一种基于改进的“当前”统计模型自适应跟踪算法

针对工程应用中"当前"统计模型对机动频率和最大加速度经验值依赖过大,难以根据目标的加速度变化进行实时动态调整优化的问题;以及标准"当前"统计模型在跟踪非机动或弱机动目标时,精度不高的问题,在分析机动频率物理含义及其与加速度变化关系、卡尔曼滤波的新息与加速度方差关系的基础上,提出了一种高效的机动频率和加速度方差双变量自适应算法。仿真结果表明该算法能够很好地自适应目标的加速度变化;并能有效提高跟踪精度,大大提高了对非机动或弱机动目标的跟踪精度。     

一种新的改进的“当前”统计模型的自适应滤波算法

针对标准"当前"统计模型中加速度和机动频率需要预先设定的不合理,以及在跟踪非机动和弱机动目标时存在精度不高的问题,从加速度状态方程式中推导出机动频率自适应表达式;并结合已有的加速度方差自适应算法,提出了一种新的基于"当前"统计模型的自适应卡尔曼滤波算法。仿真结果表明算法的有效性和合理性。     

基于改进“当前”统计模型和AKF的机动目标跟踪

采用"当前"统计模型设计Kalman滤波算法,实现对机动目标的自适应跟踪;并针对"当前"统计模型对机动目标跟踪中存在的缺陷,提出改进的"当前"统计模型,根据滤波估计值对最大加速度进行自适应调整,使得系统噪声方差随着目标运动情况自适应变化;此算法在没有增加任何计算量的基础上有效提高了机动目标的跟踪性能.通过对实际交通视频的仿真实验验证了算法的有效性.     

当前统计模型自适应滤波算法改进

由于"当前"统计模型自适应滤波算法对于最大加速度的过分依赖,使其对于弱机动目标并不具有较高的跟踪精度,基于"当前"统计模型自适应滤波算法的研究及目标跟踪性能的分析,提出了将目标的机动状态划分为强机动和弱机动,当目标在作弱机动运动时,可通过修正最大加速度来提高跟踪精度,分别针对常速、常加速、弱变加速三种弱机动情况进行了数学仿真,仿真结果表明,通过修正最大加速度的方法,可使该算法对于弱机动目标的跟踪精度大大提高。     

改进的截断正态概率密度模型自适应滤波算法

应用当前统计模型跟踪机动目标时,模型参数机动频率和加速度极限值需要根据经验事先设定,在假设不准确的情况下,大大降低了模型的跟踪精度。针对此问题,基于截断正态概率密度模型,提出了一种新的参数自适应跟踪滤波算法。该模型算法通过使用距离函数来表征目标进行机动的强弱状况,采用指数型调整函数自适应调整目标的加速度极限值和机动频率,从而实现了对系统状态噪声和滤波增益的自适应调整,提高了机动模型与目标实际机动情况的匹配程度,提升了滤波器的跟踪性能。仿真结果表明:与常规ACS和TGPMKF算法相比,新算法在跟踪机动目标时,性能更优。     

改进的“当前”统计模型自适应跟踪算法

针对"当前"统计模型算法及其改进的算法对弱机动目标存在较大跟踪误差,同时对机动加速度极限值有依赖的缺陷。在分析传统"当前"统计模型适用范围的基础上,提出了一种改进的"当前"统计模型自适应算法。用截断正态分布来弥补修正瑞利分布的缺陷;同时在此基础上通过预测残差向量定义调整因子对模型中各参数进行自适应调整,提高了机动模型和目标运动形式的匹配程度;并对加速度均值进行了修正,使之适合于一般运动形式。最后对算法进行了仿真实验分析。结果表明,提出的模型(ACS)较经典模型(CS)及其相关改进模型(MCS)不仅弥补了对弱机动目标的跟踪的不足,对强机动目标的跟踪精度也有较大程度的提高。     

基于模糊神经网络融合的目标自适应跟踪算法

为解决基于“当前”统计模型的自适应滤波器对弱机动,特别是非机动目标跟踪精度下降问题,提出基于模糊神经网络的目标自适应跟踪算法,对并行工作的两滤波器进行数据融合.仿真结果表明:与一般自适应算法相比,该算法对各种机动程度的目标跟踪精度均有不同程度的提高,能更好地适应目标的各种运动形式,尤其适用于对目标的速度和加速度估计精度要求较高的场合,在指控、火控系统中具有实用价值.     

