非平稳信号的2(×)2型双重中值容错滤波算法

滤波算法的容错设计是技术过程可靠性与安全性领域的重要研究内容.本文建立了一组新的非平稳过程容错滤波算法,该算法采用两阶段两次滑动中值与滑动均值滤波器的组合,实现了数据洁化与滤波的统一.理论分析和仿真计算结果证实,该滤波算法可有效避免斑点型异常数据的不利影响,可靠地从采样序列中提取信号.     

非平稳信号的2 2型双重中值容错滤波算法

滤波算法的容错设计是技术过程可靠性与安全性领域的重要研究内容．本文建立了一组新的非平稳过程容错滤波算法，该算法采用两阶段两次滑动中值与滑动均值滤波器的组合，实现了数据洁化与滤波的统一．理论分析和仿真计算结果证实，该滤波算法可有效避免斑点型异常数据的不利影响，可靠地从采样序列中提取信号．     

抑制SAR图像相干斑的自适应红黑窗滤波算法

针对经典空域滤波算法处理SAR图像时,在同一滑动窗内完全按同质区域性质处理数据而导致图像细节信息损失的情况,提出一种新的滑动窗结构的算法。该算法选取与窗口中心像素统计特性相近的像素进行滤波处理,解决了经典空域滤波算法存在窗口内数据不满足滤波模型对同质区域要求的缺陷。同时,针对强散射点的特殊性,设计了相应的检测及处理方法。实验结果表明,该算法在获得与经典算法相当的相干斑抑制的同时,较经典算法具有更强的边缘和细节保持能力,同时获得更好的图像视觉效果。     

基于无迹变换的概率假设密度滤波算法

基于有限集统计理论的概率假设密度滤波算法运用于多目标跟踪时,不再考虑数据关联问题,突破了传统的跟踪方法.但该滤波公式在非线性条件下没有解析解,在非线性高斯条件下提出了基于无迹变换的概率假设密度滤波算法,实现了算法在强杂波环境下的多目标跟踪.仿真实验比较了该算法与基于粒子滤波的概率假设密度滤波算法的跟踪性能,验证了该算法的跟踪性能和精度.同时分析指出了此算法的不足,以及结合无迹变换与粒子滤波的概率假设密度滤波算法的改进研究方向.     

基于自适应航迹融合算法的GPS／SINS紧组合导航系统研究

针对开环校正GPS/INS组合导航系统卡尔曼滤波器在长时间工作条件下滤波精度下降的问题,提出了基于自适应航迹融合算法的紧组合GPS/INS导航系统方案.设计了一个与GPS/INS滤波器并行的独立GPS滤波器,利用自适应航迹融合算法对两个滤波器输出的局部航迹进行融合,从而得到系统航迹.数学仿真结果表明,该方案能够有效提高导航系统的导航精度和容错能力.     

计算机控制系统信号重构容错算法研究

信号重构是计算机系统与被控对象进行信息通信的重要环节,在简要分析Shannon重构、ZOH重构和一阶重构等信号重构方法局限性的基础上,提出了一组基于三点插值的重构算法和被控过程采样数据的一步容错预测算法,并将一步容错预测与三点插值算法相结合,建立了对于被控过程信号异常情况有良好容错能力的一步容错预测二阶重构算法。上述的一步容错预测二阶重构算法不仅结构简单、可用于在线控制,而且算法精度和可靠性明显高于普通的ZOH重构和一阶重构算法。     

基于残差变化特性分析的双假设KALMAN滤波算法

针对标准kalman滤波算法受测量野值和目标高度机动影响严重的缺点,提出一种新的基于残差变化特性分析的双假设kalman滤波算法.该算法在残差测试正常的情况下,不断利用测量值更新滤波状态值;在残差测试异常的情况下进入双假设滤波模式,对输入数据分别在野值和目标高度机动两种假设下进行滤波,以残差收敛快慢为依据选择合理的假设条件.仿真结果表明,所提算法既有效抑制野值对滤波的干扰,又可以较快适应目标高度机动,提高了滤波稳健性.     

