基于证券价格时间序列的协整优化指数跟踪方法研究

通过考虑不允许卖空约束和目标指数进行调整的现实情况,研究了基于证券价格时间序列的协整优化指数跟踪方法对目标指数进行直接跟踪的效果以及用简单平均法引入的非样本信息在指数跟踪中的作用.实证结果表明,相比于最小化跟踪误差优化指数跟踪方法,协整优化指数跟踪方法是一种非常好的指数跟踪方法,更多的信息可以进一步改进指数跟踪效果.     

快速Metropolis-Hastings变异的遗传重采样粒子滤波器

为了解决传统粒子滤波器粒子退化与贫乏问题,提出了快速变异的遗传重采样粒子滤波算法.该算法将快速Metropolis-Hastings(MH)移动作为遗传算法的变异算子,使得快速变异算子与传统交叉算子、传统选择算子组合为一种新的粒子重采样算法.快速MH变异能对粒子进行移动,使得粒子的稳定分布为目标的后验概率密度分布.快速变异能有效解决一般变异算法易发散的问题,可以更快地提取到反映目标概率特征的典型粒子.实验证明,基于快速MH变异的遗传重采样方法可以快速提高粒子的多样性,避免粒子退化,减小跟踪误差.     

无源系统中时间差和角度变换跟踪算法

在使用时间差方法对目标进行无源跟踪时,跟踪系统中的各站点有时无法同步截获目标的信号,使跟踪过程中误差增大。提出基于时间差与角度切换的跟踪算法。该算法利用时间差和角度测量的结果,使用扩展卡尔曼滤波对目标跟踪,通过对每个周期各站截获信号和对目标跟踪精度的情况,选择输出两种方法对目标位置估计结果。算法比仅利用时间差的方法有更强的适应性,同时精度并没有下降。给出了算法的具体步骤,通过仿真实验验证该算法的有效性。     

基于修正IEKF的IRST系统多站融合跟踪

针对红外搜索跟踪(infrared search and track, IRST)系统单站情况下的弱可观测强非线性问题,提出了一种基于修正迭代扩展卡尔曼滤波(modified iterated extended Kalman filter, MIEKF)的多站融合跟踪算法。按照高斯-牛顿迭代方法对IEKF中的测量更新进行修正,并推导了最大似然迭代终止条件,减小了非线性滤波的线性化误差。结合集中式融合跟踪算法,应用于IRST系统多站目标跟踪。以三站为例进行仿真研究,结果表明所提算法的跟踪性能要优于EKF和UKF。     

改进的辅助粒子滤波当前统计模型跟踪算法

提出了一种改进的辅助粒子滤波算法,采用基本的常规波束形成法对声信号函数进行处理,得到目标的方位谱估计,推导了以目标方位谱函数作为重要采样密度函数的辅助粒子滤波算法。并将此改进的辅助粒子滤波算法同当前统计模型相结合,提出一种基于目标方位谱的辅助粒子滤波当前统计模型自适应跟踪滤波(current statistical model improved auxiliary particle filter, CSM-IAPF)算法。最后通过仿真验证此方法能够减少跟踪误差,具有较好的实时性和稳定性。     

一种基于自然纹理特征的增强现实跟踪算法

给出了一种面向增强现实(augmented reality,AR)的基于自然纹理特征的实时跟踪算法,算法分为目标检测与跟踪两个过程.以真实场景中的目标物体的表面纹理图像作为模板,用基于朴素贝叶斯分类的宽基线匹配方法进行目标检测与方位参数估计;将分层L-K光流算法与鲁棒的IC算法结合,提出一种基于角点与纹理的混合跟踪算法,并用于其跟踪过程.实验结果表明,所提算法具有较好的实时性、准确性与鲁棒性,并解决了宽基线匹配算法在AR应用中出现的抖动现象.     

非均匀稀疏采样环境自适应α-β滤波算法

针对非均匀稀疏采样环境下的被动机动目标跟踪问题,提出了一种新的自适应α-β滤波算法.算法首先在最小均方误差准则下,推导了α-β滤波器的最优参数选择方法;然后详细分析了非均匀稀疏采样被动传感器上报数据的特点,提出利用上报时间间隔和目标速度来设计跟踪指数,且根据被动传感器系统的实际观测情况,推导了观测误差标准差的表达式;最后,在保证算法稳定性的前提下,给出了自适应滤波器参数设计方法.实验结果表明,提出算法能够准确对机动目标进行跟踪,性能要好于工程中常用的α-β滤波器,且算法设计简单,能够工程实现.     

自适应高斯模型与多基地雷达机动目标跟踪

为改善多基地雷达系统对高机动目标的跟踪性能,提出了基于自适应高斯模型和扩展卡尔曼滤波(EKF)的机动目标跟踪算法.将目标加速度的概率密度特性描述为一具有均值和方差的高斯分布,建立了系统的离散状态方程和非线性观测方程进行EKF滤波,并在每个采样周期实现对输入控制信号及过程噪声协方差的更新,使加速度符合目标的实际变化情况.Monte Carlo仿真结果显示,对目标的变加速轨迹,该算法在位置和加速度上的均方根误差均比Singer模型小,且误差曲线平滑,表明了该算法能对机动目标实现准确跟踪.     

