紧藕合导航系统中的GDOP估算方法

提出一种针对低成本GPS/SINS（global positioning system/strap-down inertial navigation system）紧耦合导航系统的快速选星方法,充分利用SINS的输出估算几何精度因子（GDOP）,避免大量迭代带来的时间消耗,在卫星失锁后或星座分布发生变化时实现快速选星;并在该方法的基础上设计并实现紧耦合导航系统中量测噪声方差阵的在线修正,提高了组合导航系统滤波估计的精度. 试验结果表明,本文方法弥补了传统GPS/SINS紧耦合导航系统中选星时间消耗代价过大、收敛精度较低的问题,并可相应降低设备成本.      

电离层闪烁下4路信号处理的载波锁相环

针对电离层闪烁导致的卫星导航接收机载波锁相环失锁问题,提出一种基于Kalman滤波器的4路信号处理载波锁相环. 该环路通过增加两路信号处理对锁相结果进行纠正,扩大了锁相环的相位牵引范围,同时根据信号实时载噪比自适应调节滤波系数,有效避免电离层闪烁时信号振幅衰落和相位突变引起的环路失锁. 通过仿真表明,这种锁相环可以在持续中强度和瞬时高强度的电离层闪烁下保持跟踪.      

基于多模型检测的视频监控行人跟踪算法

研究了网络视频监控中行人检测和跟踪技术,并提出了基于多模型检测的视频监控行人跟踪算法.首先在已有检测算法的基础上,根据实验结果,分析了算法的优势和存在问题,提出了多模型融合检测算法,多模型融合检测算法充分利用各个单模型算法的优势,提高模型检测准确率,并使用快速特征金字塔算法提高了算法的实时性.随后在提出的检测算法基础上,结合卡尔曼滤波算法和匈牙利最优匹配算法实现多目标行人检测和实时跟踪.MOT测试视频实验结果表明:提出的跟踪算法能够较好地实现多目标行人检测和跟踪,适合网络视频监控场景.     

采用自适应无迹卡尔曼滤波器的车速和路面附着系数估计

针对车辆主动安全控制中的车速和路面附着系数这一关键信息,提出了一种实时估计该信息的滤波算法,同时建立了将包含时变噪声统计特性的七自由度非线性车辆动力学模型作为滤波算法的标称模型,以及一种自适应无迹卡尔曼滤波算法。该算法采用传统的无迹卡尔曼滤波器来估计车速和路面附着系数,同时利用次优Sage-Husa噪声估计器对系统的噪声统计特性进行实时更新,其中采用遗忘因子限制噪声估计器的记忆长度,使新近数据发挥重要作用,使陈旧数据逐渐被遗忘,从而解决了因系统标称模型误差、外界扰动等因素引起的噪声时变的问题。在不同路面条件下进行了多种工况的实验验证,并与无迹卡尔曼滤波器的估计结果进行对比分析,结果表明,该算法具有良好的鲁棒性,其估计精度高于无迹卡尔曼滤波器,且满足车辆主动安全控制系统的要求。     

多传感器远距离目标跟踪精度分析

该文主要研究了非线性系统中多传感器远距离目标跟踪问题,提出了分布的转换坐标卡尔曼滤波算法,给出了当多传感器不在同一位置时融合中心的状态估计组合公式。     

状态反馈H∞控制在二级倒立摆平衡系统中的应用

应用Ｈ∞状态反馈和Ｋａｌｍａｎ滤波相结合的方法,对二级倒立摆平衡系统进行控制。仿真研究表明：二者相结合构成的控制器,在模型参数摄动且有干扰信号作用的情况下,比ＬＱＧ控制具有更强的鲁棒稳定性和抗干扰能力。     

基于特征人脸和肤色统计的人脸检测

提出一种在视频中检测人脸的新方法,该方法首先用特征人脸检测第一帧画面中人脸的位置和大小,将它作为卡尔曼(Kalman)滤波的初始值和肤色分布统计的训练样本,然后利用卡尔曼滤波预测人脸,最后用肤色分布模型确定人脸,就可以检测到人脸。这种方法的优点是可以在复杂背景下快速准确地检测到人脸位置和大小。实验结果表明使用该方法可以实时准确地检测到视频中的人脸。     

卡尔曼滤波方法在β估计中的应用

利用最优估计理论中常用的卡尔曼滤波方法对口系数进行实时估计和预测估计,并将其估计结果与传统的回归分析方法的估计结果进行比较．实证结果充分体现出卡尔曼滤波方法在证券投资分析中的优越性。     

基于Newton-UKF的可见光通信列车定位优化

针对基于可见光通信-接收信号强度检测(VLC-RSSI)列车定位过程中存在的噪声、其他光源干扰及测距误差,提出以接收信号强度检测值为观测量的Newton-UKF(牛顿插值-无迹卡尔曼滤波)算法．首先,利用可见光通信-接收信号强度检测获得列车初始位置,建立列车运动模型及系统的状态与量测方程;然后,以接收信号强度检测值为观测量,采用无迹卡尔曼滤波优化列车定位结果,引入牛顿插值法重新估计具有粗大误差的接收信号强度测量数据;最后,以成都地铁1号线真实线路数据和设备信息为依据,通过实验验证所提列车定位优化算法的有效性．结果表明：与无迹卡尔曼滤波相比,Newton-UKF算法的平均定位误差为4.98 cm,能降低粗大测量值造成的误差,提升列车定位精度,定位性能提升66.42%．该方法可为基于通信的列车控制系统中的列车定位提供参考．     

基于中心差分卡尔曼滤波的航天器视觉相对导航算法研究

在航天器视觉相对导航过程中,量测方程的非线性特性会影响航天器相对位姿的估计精度.分析了扩展卡尔曼滤波方法(EKF)将非线性模型线性化时存在的缺点,研究了中心差分卡尔曼滤波方法(CDKF),提出用中心差分卡尔曼滤波方法来解决视觉导航中两航天器的相对位姿估计问题,并给出了EKF与CDKF的仿真结果.仿真结果表明在相同条件下,CD-KF算法比EKF具有更高的精度和稳定性,该方法能够在航天器视觉相对导航中应用.