基于AUV的航迹追踪自适应UKF算法

无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高。然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度。因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差。该预测方法依据标准UKF算法的原理,通过构造相应的约束、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响。最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想。     

基于自适应迭代UKF的纯距离目标定位算法

针对迭代无迹卡尔曼滤波(IUKF)需要人工设定迭代次数的问题,引入遗传算法中适应度函数的概念,提出一种自适应迭代卡尔曼滤波的跟踪算法(AIUKF)。该算法利用观测预测值与实际观测值、系统采样点与实际观测值的适应度函数作为评价标准,根据适应度函数的比值自适应确定是否进行迭代。仿真结果表明:新算法适用于纯距离系统,可以有效解决IUKF人工设定迭代数的问题,且算法性能与IUKF性能相当,均优于UKF性能。     

基于多传感器抗差融合的UKF弹道跟踪算法

弹道跟踪测量过程中,由于环境的复杂性和测量机制自身的问题,测量数据不可避免存在异常值等.传统的加权观测融合估计算法往往直接对来自各个传感器的测量数据进行处理,忽略了数据质量问题对滤波精度的影响.为解决此问题,在加权观测融合算法的基础上引入抗差估计理论,根据观测融合值与融合预测值,计算测量融合残差向量、抗差权重因子和融合观测向量等价协方差阵,实现了异常值的实时分离与修正,解决了融合过程中由于测量数据存在污染导致弹道数据处理精度下降的问题.同时引入平方根滤波思想,避免了常规UKF中误差协方差矩阵非正值引起的滤波散度问题.仿真结果表明该算法估计精度高,计算负担小,能有效地减小测量误差对弹道定轨精度的影响.     

基于GPS弹道测量的卡尔曼滤波参数估计算法

为提高基于GPS定位的弹道辨识方法的实时性和可靠性,提出了一种以弹道微分方程四阶龙格库塔数值积分预测作为状态量递推的卡尔曼滤波弹道参数估计算法,并针对卫星接收机有粗大误差或失效情况对方法进行了改进. 利用卫星信号模拟器和C/A码GPS接收机构建半实物仿真系统对算法进行验证,该方法的弹道参数估计误差是GPS接收机正常工作时测量误差的30%～40%;且能在GPS接收机出现异常时继续给出接近实际的估计值.     

基于分组网络的实时语音自适应同步算法

本首先介绍了多媒体通信中的流同步问题以及影响同步的各种因素，然后提出一种基于播放时间的自适应同步算法并加以推导证明，最后介绍了它在我们设计的语音传输系统中的具体实现。     

基于DSP的运动目标实时检测自适应算法

嵌入式系统中运动目标检测存在噪声影响大、实时性差的问题。采用TI系列的TMS320DM642设计了一种运动目标自适应检测系统。首先计算相邻帧图像差值的熵值,通过三帧差法自适应地提取目标。最后,将该算法移植到了DSP平台。实验结果表明,该算法能有效解决三帧差法中噪声干扰问题,而且实时性好。     

基于自适应蚁群的实时Web服务组合算法

针对实时环境中可靠的传输问题,要考虑数据传输路径上的时间消耗,但是又要考虑服务组合结果的可靠性,提出了适应于Web服务的改进蚁群算法,该算法适合在复杂的服务路径中寻找稳定性高的最优路径,使服务组合的结果快速地向着高稳定的方向进行.     

基于自适应邻域概念的实时视频预处理算法

针对各种实时视频应用领域的实际要求，提出了一种新颖的实时视频预处理算法。该算法将自适应邻域的概念应用到视频信号预处理中，并融合线性均值滤波和非线性中值滤波两种方法的优点，能够同时有效地抑制加性高斯白噪声和稀疏的冲击噪声，并能完好地保持图像的边缘，因此，成功地弥补了传统算法的不足．此外，该算法较低的运算复杂度使得它可广泛应用于各种实时环境．仿真和实际使用结果表明，通过预处理后的图像的确获得了良好的视觉效果．     

基于MVC的实时流媒体自适应跟踪传输算法

为了更好地保证流媒体系统实时约束下的同步性能,解决流媒体缓冲区设置中同步与播放时延的矛盾,使缓冲区长度设置在实时性约束下最大化,在实时环境条件下,给出了一种缓冲区占用水平设定值的动态确定方法,在仿真实验中以此作为流媒体速率控制系统的设定值.为了克服传统控制方法超调量过大的弊端,选择了最小方差控制(MVC,minimum variance control),设计了基于最小方差控制的实时流媒体缓冲区自适应设定值跟踪传输算法.仿真实验结果表明,该方法能够对不同的网络时延自适应,计算出合适的缓冲区占用水平设定值,实现了缓冲区占用水平对设定值的跟踪,播放具有良好的实时性.     

