student’s t滤波器

针对非线性非高斯厚尾噪声条件下的不规则形状的扩展目标跟踪问题,提出了基于随机超曲面模型(RHM)的星凸形扩展目标student’s t滤波算法.首先,在带有非高斯厚尾过程噪声和厚尾量测噪声的系统中, 基于student’s t分布给出鲁棒student’s t滤波器.其次,利用随机超曲面模型描述任意星凸形扩展目标的量测源分布, 提出带厚尾噪声的星凸形扩展目标student’s t滤波器.最后通过仿真验证了所提方法的正确性和有效性.     

基于改进灰狼算法的粒子滤波算法研究

针对传统粒子滤波算法易出现粒子贫化与权值退化现象和为了实现对非线性系统较为准确的状态估计,通常需要大量粒子的参与的问题,提出了基于改进灰狼算法的新型粒子滤波方法,该算法用粒子表征灰狼个体,模拟狼群捕猎的过程,使粒子向后验概率的高似然区域移动,提高粒子分布的合理性。在灰狼寻优算法中引入了莱维飞行策略,提高灰狼算法的收敛速度;在部分重采样前采用了权值自适应调整策略,增加粒子的多样性。仿真实验结果表明:改进的方法提高了粒子滤波的估计精度、保证了粒子的多样性与粒子分布的合理性、降低了状态估计所需的粒子数量。     

TDNFK去噪在煤田地震数据处理中的应用

TDNFK是服务于油田的Geocluster地震勘探资料处理中的面波衰减模块,去噪效果优异。由于煤田地震勘探和油田地震勘探存在差异,在煤田地震勘探数据处理中应用TDNFK去噪模块,就要对某些参数作相应修改。本文根据煤田地震勘探数据,对TDNFK的相应参数做了针对性测试。按照测试后的最优参数运行TDNFK模块,最终结果表明只要采用的参数适宜,流程得当,在煤田地震勘探资料处理中应用TDNFK模块也能取得良好的去噪效果。     

一种改进Mask R-CNN的运动目标定位方法

针对在复杂场景下传统算法对运动目标分类精度不高且无法直接输出关键点空间坐标这一问题，本文提出了一种基于改进Mask R-CNN的运动目标定位方法。该方法在TensorFlow 框架下采用自制数据集预训练提取多尺度的卷积，将采集到的网络视频流通过RoIAlign算法处理获得像素级的特征并匹配SIFT特征点建立空间坐标系统，在空间约束下结合Kalman filtering补偿运动轨迹，通过投影变换矩阵将像素坐标转换为世界坐标。实验表明该方法提高了模型在干扰背景下的鲁棒性，平均误差在8cm以内，实现了在复杂场景下可以获得实时高精度的定位信息。     

基于Adaboost首帧检测的时空上下文人脸跟踪算法

针对时空上下文算法首帧需进行手动框选及选择偏差带来后续跟踪干扰的不足, 提出利用Adaboost算法进行首帧检测, 引入Kalman预测机制辅助时空上下文算法进行跟踪.当出现遮挡、 抖动等问题时, 保证跟踪稳定地进行, 提高算法鲁棒性. 在Shelter1等3组公共数据集上进行对比实验的结果表明, 该算法能实现首帧自动检测功能, 后续跟踪算法的鲁棒性及跟踪效果也得到明显提升.     

通道裁剪下的多特征组合目标跟踪算法

针对深层特征存在冗余通道影响跟踪速度和精度以及单一特征难以适应复杂场景的问题,提出了一种通道裁剪下的多特征组合目标跟踪算法。首先,在相关滤波算法的框架上结合传统手工特征和深层特征进行跟踪。其次,通过对比深层特征通道上目标区域和搜索区域的特征均值设计通道裁剪策略,筛选出合适的特征通道。最后,通过隔帧更新的方式更新深度特征,通过平均峰值相关能量更新传统特征滤波模板,最终实现准确跟踪。与10种算法在OTB2013和OTB2015数据集上进行对比实验的结果表明,本文算法在跟踪准确度和成功率方面都取得了更为理想的结果。