考虑误差校正的智能车辆路径跟踪鲁棒预测控制

为进一步增强高速智能车辆路径跟踪预测控制的鲁棒性和实时性,研究了一种考虑误差反馈校正机制的路径跟踪预测控制方法。考虑车辆纵向、侧向和横摆运动建立三自由度弱非线性车辆模型,以泰勒公式展开实现控制模型的线性时变一阶近似,引入预测状态变量构建路径跟踪预测优化问题。针对车辆参数偏差、系统时变和外界干扰等不确定性因素导致的建模失配,定义系统实际状态值与预测值之间的误差,得到带有反馈校正项的预测输出模型,通过误差反馈校正机制增强路径跟踪控制系统的鲁棒性。将路径跟踪预测优化问题推导转化为带约束的二次规划问题,并通过数值解法实现路径跟踪鲁棒预测控制律的滚动优化求解。结果表明:误差反馈校正机制可以有效改善路径跟踪预测控制算法因整车质量和横摆转动惯量变化导致的低鲁棒性问题,能够实现智能车辆高速行驶工况下的路径跟踪功能,且具备良好的实时性。     

改进的KCF实时目标跟踪算法

提出了一种改进的核相关滤波(KCF)实时目标跟踪算法.增加初始化跟踪范围自适应的策略,同时在跟踪过程中采用动态学习率.利用初始化跟踪范围自适应方法对跟踪目标响应趋势进行快速判断,若响应值快速衰减,则扩大跟踪范围.动态学习率的设定也与目标响应强度密切相关,当目标响应强度较高时,目标学习率较高,增加模型的鲁棒性;当目标响应值低时,模型学习率降低,减少模型保护的噪声信息.最后介绍了DSP6455定点单核定点处理器上的算法移植工作,实测耗时为23 ms,满足实时性要求.     

减小瞄准具动态误差、缩短稳定跟踪时间的有效方法

本文证明了在飞机武器系统的火力控制系统中，在适当条件下，选取阻尼系数Ｈ＝０，可缩短稳定跟踪时间，减少动态误差．     

目标密集情况下的跟踪滤波器

本文讨论了在目标密集情况下卡尔曼滤波器作为跟踪滤波器存在的问题。指出在目标密集时,辨识的不准确性将会使卡尔曼滤波器失去其无偏性。然后本文给出了一种改进的滤波器。这种改进的滤波器在目标密集时仍能保证无偏性。     

SBR的实现及其极化方式的处理

本文给出了一种正确而有效的室内场强分布预测分析方法,它基于SBR/Image方法。本文主要论述了该方法的实现方法及步骤,其中对于反射极化问题作了重点论述,提出任意多次反射射线极化的处理及实现方式,从而解决传统方法中简化甚至忽略反射极化问题的严重不足。     

一个基于知识的目标跟踪信息处理系统

提出了一个基于知识的目标跟踪信息处理系统，系统采用结构化的黑板模型，领域知识不仅用来指导高级的目标识别与跟踪，也用来指导低级的图像分割，研究了一种不确定性知识的表示方法和推理模型，知识用产生式规则和过程表示，实验表明，所提出的方法是切实可行的，基于知识的目标跟踪系统在目标识别、跟踪精度、抗干扰能力和自适应能力等方面比传统方法优越。     

多特征实时电视跟踪器

本文描述一种多特征实时电视跟踪器,应用3×3中值滤波器对目标图像进行预处理,采用SOBEL算法提取目标的边缘信息,利用目标灰度和边缘联合特征的贝叶斯分类算法检测和分割目标,在低对比度小目标情况下可以稳定跟踪目标,经外场试验取得满意的结果,该电视跟踪器已用于地空武器系统中。