在线挖掘数据流滑动窗口中频繁闭项集

在线挖掘滑动窗口中的频繁闭项集是一类重要的数据流挖掘问题.提出了一种新的频繁闭项集挖掘算法FPCFI-DS.该算法能够在有限的存储空间中高速挖掘数据流滑动窗口中的频繁闭项集,并且能够在任意时刻维护当前窗口中精确的频繁闭项集.对于第一个窗口中的数据,FPCFI-DS算法采用单遍过程FPCFI进行挖掘,挖掘结果被保存于一棵全局闭项集树GCT中.当窗口向前滑动时,FPCFI-DS算法采用更新挖掘方式快速挖掘出当前窗口中的频繁闭项集.实验结果表明,FPCFI-DS算法的空间效率和时间效率都显著优于同类经典算法Moment.     

基于学习进化的机器人同时定位与地图创建

利用学习与进化结合的思想,改善基于粒子滤波的SLAM算法。在对学习与进化的关系深入分析的基础上,针对基于粒子滤波的SLAM算法,提出将滤波过程分成学习和进化两个阶段,分别给出相应算法解决粒子有效性与多样性的问题,缓解二者之间的矛盾,改善了SLAM算法的效果,增强了算法的鲁棒性,也验证了学习与进化的关系。最后,通过多次Monte-Carlo仿真实验结果表明了该算法的有效性。     

基于幅值信息的联合概率数据关联粒子滤波算法

针对非线性非高斯环境下多目标被动跟踪的低可观测问题,将粒子滤波、联合概率数据关联和量测的幅值信息相结合,提出了一种基于幅值信息的联合概率数据关联粒子滤波算法。将联合概率数据关联算法中的关联似然与幅值似然比相结合,利用粒子滤波算法进行跟踪滤波,用幅值量测来改善低可观测条件下的目标跟踪性能。仿真结果表明,该算法提高了数据关联的可靠性和目标跟踪的精度。     

基于MCMC无味粒子滤波的目标跟踪算法

针对传统粒子滤波目标跟踪算法存在粒子退化的问题,提出了基于马尔可夫链-蒙特卡罗(Markovchain Monte Carlo,MCMC)无味粒子滤波的目标跟踪算法.该算法采用无味卡尔曼滤波(unscented Kalmanfilter,UKF)生成粒子滤波的提议分布,来代替传统粒子滤波算法采用状态转移先验概率作为粒子滤波的提议分布,以改善滤波效果,然后在无味粒子滤波的基础上融合了典型的MCMC抽样算法(Metropolis Hastings,MH),从而可以减少传统粒子滤波未考虑当前量测对状态的估计作用所带来的影响.融合后的算法将当前量测信息融入到滤波过程中,并使采样粒子更加多样化.实验结果表明,该算法较传统方法在跟踪精度方面有显著的提高.     

一种新的去偏转换测量Kalman滤波算法研究

采用引入虚拟项方法推导出转换测量误差均值和协方差的解析表达式,利用全部测量数据,给出了转换测量误差均值及其协方差在均方意义下的最佳估计,提出了一种新的去偏转换测量Kalman滤波算法.将该算法用于研究滤波精度要求较高的遭遇段导弹跟踪问题,并进行了Monte Carlo仿真.结果表明:该算法位置和速度估计的均方根误差小,滤波精度高,滤波器的实际估计误差和估计协方差匹配性好,算法置信度高,即使测量噪声较大时仍然保持良好的滤波性能.     

基于软件容错的抢占阈值调度算法设计与仿真

为了提高硬实时系统的容错能力,同时减少任务间的抢占次数,基于软件容错模型提出了抢占阈值容错调度算法(FT-FPPT).为了获得系统中任务抢占阈值分配的最佳策略,基于任务最坏响应时间的可调度性分析,提出了一种最优的抢占阈值配置搜索算法(PTCSA).PTCSA算法能够将搜索空间由O(n!)减少到O(n 2),其中n为任务的个数.最后给出了该算法的最优性证明.仿真实验表明,抢占阈值容错调度算法能够在抢占式容错调度算法的基础上,进一步提高系统的容错能力。     

探测器自主导航的UD-EKF粒子滤波算法研究

用UD分解改进EKF粒子滤波算法,并将其应用于基于星光仰角测量的探测器自主导航方案.UD-EKF是基于递推的UD协方差分解滤波算法,该方法减少了计算舍入误差的影响以及计算机的计算量和数据存储量.用UD-EKF更新粒子,提高了滤波精度,缩短了运行时间,通过计算机仿真证实了其可行性.     