基于模糊卡尔曼滤波器的机动目标跟踪算法

本文在基于"当前"统计模型的基础上,结合模糊推理技术,设计了一种改进的模糊自适应算法。该算法使用了模糊推理技术,使得系统状态噪声方差随着机动特性能够自适应调整,提高了系统在目标作非机动或弱机动时的跟踪精度以及在强机动时的快速响应能力。仿真结果显示,该算法在跟踪精度和收敛速度方面都优于传统的基于"当前"统计模型的跟踪算法。     

一种改进的高超声速目标跟踪算法

根据临近空间高超声速目标运动特点,建立了临近空间高超声速目标运动模型;针对机动目标跟踪问题,在“当前”统计(Current Statistical Model,CS)模型基础上,引入一种利用位置估计值与加速度之间的函数关系自适应调整加速度方差的方法(Adaptive of Distance Estimate Algorithm,ADE),并运用交互多模型算法,提出了ADE-IMM(Adaptive of Distance Estimate Algorithm-Interacting Multiple Model Algorithm)算法,提高了算法对临近空间高超声速目标的跟踪精度。仿真结果表明：该算法兼顾了Singer-IMM算法和CS-IMM算法在跟踪临近空间高超声速目标方面的优点，有更好的跟踪精度。     

基于当前统计模型的机动目标被动跟踪

介绍了极坐标系下的被动跟踪算法及存在的问题，并分析了其原因，为解决机动目标的被动跟踪问题，选取当前统计模型对加速度进行建模，并建立双机目标测量模型，推导了被动式机动目标自适应跟踪算法。Monte-Carlo仿真表明，新算法能够跟踪任意机动的飞行目标。     

实时自适应噪声对消系统的TMS32010实现

提出了采用TMS32010高速数字信息处理芯片和APLMS算法实现实时自适应噪声对消系统的硬件结构和软件流程，通过实验验证了这种实时系统的有效性。     

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合，得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS)，该算法可以有效地降低输入信号的自相关程度，克服固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声，可以很好地应用于自适应系统中。     

一种优化型自适应滤波器结构

各种自适应算法的性能除了与其自身的特性有关外,还与外部信号环境密切相关。本文针对LMS算法易受外部噪声的影响,产生权失调,从而影响到算法的性能,提出了一种优化型自适应滤波器的结构(OPAF),该结构提高了算法的抗噪声性能。并以此结构实现了噪声抵消(ANC)与回波抵消(EC),实验结果表明,其抗噪声性能指标优于传统结构的自适应滤波器。     

用单片微机实现自适应滤波：自适应噪声抵消系统（ANCS）

本文主要介绍了用单片微机实时实现自适应滤波的研究,着重讨论了对50Hz干扰的消去——自适应噪声抵消.文中包括用APPLEII模拟自适应滤波实现的可能性研究,用MCS-51实现ANCS软硬件的介绍.本文对自适应滤波的研究和实用以及教学实验均有一定的参考价值.     

一个新超混沌系统的自适应控制与同步

研究只有一个平衡点的新超混沌系统的自适应控制与自适用同步问题.首先在假设参数完全未知的情况下,设计了一个非线性控制器,提出了相应的系统参数的自适应律,将系统控制到不稳定的平衡点.其次讨论了该超混沌系统与其自身的单向耦合同步,并提出了一种非线性耦合同步方案,找到了相应的系统参数的自适应律,使得驱动系统与响应系统达到全局完全同步.用Lyapunov函数法从理论上证明了结论的正确性,还用Matlab作了数值模拟,模拟结果表明设计是可行的.     

散乱数据云的自适应网格划分

提出了一种基于图像边缘检测的自适应网格划分算法，用此方法可以根据测量曲面的几何特征控制型值点的疏密分布，并在保证模型精度的同时，减少了模型数据量，该算法分图形-图像灰度映射，细化点检测，网格自适应细化三个部分，图形-图像灰度映射将三维数据云映射为灰度图像，通过图像处理检测细化点，定位细化点的位置，由此实现网格自适应细化，在柴油机引擎的测量数据云上的应用表明，该方法可以显著地降低模型数据量，提高建模效率。     

用单片微机实现自适应滤波——自适应噪声抵消系统(ANCS)

本文主要介绍了用单片微机实时实现自适应滤波的研究,着重讨论了对50Hz 干扰的消去——自适应噪声抵消。文中包括用 APPLEⅡ模拟自适应滤波实现的可能性研究,用MCS—51实现 ANCS 软硬件的介绍。本文对自适应滤波的研究和实用以及教学实验均有一定的参考价值。     

OFDM系统中基于最小平均误码率的自适应预处理算法的研究

提出了一种基于最小平均误码率的自适应预处理算法,并将该算法应用于自适应OFDM系统,在频率选择性衰落信道条件下,与等功率分配的OFDM系统相比,误比特性能有了很大程度的提高.     

一种自适应鲁棒控制提高闭环系统精度的算法

将开关自适应控制与神经元网络相结合，提出了一种新的能连续调整的自适应鲁棒控制算法，给出了其闭环系统的跟踪收敛性证明。     

一种具有大纯滞后系统的自适应Smith控制方法

运用李雅普诺夫稳定性原理,设计了自适应预估器,提出了一种大滞后系统的自适应Smith预估控制方法。它有效的克服了Smith预估控制方法对被控对象数学模型要求精确的主要弱点,能够应用于一些参数易变且变动较大的工业对象,特别是对大纯滞后且滞后时间变动大的工业对象能获得很好的效果。数字仿真结果令人满意。