UKF与Mean shift算法相结合的实时目标跟踪

针对Mean shift(即MS)算法理论上的不足以及跟踪目标时的邻域跟踪局限性,提出将Mean shift算法与尺度无迹卡尔曼滤波器(Scaled unscented Kalman filter,SUKF)相结合的实时目标跟踪算法.该算法利用尺度无迹卡尔曼滤波器获取Mean shift算法的初始位置,然后,利用Mean shift算法获取跟踪位置.通过分析跟踪区域内横纵向直线的统计变化获取目标的尺度变化,依此自适应调节Mean shift跟踪算法中核函数带宽,并对高速公路上快速运动的车辆进行跟踪实验.研究结果表明:该算法与固定核窗宽Mean shift算法相比,对目标跟踪更准确;SUKF 滤波使MS的迭代次数减少,跟踪的实时性提高;核窗宽自适应调节可使跟踪误差降低到50%以下.     

基于阻尼比实时算法的转动惯量测量研究

为了提高扭摆动法转动惯量测量精度和测量稳定性,从理论上证明了采用光电计时法测量扭摆动周期时,测量位置偏差会引起周期测量误差,而利用多次周期平均的计算方法不会减小测量误差。提出了一种利用相邻扭摆周期面积比实时计算阻尼比的方法,并证明了该方法的可行性。实验结果表明：利用该文提出的方法测得转动惯量的标准差比光电计时法减小一个数量级。     

基于迭代测量更新的UKF方法

针对无迹滤波器(UKF)使用线性最小均方估计测量更新方法的不足,提出了一种易于工程实现的迭代测量更新方法.该方法多次使用状态的估计值代替预测值进行测量更新,能够得到更高精度的非线性估计.迭代时,每次使用标准UKF方法得到的均值和方差作为初始参数重新进行UT变换,从而能够得到更加准确逼近真实估计的采样点.仿真结果表明:基于迭代测量更新的UKF算法不仅具有无需计算雅可比矩阵的优点,而且具有较高的非线性近似精度和较高的运算效率,在相同数量级运算时间的情况下,其估计性能明显优于标准UKF和EKF等非线性滤波器.     

一种实时数据处理的软硬件算法研究

针对某中分辨率成像光谱仪遥感图像数据的特点,在研究基于局域纹理特征适合空间应用图像无损压缩技术的基础上,进行无损解压缩算法的设计,阐述了如何采用并行处理和流水线技术优化算法,实现算法到VLSI结构的优化映射,研制无损解压缩专用芯片,该芯片可以不低于16 Mbps的速率实时处理压缩数据,进行无损解压.     

自适应实时压缩感知跟踪算法

【目的】解决实时压缩感知跟踪算法分类器无法适应目标外观变化及过更新的问题。【方法】根据当前跟踪结果目标模型的哈希指纹与上一帧目标模型的哈希指纹之间的汉明距离(Hamming distance),在线实时调整分类器,以提高实时压缩感知目标跟踪算法的自适应能力。【结果】自适应实时压缩感知跟踪算法的跟踪成功率比实时压缩感知跟踪算法提高13%,在目标大小为40pixel×43pixel时,跟踪速率为37fps,满足实时性要求。【结论】本研究建立的方法在背景中存在与目标有一定相似性的物体,且目标姿态、纹理变化和光照变化较大等情况下,能快速获取跟踪目标,并且具有较强的鲁棒性和准确性。     

尺度因子自适应的UKF算法在目标跟踪中的应用

针对传统的无迹卡尔曼滤波（UKF）算法不能根据场景变化而自适应调整尺度因子α的问题,提出了一种改进算法,该算法利用UKF非线性近似的预测值与真实值之间的误差来调节α,并对采样策略进行了修正.将此方法应用于目标跟踪的仿真实验表明：该算法与使用尺度因子最优经验值的UKF算法精度相当,具有很好的跟踪性能和实用性.     

基于自适应UKF的锂离子动力电池状态联合估计

针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波(unscented Kalman filter, UKF)框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换(unscented transform,UT)时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态(state of charge,SOC)以及电池健康状态(state of health,SOH)的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.     

基于自适应等距映射算法的软测量建模

针对等距映射(Isomap)算法中的邻域图构造问题,提出1种自适应确定邻域的方法。利用欧氏距离计算样本相似系数。基于各样本的局部密度和平均密度构造密度指数函数。根据密度指数函数自适应调整样本的近邻数,构造合理的邻域图。采用高斯过程回归(GPR)建立模型。将该方法应用于某双酚A生产装置的软测量建模中。仿真结果表明,基于自适应Isomap算法建立的GPR模型比Isomap-GPR模型具有更高的估计精度,均方根误差减小了约15%。     

基于 UKF滤波算法的语音增强技术

基于卡尔曼滤波算法的语音增强方法在实际应用中得到了比较广泛的应用,但是这种方法要求模型必须是线性的,在实际环境中语音模型一般为非线性,为了解决这一问题,本文提出了基于UKF(Unscented Kalman Filter)滤波的语音增强算法,较好地解决了上述的问题.仿真实验结果表明,该方法在较好地消除背景噪声的同时,能保持较好地语音可懂度.     

电力系统频率实时测量新算法

提出了一种利用电网电压的交流采样值测量电力系统频率的新算法。算法响应时间短,测量精度高,适合于电网频率的实时跟踪测量,数字仿真和工程实践均证实了本文算法的可行性和有效性。