组合导航系统的自适应MCMC信息融合算法

针对组合导航系统为高维非线性非高斯的特点,提出了一种在线实时调整粒子个数的自适应MCMC(Markov Chain Monte Carlo)粒子滤波算法.该算法利用基于KLD(Kullback-Leibler Distance)采样方法的自适应粒子个数调整算法在线调整MCMC粒子滤波过程中的粒子个数,利用预测粒子在状态空间中的分布情况来在线实时的确定下一次滤波迭代所需的粒子个数,从而有效减小算法的运算量,提高MCMC粒子算法的实时处理能力.最后,将该算法应用到了组合导航系统中进行了仿真研究.通过仿真结果可以看出,该算法在保持了MCMC粒子滤波算法的估计能力的同时,有效降低了算法的计算量,更适合于实际应用.     

基于IMM的UK-GMPHDF算法在多机动目标跟踪中的应用

为解决非线性系统滤波的非线性和多机动目标跟踪问题,提出了一种基于交互多模型(IMM)的无迹卡尔曼实现的高斯混合概率假设密度滤波(UK-GMPHDF)算法.该算法结合了IMM算法对不同目标机动模型的自适应能力和UK-GMPHD滤波精度高、计算量小的优点.此外,滤波器利用UK-GMPHD滤波,不仅避免了难以解决的数据关联问题,而且可以联合估计目标数和目标状态.在非线性系统和杂波环境下,通过对多机动目标跟踪的应用仿真,将该算法和基于单模型的UK-GMPHDF算法进行了比较,仿真结果表明了基于IMM的UK-GMPHDF算法具有较好的跟踪性能,大大提高了多机动目标跟踪精度,减少了跟踪的多目标误差.     

一种基于SR-UKF的GPS/DR组合定位算法

针对智能车辆机动性运动的定位问题提出了一种基于平方根Unscented卡尔曼滤波的GPS/DR组合定位方案和算法.基于组合定位模型状态方程线性和观测方程非线性的特点,提出了将标准平方根卡尔曼滤波同SR-UKF相结合的非线性滤波算法.该算法在时间更新阶段减少了滤波算法的运算量,提高了滤波算法的效率.仿真结果表明:与基于EKF的非线性滤波算法相比,本算法具有更高的滤波精度和更好的滤波稳定性,同时,同通用SR-UKF相比又具有较高的运算效率,完全适合于资源有限的车载导航系统.     

一种基于自适应粒子滤波的捷联初始对准方法研究

针对传统自适应粒子滤波算法的计算负荷太大问题,在Fox的K-L距离采样的基础上,给出一种新的求解七值的方法,将k值的计算从采样过程中分离出来,大大降低算法的复杂度,减少计算量,避免死循环发生.曩后,将该算法应用到大失准角情况下捷联惯导系统动基座初始对准中,并与扩展卡尔曼滤波算法,标准粒子滤波算法和传统自适应粒子滤波算法进行了比较,仿真结果表明简化的自适应粒子滤波算法在保持高精度的同时,有效地提高了算法的计算速度,因此更适合于捷联惯导系统动基座初始对准.     

一种利用星间仅测向数据的滤波定轨算法

基于星间方向观测数据实时确定目标星轨道,一般扩展Kalman滤波算法是建立角度直接观测量与状态量的线性关系作为观测方程。由于缺少距离测量值,仅包含角度信息的观测方程对状态变量的约束较弱,导致滤波算法收敛速度较慢。〖JP3〗将用于初轨计算的改进拉普拉斯方程作为观测方程,这样,观测方程不仅包含了两星的几何信息,还充分考虑了目标星的轨道约束。仿真结果表明,在同样测量精度下,该算法的收敛性能明显优于一般滤波算法。     

基于容积粒子滤波的交互式多模型算法

针对非线性非高斯条件下目标跟踪容易发散和精度下降等问题,将容积粒子滤波引入到交互式多模型算法中,提出了一种基于容积粒子滤波的交互式多模型算法。该算法在粒子先验分布更新阶段,利用容积卡尔曼滤波器融入最新的观测数据并产生重要性密度函数,使其更加逼近系统真实状态的后验概率密度,改善了粒子滤波的性能。仿真表明在运算时间未显著变化的情况下,该算法与交互式多模型无迹粒子滤波算法相比有着更高的滤波精度和稳定性。