联立方程系统的递推估计形式

(1)本文讨论了在经济计量研究中的联立方程系统在新增加样本容量下参数的递推估计问题。(2)给出的是简化式的递推估计方法;(3)给出的是恰好识别条件下,结构方程参数的递推估计方法;(4)给出的是过度识别条件下,结构方程参数的递推估计方法。     

一类部分可观测“有用信号”的最佳递推滤波估计

应用滤波理论在研究一类条件Ｇａｕｓｓ有谱广义平稳随机序列最佳递推滤估计的基础上，讨论了一类部分可观测“有用信号”在均方意义下的最佳线性递推滤估计与误差问题。讨论结果表明，所得到的最佳递推波方程，对解决该类广义平稳随机序列的非观测分量依可观测分量的最佳估计效果甚佳，为进一步提高该类信号传递系统的效率，提供了一种理想的数学处理方法。     

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。     

基于粒子滤波和Mean-shift的自适应目标跟踪方法

目标跟踪技术一直是计算机视觉的核心内容。本文结合粒子滤波与Mean-shift跟踪方法,提出了一种新的自适应目标跟踪方法,通过利用粒子滤波获取目标的初始位置,进而采用Mean-shift跟踪方法,实现目标跟踪的准确定位,同时,通过抑制背景特征分布,更新目标特征分布,从而在跟踪过程中自适应调整目标的模板表示。实验结果表明了本文提出方法的有效性。     

基于上下文感知的自适应目标跟踪算法

为了更好地在复杂环境下跟踪到目标的运动轨迹,提出一种基于上下文感知的自适应目标跟踪算法.在满足实时性和精度的情况下,利用相关滤波联合全局上下文进行背景训练,利用目标及其上下文区域,实现协同跟踪.通过卡尔曼滤波估计出目标的运动方向,并在训练滤波器时将目标运动方向上的背景信息作为先验信息,降低非运动方向上背景样本的权重,增...     

基于算术均值与递推估计的被动雷达导引头数据融合处理

分析了环境信号流的特点、剔除异部雷达信号的必要性。并介绍了一种用于剔除宽波门中异部雷达脉冲信号的处理算法，有效地提高了导引头的目标跟踪精度。     

基于粒子滤波的目标跟踪算法

随着当前计算机性能的不断提高,粒子滤波算法日益受到人们的关注,因为其在非线性、非高斯系统和状态滤波等方面具有独到的优势,也被广泛应用到运动目标跟踪研究当中。     

基于特征组合的视觉目标跟踪

针对大多目标跟踪算法仅关注目标特征的问题,提出同时采用目标特征及背景特征对目标进行跟踪.针对场景中灰度和梯度特征在跟踪过程中其分类性能动态变化,首先计算各特征似然度,然后根据各特征分类性能计算特征权重,求取加权似然图.根据该似然图,结合粒子滤波算法,进而确定待跟踪目标位置与尺寸.仿真结果表明,该方法对环境光照变化、目标尺寸变化、局部遮挡等均具有一定的鲁棒性.     

基于多级信息融合的视频目标跟踪

在多摄像机视频监控的框架下,基于信息融合技术策略,提出了一种用于移动目标跟踪的多级信息融合方法.对于每个单一摄像机采用多特征融合粒子滤波跟踪算法,该算法将目标颜色和边缘方向特征同时作为测量特征,并通过随机融合机制融合特征权重,得出最佳目标位置估计.在此基础上,将多个摄像机的跟踪结果相融合,融合方法主要是通过位置、大小和颜色匹配概率的联合进行目标之间的匹配度测量,并基于信任度级别及权重融合目标跟踪特征.仿真实验证明本方法能够有效消除目标跟踪过程中的重叠区域遮挡问题,在提高目标跟踪精度的同时,充分发挥了多摄像机多信息融合的优势,较好地描述了跟踪目标的状态.     

基于M估计的自适应鲁棒平方根连续 离散CKF算法

针对测量中出现的异常情况,提出了一种基于M估计的自适应鲁棒平方根连续 离散容积卡尔曼滤波算法。该算法将目标跟踪问题建模为连续 离散时间模型,将改进的M估计的思想融入连续 离散容积卡尔曼滤波算法当中,通过Mahalanobis距离对异常测量进行门限判别,引入校正因子,根据观测残差自适应地调整观测噪声协方差矩阵的大小,进一步提高滤波算法的鲁棒性;通过将连续 离散模型与校正因子结合,实现了滤波精度和抗异常测量值的统一。仿真结果表明,与传统鲁棒算法相比,该算法在单点测量异常和多点测量异常的条件下都能够更加准确地对目标进行跟踪,且鲁棒性更强。     

基于递归最小追踪的噪声互功率谱估计算法

针对改进最小追踪噪声互功率谱估计方法存在的噪声过估计的问题。提出一种基于递归最小追踪的噪声互功率谱估计算法。该方法中的平滑因子使用了递归平均技术,在估计噪声互功率谱时,会根据每个频点的实际信噪比作相应的调整。仿真结果表明,该噪声估计算法应用于一个语音增强系统时,取得了较小的噪声均方估计误差及较好的感知语音质量评价(PESQ)得分。     

