基于CKF-SLAM改进的无人水下航行器动态目标跟踪算法研究

针对容积卡尔曼滤波(cubature Kalman filter, CKF)同步定位与建图(simultaneous localization and mapping, SLAM)算法在动态目标跟踪(object tracking, OT)的应用中,存在算法实时性不高、计算复杂以及对动态目标物跟踪精度较低的问题,提出基于平方根容积卡尔曼滤波SLAM的无人水下航行器(unmanned underwater Vehicle, UUV)目标跟踪算法(SRCKF-SLAM-OT).该算法将CKF-SLAM-OT中复杂的计算部分,利用3阶容积准则选取一组相同权值的容积点来近似计算,再利用数值积分法计算非线性方程模型的后验状态估计平均值和方差,并对协方差矩阵的平方根因子进行更新.仿真结果表明：SRCKF-SLAM-OT算法简化了计算量和改善了数值精度,提高了UUV在未知水下环境中自身定位的精度和动态目标物跟踪的能力.     

无人艇航迹跟踪控制系统设计与验证

针对复杂湖面环境干扰下的无人艇自主航行控制问题,设计了一种有效的无人艇航迹跟踪控制系统。该系统从航迹跟踪控制算法、数据融合处理、上位机监控三个部分展开设计。在算法设计层面,将航迹跟踪控制问题分为外环和内环两部分,外环部分提出了一种自适应视线(Line of sight,LOS）制导算法,以求解目标航向角作为航向控制器的输入;内环部分设计了无模型自适应PID航向控制器,以实现无人艇稳定的航行。在数据处理层面,采用卡尔曼滤波算法对传感器信息进行融合,实现了对无人艇位置和姿态信息的准确估计。在监控层面,设计了一种可视化上位机软件,实时监测无人艇航行状态,保证航行安全。最后,利用实艇进行湖测实验,验证了该控制系统的有效性,结果表明该系统具备在内湖执行任务的能力以及应对复杂环境干扰的能力。     

水下航行器组合导航定位系统设计研究

为解决航行器编队水下航行时的导航定位问题,针对主航行器设计了单体导航定位系统,对于编队中的从航行器,应用水声定位及通信传输模块进行绝对定位,以此完成整体编队导航定位,并给出了整体设计思想和软件流程.通过实验数据对导航精度进行分析,比较了简易DR算法和卡尔曼滤波算法,论证了方案的可行性、可靠性和导航的精确性.     

鲁棒的基于均值漂移的自适应卡尔曼滤波目标跟踪

提出了一种鲁棒的基于均值漂移的自适应卡尔曼滤波目标跟踪算法。首先建立卡尔曼滤波的系统模型,用卡尔曼滤波预测目标在当前帧的位置,并将该预测值作为初始值,用均值漂移算法搜索目标位置。然后将搜索结果作为观测值来修正预测值,并根据目标模型与由均值漂移算法搜索得到的候选目标模型及相应背景模型的Bhattacharyya系数自适应调整卡尔曼滤波的参数,从而提出了一种鲁棒的自适应卡尔曼滤波目标跟踪算法。仿真实验表明,该算法具有较好的跟踪精度,对遮挡具有较强的鲁棒性。     

基于自适应压缩跟踪算法的视觉目标跟踪

针对压缩跟踪算法在目标发生遮挡、快速移动、有相似目标情况存在跟踪漂移的问题,提出了基于卡尔曼滤波的自适应学习压缩跟踪算法.该算法首先利用压缩跟踪算法对目标进行定位,然后根据跟踪结果的置信图对分类器参数自适应更新,当判定目标严重遮挡时,利用卡尔曼滤波进行预测估计.实验结果表明,该算法相比目前先进的算法有更好的跟踪精度和鲁棒性,且算法平均跟踪速度39帧/s,能够满足实时性的要求.     

基于平方根UKF的水下纯方位目标跟踪

为了避免被动跟踪中非线性性带来的计算复杂化及跟踪精度的下降,该文将平方根无迹卡尔曼滤波(SR-UKF)算法应用到水下仅测角目标跟踪.利用协方差平方根代替协方差参加递推运算,解决了标准无迹卡尔曼滤波(UKF)算法中由于计算误差和噪声等因素有可能引起误差协方差矩阵负定而导致滤波结果发散的问题,保证了滤波算法的数值稳定性,提高了跟踪的精度和可靠性.仿真结果表明,SR-UKF非线性滤波算法应用于水下仅测角目标跟踪系统是有效的,而且滤波精度、稳定性和收敛时间明显优于扩展卡尔曼滤波(EKF)和标准UKF算法.     

