非高斯条件下基于粒子滤波的目标跟踪

介绍了粒子滤波的基本思想和具体算法实现步骤，在给出的闪烁噪声统计模型基础上，将粒子滤波算法应用在雷达目标跟踪中，解决了闪烁噪声情况下的雷达目标跟踪问题．仿真结果表明，在满足高斯噪声条件下，扩展卡尔曼算法和粒子滤波算法跟踪性能相近，但若考虑雷达的闪烁噪声，则随着闪烁影响增强，扩展卡尔曼算法跟踪性能严重下降，而粒子滤波算法能继续保持较好的跟踪精度．     

基于Kalman滤波算法的视频跟踪技术在交通道路中的应用

Kalman滤波是目标跟踪系统中比较常用的一种跟踪算法,本文将自适应波门跟踪与Kalman滤波跟踪算法相结合,克服了以往跟踪算法计算量大,目标识别错误,目标丢失等问题。并利用了MATLAB对Kalman滤波算法建模仿真,验证滤波跟踪效果明显,能够满足系统的实时准确跟踪的要求。     

改进型限幅递推平均滤波法在燃油表中的应用

汽车在颠簸、急加速、急减速、急转弯等工况时,油箱油液面会产生急剧变化,导致采集到的油量数据有较大的误差,从而降低燃油表指示准确性和平稳性。针对以上问题,提出限幅滤波、递推平均滤波相结合的滤波方法;该改进滤波算法能更好地滤除信号中的偶然尖峰脉冲干扰及周期性干扰;同时结合滤波参数寻优算法,确定了递推平均滤波最优参数。利用MATLAB进行仿真。仿真结果表明,所提出的改进型滤波算法能更好地滤除油量信号中的干扰信号,提高了油量数据的准确性和平滑性;还保证了燃油系统数据处理的实时性,满足燃油系统的设计要求。     

X-滤波和ε-滤波LMS算法性能分析

研究了X-滤波和ε-滤波LMS算法的性能,给出了它们的均值收敛和方差收敛条件,提出了X-滤波和ε-滤波LMS算法具有二次稳定性的充分条件.仿真结果表明,这两种LMS算法对被控对象的估计误差具有不敏感的特性.     

改进的Sage-Husa滤波在精确空投组合导航系统中的应用

精确空投导航系统要求在满足导航精度的前提条件下,尽可能的降低成本。而低成本的组合导航系统在空投过程中受外部空投环境的影响较大,给噪声统计特性的准确描述带来困难。这将导致常规卡尔曼滤波器滤波不稳定甚至发散。为了解决此问题,在对常用的Sage-Husa滤波算法进行了总结和分析的基础上,研究了一种将协方差匹配技术和简化的Sage-Husa滤波技术相结合的自适应滤波算法。最后将该滤波方法应用到精确空投组合导航系统中进行了仿真分析。仿真结果表明此算法能够满足精确空投导航任务的要求,并且具有很好的导航精度和可靠性。     

基于BB-BC的粒子滤波算法研究

粒子滤波是目前解决非线性、非高斯系统问题的主流方法,为克服粒子退化对粒子滤波性能的影响,提出了一种基于大爆炸-大坍塌(BB-BC)优化算法的智能化粒子滤波算法。将大爆炸-大坍塌优化算法应用于重采样,以迭代机制设计解决粒子退化问题。仿真结果表明,该算法与标准粒子滤波算法相比计算简单,滤波效果优于标准粒子滤波算法。     

自举滤波器在非线性目标跟踪系统中的应用

为了解决目标跟踪领域中非线性、非高斯系统问题,研究了贝叶斯滤波算法及其一种实现方法,即自举滤波算法(BSF),并在滤波精度、运算量等方面与扩展卡尔曼滤波算法(EKF)进行比较分析.最后基于一个典型的非线性模型对BSF和EKF进行了仿真比较.仿真结果表明,自举滤波算法的性能优于扩展卡尔曼滤波算法的性能.     

一种改进MSE性能的MIMO-OFDM系统信道估计算法

介绍了LS频域信道估计算法及时域滤波的LS频域信道估计算法,在给定训练序列结构和信道模型的情况下对两种算法的MSE性能进行了仿真,在时域滤波不能满足信道模型时,又给出了一种改进的时域滤波算法,使信道估计的MSE性能得到了一定的提高。     

自适应滤波器仿真设计

自适应滤波器能够在没有任何关于信号和噪声的先知的条件下,达到最优滤波的目的。根据自适应滤波的原理,该文的自适应算法主要分析了易于实现的最小均方差算法。为了满足自适应滤波的实时性要求,文章论述了基于数字信号处理器的自适应滤波器系统的设计。仿真结果表明,自适应滤波器滤波效果优越。     

捷联惯导系统初始对准中IUPF的应用与设计

针对大失准角条件下捷联惯导系统误差模型的非线性引起的初始对准误差问题,引入了粒子滤波技术.首先,利用加性四元数误差建立了大失准角条件下的系统误差模型.然后,将无迹变换算法和迭代算法引入粒子滤波方法中,提出了迭代无迹粒子滤波算法.并且,为了解决迭代无迹粒子滤波算法中由于粒子数量所导致的算法精度和算法实时性的矛盾,采用采样重要性重采样的方法对迭代无迹粒子滤波算法进行修正,提出了一种既具有迭代无迹粒子滤波精度又计算量较小的新的非线性滤波算法.最后,进行了半物理仿真和数字仿真,比较了经典粒子滤波、无迹粒子滤波和修正后的迭代无迹粒子滤波等多种方案的滤波效果.仿真结果表明,在大失准角条件下,采用修正后的迭代无迹粒子滤波方法可以有效提高初始对准精度和算法的实时性.     