GPS变形监测信息单历元解算的抗差估计方法研究

根据高精度GPS变形监测的特点,介绍了单历元解算监测点变形量的似单差数学模型及其算法．该算法不涉及周跳的探测与修复、双差整周未知数的解算等棘手问题,适用于同步观测卫星数不少于2颗的情况．为提高单历元解算变形信息的可靠性,在分析算法的基础上,构造了实现对卫星进行自动选择的抗差估计模型．3个不同测区的试验数据计算结果表明,本文建立的似单差模型是正确的,采用抗差估计方法来选择卫星也是可行的．     

基于能量差的加权均值递归滤波算法

对基于激光测量的管形零件内轮廓母线采样数据进行滤波.提出了基于能量差的加权均值递归滤波算法.该滤波方法中权值求取方法的思想是尽量给滤波窗口内能量频谱相对集中的采样数据赋予较大的权值,而给由于干扰引起的畸变数据赋予较小的权值.合适的滤波窗口长度通过仿真对比试验获得.这一思想的合理性通过仿真分析和实验测试得到验证,并表现出良好的效果.     

基于改进粒子滤波算法的车速估计

针对基于粒子滤波算法设计的车速估计器因提议分布与实际分布不一致导致粒子退化使估计误差变大的问题,提出了一种通过修正提议分布减弱粒子退化影响的改进粒子滤波车速估计器。首先,基于车辆运动学模型和传感器特性建立系统的状态转移方程和观测方程。然后,利用传感器测量值与粒子状态值的差值设计提议分布修正项对状态转移方程进行修正,并对过程噪声做自适应处理。最后,利用CarSim-Simulink联合仿真平台在双移线工况和正弦转角输入工况下进行仿真验证。与自适应粒子滤波器相比,双移线工况下改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了40.25%和55.71%;正弦转角输入工况下,改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了47.00%和41.21%。     

Rayleigh channel estimation based on particle filter with simulated annealing algorithm

In this paper, a particle filter (PF) with simulated annealing algorithm is proposed to estimate and track Rayleigh channel state information (CSI) using decision directed scheme. By iteratively cooling in PF, there are two superiorities in our proposed algorithm. First, there is no degeneration problem in this method. Second, the proposed algorithm converges globally. The proposed algorithm has been implemented in a system on Rayleigh channel with BPSK modulation. Also, the consistency and sensitivity of the algorithm has been tested and the simulation results show that the proposed algorithm is good enough to be applied to wireless communication practice. The relationships between channel estimation and measurement noise, SNR and Doppler frequency have been shown by simulations.      

基于核估计的滤波补偿法

为了解决Kalman滤波算法进行动态定位时,模型中存在的系统误差使得动态定位结果产生偏差的问题,采用基于核估计的滤波补偿法,在移动的窗口内,利用核估计拟合模型系统误差,修正相应的观测向量和状态预测向量的协方差矩阵估值,以消除系统误差对滤波的影响,推导了利用核估计拟合系统误差的公式。通过一个模拟算例证明了改算法的有效性,而且在滤波过程中不需要对系统误差做任何假设,对开窗窗口的宽度也不敏感。     

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.     

基于两阶段卡尔曼滤波的多传感器信息融合

在目标跟踪中,对目标运动建模时,常会遇到系统状态方程存在偏差问题. 传统的信息融合方法总是假设系统状态方程中的偏差为常量,很少涉及偏差为随机变量的情形,但实际建模中常会出现这类问题. 针对此问题,提出了基于两阶段卡尔曼滤波的多传感器信息融合方法. 这种方法可以有效地消除系统状态方程在建模存在随机偏差时给信息融合所带来的影响,从而提高了融合精度.     

一种归一化的单应矩阵直接线性估计方法

基于少量信息的几何变换（单应）估计是特征目标检测、注册、识别、三维重建等方面的关键步骤。在研究中发现,基于点与直线的直接的单应矩阵估计方法会导致出现较大误差的情况。针对这一情况介绍了一种基于点与直线对应的单应矩阵估计方法,在此基础之上根据观测数据分布情况,提出了怎样进行归一化处理,来提高算法的鲁棒性。     

基于分层采样粒子滤波的说话人跟踪方法

利用分层采样方法,融合波达方向和时间延迟两种信息,实现了对说话人的定位与跟踪.分层采样方法考虑波达方向和时间延迟这两种不同观测信息对说话人位置估计精度的差异,将基于波达方向滤波得到的状态后验概率密度函数作为基于时间延迟滤波的重要性采样函数,增强了重要性概率密度函数与后验概率密度函数的相似程度,从而改善了重要性概率密度函数的质量,减小了采样粒子权值的方差,提高了对说话人位置的估计精度.仿真实验验证了该方法的有效性.