基于神经网络数据融合的目标跟踪简化算法

分析了基于神经网络数据融合的目标跟踪算法 ,指出了传统的融合算法计算量大 ,神经网络目标向量不易选取等缺点 ,并提出了一种简化的算法。应用理论分析和蒙特卡洛仿真方法 ,对标准卡尔曼滤波算法和简化的滤波算法进行了比较 ,并给出了均方根误差的统计值。该简化算法原理简单 ,数据处理量小 ,速度快 ,误差小 ,特别适用于多传感器的处理 ,将融合结果反馈给单传感器 ,可提高各单传感器的跟踪精度     

实时电视跟踪系统中目标跟踪精度的分析

本文提出了由于噪声影响实时电视跟踪系统的目标位置点的误差分析算法。从系统的跟踪算法中导出目标跟踪系统误差分析模型。 本文导出目标质心位置的统计模型。第一种模型,即目标跟踪误差简化模型,通过假设目标的误分类概率等于背景的误分类概率推导出。第二种模型,即目标跟踪误差扩展模型,通过假设目标的误分类概率不等于背景的误分类概率推导出来。本文描述这些模型及其数学含义。     

GPS接收机跟踪环的多径误差分析

基于典型的GPS接收机跟踪环 ,研究了多径效应导致的码相跟踪误差和载波相位跟踪误差 ,得出了码相跟踪误差和载波相位跟踪误差与多径参数的解析表达式。计算机仿真表明 ,码相跟踪误差和载波相位跟踪误差随多径信号的幅度的增大而增加 ;码相跟踪误差和载波相位跟踪误差与多径信号的相位呈周期性变化 ;载波相位跟踪误差随多径延迟的增加而减少。     

基于时间加权SVM的指数优化复制模型与实证分析

本文研究了指数型基金管理中最核心的指数追踪问题.依据结构风险最小化思想,首先构造了以追踪误差为基础的损失函数,接着考虑了时间因素对历史追踪误差的影响,采用指数加权的方法将时间因素纳入追踪误差的分析中,利用SVM理论给出了指数复制问题的结构风险的形式,在此基础上构建了各种市场实际约束下最小化结构风险的时间加权SVM的指数优化复制模型,最后利用OR-Library中的5个市场指数历史数据进行了实证检验.结果表明本文提出的时间加权SVM模型能够显著提高样本外的追踪效果.同时使得追踪组合的鲁棒性有明显的改善,从而表明本文提出的时间加权SVM指数复制模型具有较高的理论和应用价值.     

一种移动机器人自适应轨迹跟踪控制算法研究

针对轮式移动机器人的轨迹跟踪问题,提出了一种基于运动学模型的自适应轨迹跟踪控制算法。在分析经典轨迹跟踪控制律缺点的基础上,算法中引入了机器人位姿误差的纵坐标误差以加速机器人的轨迹逼近速度,并采用人工场和位姿误差协同作用来共同完成机器人的导向控制。该控制律结构简单,鲁棒性强。仿真实验表明该方法使移动机器人具有更理想的逼近轨迹。     

指数化投资的风险评估与预测:基于中国指数基金的实证研究

以我国的指数基金为研究对象, 通过实证方法,检验我国指数化投资的风险状况. 首先,对样本指数基金的跟踪误差方差进行分解, 分析其历史风险水平; 然后,引入压力测试, 预测样本指数基金未来的风险水平. 实证结果表明,从总体上看, 样本指数基金的风险控制得较好. 最后, 发现我国的指数基金能够较紧密地跟踪其基准指数;指数基金的风险来源和结构, 符合指数化投资的风险特征.     

单脉冲自跟踪体制在车载"动中通"的应用

根据车载"动中通"在卫星通信中的特点,针对该车载站在移动过程中,天线偏离卫星的情况,研究了单脉冲跟踪体制。由于单脉冲跟踪具有实时性好,跟踪精度高的优点,所以在Ku频段具体应用于车载"动中通"中。阐述了单脉冲自跟踪的原理、系统组成以及系统的具体实现方案。实验测试表明,该系统能够获得较高的跟踪精度和跟踪实时性,能够使天线稳定地对准卫星。     

反馈可线性化系统全局跟踪控制器的设计

研究反馈可线性化的非线性系统全局跟踪参考信号的问题,将全局跟踪问题转化为误差系统的全局镇定问题。由Riccati方程获得了反馈可线性化系统的控制Lyapunov函数,证明了所得到的控制Lyapunov函数正是误差系统的控制Lyapunov函数。应用Sontag的通用公式,设计了全局跟踪控制器,并应用于单关节机器手跟踪参考信号的控制,仿真说明了所提出方法的有效性。     

旋转相控阵雷达变数据率目标跟踪算法

旋转相控阵雷达由于天线面阵旋转和电子波束偏移限制,每天线周期有66.7％左右的时间不能照射到正在跟踪的目标,可连续取值的自适应变数据率跟踪算法不适用于旋转相控阵雷达.在Cohen研究基础上,提出一种离散取值的变数据率跟踪算法应用于旋转相控阵雷达目标跟踪.该算法在直角坐标系下进行运动状态估计,在球坐标系下计算跟踪残差,利...     

视频监视中的运动目标跟踪算法

提出了一种新的运动目标跟踪算法。通过预测运动目标下一时刻的位置以及缩小目标搜索范围来提高跟踪速度。该算法使用运动目标加速度运动位移方程预测下一时刻目标可能出现的位置,使用预测位置误差方程估计运动目标搜索范围,并使用IIR滤波器对目标运动速度、加速度等参数自适应地修正。实验证明,该算法即使当运动目标做加速运动时,也可准确地预测运动目标的位置,缩小目标搜索范围,进而提高目标跟踪速度。     

复杂背景中目标图像的提取与跟踪

本文介绍一种复杂背景中目标图像的提取与高精度目标形心跟踪算法。通过对贝叶斯（Ｂａｙｅｓ）风险函数最优化，将图像分成多灰度层次的目标与背景，进而得到多灰度阀值，并考虑目标像素之间的连通性，将图像进行二值化，有效抑制了孤立噪声点对分割的影响。根据分离后二值图像，得到了跟踪窗中目标形心估值误差表达式，进而得到一种将目标跟踪窗口不断向目标形心移动的高精度形心跟踪算法。