基于dSPACE及FESTO的控制系统平台设计

为提高传统控制装置的利用率,提出了一种基于dSPACE半实物仿真系统和MATLAB/Simulink技术的改造方案,并将这一方案运用到具体的FESTO传统控制系统,设计了一个改造实例,建立了系统控制平台。最后对此平台进行了基于单神经元自适应PID控制算法的实验仿真。实验结果表明该控制平台克服了FESTO传统控制系统的弊端,能方便验证控制算法的有效性。     

一种基于用户偏好序列的协同过滤推荐

协同过滤技术被成功地应用于个性化推荐系统中,但随着系统规模的扩大,它不能真实地反映用户的兴趣偏好.针对此缺点,提出了一种新的协同过滤推荐算法,该算法根据用户偏好序列的相似性来搜索目标用户的最近邻居和产生推荐,从而有效地解决了传统协同过滤推荐中过分依赖不能真实反映用户兴趣偏好的用户等级评价的问题,改进了传统协同过滤算法中计算邻居用户的方法.实验结果表明,该算法在个性化推荐系统应用中取得了较好的推荐效果和推荐质量.     

汽车转弯自动照明控制系统数据采集滤波方法

为了减少汽车转弯自动照明控制系统数据滤波处理中的延时,在滑动中值滤波方法基础上,提出了一种带补偿的限幅滑动中值滤波算法,通过补偿的方式跟随信号的变化趋势。该算法通过2个步骤完成滤波,先对数据进行带补偿方式的限幅处理,再进行滑动中值滤波处理。该算法综合了滑动中值滤波法的实时性以及限幅滤波法对偶然性干扰滤除的有效性,实现更准确的滤波。仿真与实测结果表明,与滑动中值滤波方法相比较,改进后的算法滤波能够实时地滤除数据中的干扰,处理时间可减少62%,滤波效果较好,且速度信号的数据滞后时间较短,实时性较高,满足系统设计要求。     

一种限定记忆的自适应扩展Kalman滤波器

为解决扩展卡尔曼滤波器(EKF)鲁棒性差,且无法实时精确跟踪系统突变状态的问题,研究一种基于限定记忆滤波的自适应EKF算法。算法将EKF与限定记忆滤波器相融合,减小旧量测数据对滤波效果的影响,提高估计精度;引入自适应因子与渐消因子,通过实时调节新旧滤波增益阵以及预测状态值,精确地跟踪系统突变状态。仿真实例表明,强跟踪算法与经典EKF算法相比,自适应EKF算法鲁棒性好,滤波精度高,能够有效地跟踪系统突变状态。     

组合导航系统中模糊自适应卡尔曼滤波器的设计

为了解决常规卡尔曼滤波法存在的不足,给出了用模糊推理系统与卡尔曼法相结合的方法。该方法通过监视理论残差和实际残差的协方差一致程度,应用模糊系统不断调整滤波器的增益系数,对卡尔曼滤波器进行在线自适应控制,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真,结果表明该方法是有效、实用的。     

一般相关量测噪声线性系统的递推状态估计

为了得到具有一般相关量测噪声线性系统的递推滤波算法,将该问题转化为具有相关量测单值随机向量的滤波问题,根据单值随机向量的线性无偏最小方差估计算法,导出了量测噪声为一般相关鞅差序列的线性系统的最优递推状态估计滤波算法,通过数值仿真,将该算法与假定量测噪声不相关时的Ｋａｌｍａｎ滤波算法进行了比较,证明了该算法的有效性。     

火灾预警巡检机器人轨迹跟踪控制

针对如何减小火灾预警巡检机器人在目标轨迹跟踪过程中产生的角度和距离偏航问题,提出一种基于Backstepping的轨迹跟踪快速响应控制算法。首先根据机器人行驶偏差与轮速之间的关系,推导出移动机器人运动学模型,利用Backstepping构造出跟踪控制器,在控制器中引入虚拟反馈函数,调节控制器的跟踪效果;然后借助Lyapunov稳定性理论证明收敛性;最后,借助仿真实验和实物验证算法的有效性。研究结果表明所提出的轨迹跟踪控制方法可以使机器人减少轨迹跟踪过程中的误差,并最终使系统趋于稳定。     

基于Multi-agent的机电设备群控智能调度系统

针对群组控制的机电一体化设备具有分布、并行工作和自主运行的特点,从优化调度、提高运行效能的角度出发,基于M u lti-agent理论和技术,提出了一种具有递阶结构的M u lti-agent智能调度模型,并对M u lti-agent系统结构、A gent协作机制和控制算法等关键问题进行了研究。结合典型的电梯设备群控调度作了实例仿真,仿真结果说明该方法是可行的、正确的,具有十分明显的优越性。     

遗传算法在数字滤波器中的设计应用

给出了基于一般算法的遗传算法设计的仿真结果,提出了一种基于遗传算法的数字滤波器的设计,依使用和实现方法来分类,通过卷积来实现的FIR滤波器和通过递归来实现的FIR滤波器,得出具体算法在相应滤波器中的应用,并对仿真结果进行了分析.