基于无迹卡尔曼滤波的水下机动目标跟踪研究

针对跟踪水下机动目标,难度较大的问题,建立了目标运动方程和观测方程,并将无迹卡尔曼滤波算法运用到水下目标运动分析中。通过蒙特卡洛模拟仿真,结果表明在处理非线性问题中,该方法计算量小、实现简单,精度较高,有较强的实用性。     

基于修正扩展卡尔曼序贯滤波的信息融合算法

针对基于扩展卡尔曼滤波的融合算法存在滤波精度不高的问题,将修正扩展卡尔曼滤波算法与集中式序贯融合算法相结合,用于毫米波雷达和红外传感器目标融合跟踪。即先对毫米波雷达进行修正扩展卡尔曼滤波,再将滤波结果与红外传感器进行融合滤波。仿真结果表明该算法能够提高对机动目标的跟踪精度,增强跟踪系统对环境变化的适应能力。     

非线性滤波算法在水下导航定位技术中的应用分析

针对自主水下航行器(autonomous underwater vehicle, AUV)导航定位技术的发展需求,提出了水下目标的3种非线性滤波估计方法.首先,分别介绍了扩展卡尔曼滤波(extended Kalman filter, EKF)、无迹卡尔曼滤波(unscented Kalman filter, UKF)和粒子滤波(particle filter, PF)的基本原理和实现步骤.其次,针对PF算法存在粒子退化现象,提出了重采样算法,并通过数值仿真验证该算法的有效性.然后,为了解决PF算法中粒子贫化现象,提出了一种基于萤火虫算法的粒子滤波算法(FA-PF).最后,在非线性环境下通过仿真实验对EKF、UKF、FA-PF算法的滤波性能进行对比分析,重点研究非线性强度及噪声特性对估计精度的影响.研究结果表明：重采样能够在一定程度上减轻粒子退化问题.在弱非线性高斯环境下,EKF、UKF、FA-PF算法的估计精度较为接近;在强非线性高斯环境下,UKF和FA-PF算法的跟踪性能明显优于EKF;在非线性非高斯环境下,FA-PF算法跟踪精度最高.     

基于VxWorks的水下机器人嵌入式导航系统的研究

构建了基于VxWorks嵌入式操作系统的智能水下机器人组合导航系统,详细阐述了水下机器人导航系统软、硬件体系结构.硬件采用基于PC104总线的多板卡嵌入式系统,导航系统核心处理器采用Intel公司的PIIX-4芯片处理器以及VxWorks实时嵌入式操作系统.文中还详细阐述了导航系统软件信息流程、数据处理及基于强跟踪卡尔曼滤波的船位推算算法.最后通过自主目标搜索、长距离航行试验等海试验证了该导航系统的可行性与可靠性.     

Using local geopotential model to implement underwater passive navigation

A main aspect of underwater passive navigation is how to identify the vehicle location on an existing gravity map, and several matching algorithms as ICCP and SITAN are the most prevalent methods that many scholars are using. In this paper, a novel algorithm that is different from matching algorithms for passive navigation is developed. The algorithm implements underwater passive navigation by directly estimating the inertial errors through Kalman filter algorithm, and the key part of this implementation is a Fourier series based local geopotential model. Firstly, the principle of local geopotential model based on Fourier series is introduced in this paper, thus the discrete gravity anomalies data can be expressed analytically with respect to geographic coordinates to establish the observation equation required in the application of Kalman filter. Whereafter, the indicated gravity anomalies can be gotten by substituting the inertial positions to existing gravity anomalies map. Finally, the classical extended Kalman filter is introduced with the differences between measured gravity and indicated gravity used as observations to optimally estimate the errors of Inertial Navigation System (INS). This navigation algorithm is tested on simulated data with encouraging results. Although this algorithm is developed for underwater navigation using gravity data, it is equally applicable to other domains, for example vehicle navigation on magnetic or terrain data.     

