自动驾驶车辆轨迹跟踪横向偏差影响因素研究

车辆轨迹跟踪精度是目前智能驾驶技术发展的瓶颈问题之一.影响车辆轨迹跟踪精度的因素很多,从模型离散化处理参数-采样时间间隔和初始航向角入手,研究对自动驾驶车辆的轨迹跟踪精度影响规律.采用车辆二自由度动力学模型,基于模型预测控制算法(the model predictive control,MPC)控制车辆进行轨迹跟踪.仿...     

户外小型智能移动机器人运动轨迹跟踪控制

该文根据户外小型智能移动机器人的应用特点研究了轨迹跟踪控制。基于机器人的动力学模型，利用后退方法的思想，设计了全局收敛的稳定可靠的跟踪控制律，提高了移动机器人在不确定性环境中工作的鲁棒性，比基于运动学模型设计的控制律更加适宜于工程应用，经仿真计算，验证了该控制方法的正确性，为户外小型智能移动机器人轨迹跟踪的实用控制方法提供了理论依据。     

基于无源性的感应电机最小磁场能量的效率优化控制

借鉴互联和阻尼分配的基于无源性控制器设计的基本思想和设计方法,依据最小磁场能量原则,设计了一种新的效率优化的感应电机转矩跟踪控制器.由于只针对分解后得到的电气子系统进行最小磁场能量优化和转矩跟踪控制器设计,得到的磁通优化律不受转子电阻的影响,且控制器不需要观测转子侧的状态变量,因此系统具有更强的参数鲁棒性.控制器方程是全局定义的,不存在发散奇点,能够跟踪快速变化的转矩和磁通给定,从而保证了系统的动静态性能.仿真实验结果证实,该控制器在保证系统具有良好的动、静态性能的同时,能有效地提高感应电机轻载时功率因数,并取得良好的节能效果.     

零中频DSSS数字接收机基带算法研究

介绍了一种零中频DSSS(直接序列扩频)数字接收机的基带算法方案．给出了PN码捕获及跟踪、载波解调和自动频率控制算法,最后给出系统性能仿真分析．该方案具有较强抗噪声能力,算法复杂度低,基带数字信号处理部分仅用一片APEX20KE就可完成．     

基于动态滑模控制的移动机械臂输出跟踪控制

为实现移动机械臂的输出跟踪控制,设计了一种动态滑模控制器．文中首先给出了包括驱动电机动态特性的移动机械臂简化动态模型,然后通过微分同胚和非线性输入变换将系统分解为4个低阶子系统,并给出了用于移动机械臂输出跟踪的动态滑模控制器的设计方法．仿真结果表明,所设计的动态滑模控制器不仅能很好地跟踪给定轨迹,而且能有效地削弱滑模控制系统的抖振．     

高重频随机跳频跟踪雷达及其抗干扰性能

雷达对抗已成为雷达领域的重要课题,雷达的抗干扰性能愈发重要。该文提出了跟踪雷达的高重频随机跳频体制,该体制能消除"二次"回波,并具有较高的距离和速度分辨力。该文分析了高重频随机跳频跟踪雷达对抗欺骗干扰的性能,得出的结论是:由于发射频点随机跳变,对该雷达体制有效地欺骗干扰必须是转发式的;该雷达体制能对抗转发延迟大于脉宽、或者干扰信号功率不足以掩盖真实回波的转发式欺骗干扰。计算机仿真结果符合上述分析结果。     

红外图像序列运动小目标的空间定位

提出了一种利用透视投影变换和卡尔曼滤波对低信噪比红外图像序列运动小目标进行三维空间定位的新方法,从而达到对红外运动小目标（直至几个像素）进行空间定位的目的。仿真实验结果证明了该方法的可行性和有效性。     

自动指纹识别系统预处理技术及细节特征提取算法的研究

指纹图像预处理是自动指纹识别系统(AFIS)的关键步骤,它的好坏直接影响到整个系统的速度和准确率.详细介绍了预处理过程中指纹图像与背景分离、方向信息提取、纹线提取、二值化、细化,以及细节特征提取等关键技术.在这些模块中,提出了一些改进算法和新的思想.根据人指纹本身是一个曲面结构的特点,采用一种自适应的局部阈值分离方法,解决处于不同深浅区域的指纹图像均能有效地同背景分离;提出了一种改进的、基于非彻底细化图像的细节特征提取算法,在不对纹线进行任何处理的情况下,直接从细化指纹图像上提取原始细节特征点集合,并针对各种噪声产生的伪特征点进行修复;另外,还介绍了一种基于灰度纹线跟踪直接提取指纹图像细节特征的新方法,并与传统算法进行了比较.这种方法不经过二值化、细化等过程,能显著减少预处理带来的累计误差,加快处理速度,在一定程度上提高了准确率.实验证明,以上算法行之有效,在实际应用和严格测验中取得了较好的效果.     

动态目标生成技术的研究

针对光端机的粗跟踪精度检测方案,设计了动态目标生成器,为激光通信用光端机提供动态目标并进行粗跟踪精度测试。详细介绍了检测原理,设计了动态目标生成器的结构,利用有限元分析软件对关键部件进行分析,对精度进行了计算。分析结果表明,该设备可靠性高,能够提供要求的检测精度,为光端机的研制提供理论依据。     

自适应Kalman滤波的运动物体跟踪算法研究

针对实时视频中的运动物体跟踪问题,提出了一种基于自适应Kalman滤波的运动物体跟踪新算法。首先利用基于∑-△背景估计算法检测运动物体,并提取主要颜色特征。然后构建物体运动模型,并生成自适应Kalman滤波的系统状态模型。最后利用主要颜色特征进行物体跟踪,其结果反馈给自适应Kalman滤波器,并通过遮挡率自动调整参数达到正确跟踪。实验结果表明,所提出的自适应Kalman滤波算法在运动物体被遮挡等复杂条件下的鲁棒性好,还具有跟踪准确性高和数据计算量小等优点,可用于实时运动物体的检测与跟踪。