基于改进强跟踪滤波器的微小型水下机器人船位推算

针对微小型水下机器人低速航行时的水下导航问题,提出一种基于改进强跟踪滤波器的船位推算方法.引入Sage-Husa量测噪声估计器以及自适应调节因子,通过改善渐消因子的大小,使得微小型水下机器人在机动性能较低情况下仍能加强滤波器的跟踪能力,提高滤波精度.以SY-1载体为研究对象进行的仿真试验验证了该方法的可行性和有效性.     

基于支持向量机的水下运载器平面操纵运动建模

应用卡尔曼滤波器对水下运载器操纵运动仿真试验数据进行预处理,应用最小二乘支持向量机(LS SVM)对水下运载器的平面操纵运动方程进行参数辨识,并与传统的最小二乘法(LSM)的结果进行比较,验证了LS SVM应用于水下运载器操纵运动建模的有效性.     

WK混合滤波算法在雷达数据处理中的应用

通常的Kalman滤波算法不能很好的解决信号的时频局部性问题,往往只能在低频和高频两种滤波算法间通过机动检测器(变维滤波算法)或马尔可夫链的转移概率矩阵(VD算法)来进行切换,因为有一定的滞后,并受到机动检测器和转移概率矩阵的影响较大,从而产生较大的滤波误差.笔者将二维可分离小波变换良好的时频局部性和Kalman滤波的实时最佳预测修正跟踪滤波估计结合起来,得出一种有效的混合滤波算法(WK算法),并将该算法用于进行雷达数据的滤波处理,使得滤波估计值逐步逼近真实轨迹.通过实际的仿真验证了该算法比其它单一的滤波算法更为有效.     

A local geopotential model for implementation of underwater passive navigation

A main aspect of underwater passive navigation is how to identify the vehicle location on an existing gravity map, and several matching algorithms as ICCP and SITAN are the most prevalent methods that many scholars are using. In this paper, a novel algorithm that is different from matching algorithms for passive navigation is developed. The algorithm implements underwater passive navigation by directly estimating the inertial errors through Kalman filter algorithm, and the key part of this implementation is a Fourier series-based local geopotential model. Firstly, the principle of local geopotential model based on Fourier series is introduced in this paper, thus the discrete gravity anomalies data can be expressed analytically with respect to geographic coordinates to establish the observation equation required in the application of Kalman filter. Whereafter, the indicated gravity anomalies can be gotten by substituting the inertial positions to existing gravity anomalies map. Finally, the classical extended Kalman filter is introduced with the differences between measured gravity and indicated gravity used as observations to optimally estimate the errors of the inertial navigation system （INS）. This navigation algorithm is tested on simulated data with encouraging results. Although this algorithm is developed for underwater navigation using gravity data, it is equally applicable to other domains, for example vehicle navigation on magnetic or terrain data.     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

基于Kalman滤波与多特征模糊聚类的图像融合

为了减低图像的噪声,保留有用的信息,获得更为可靠的融合图像,将Kalman滤波引入图像融合中,提出基于Kalman滤波与多特征模糊聚类的图像融合算法.该方法结合滤波和多特征优点,实验结果表明了该方法的有效性.     

基于Kalman滤波与多特征模糊聚类的图像融合

为了减低图像的噪声，保留有用的信息，获得更为可靠的融合图像，将Kalman滤波引入图像融合中，提出基于Kalman滤波与多特征模糊聚类的图像融合算法．该方法结合滤波和多特征优点，实验结果表明了该方法的有效性．     

粒子群优化平方根强跟踪CKF及应用

提出一种粒子群优化平方根强跟踪容积卡尔曼滤波算法,并将其用于水下应答器辅助航位推算组合导航系统. 以强跟踪滤波器为理论框架,结合容积卡尔曼滤波器,设计了平方根强跟踪容积卡尔曼滤波器. 提出一种改进的粒子群算法,将粒子两两为一对分成若干对,每进化一次后,比较两个粒子的代价函数值,代价函数值较优的粒子,搜索方向侧重于群体历史经验,代价函数较差的粒子,搜索方向侧重于自身历史经验. 将改进的粒子群算法用于求取强跟踪滤波器的渐消因子. 仿真结果表明在系统模型不准确的情况下所提算法依然能够有效跟踪状态变化,比传统的容积卡尔曼滤波器具有更高的滤波精度和稳定性.