基于高提升滤波与àtrous小波分解的遥感图像融合算法

针对àtrous小波分解过程中的细节损失以及融合结果边缘模糊等问题,提出一种基于高提升滤波和àtrous小波分解的遥感图像融合算法.首先,利用àtrous小波变换得到第一层小波面,然后将获取的小波面作为非锐化模板进行高提升滤波,最后将滤波后的影像作为高频分量参与àtrous小波重构得到融合图像.基于北京地区的高分一号影像进行了算法验证,结果表明本算法优于传统小波域中的图像融合算法,对于城镇等建筑密度比较高的地区,融合后的影像保留了更多的细节信息,可以更好地支持城市变化检测和城市土地利用分析等方面的应用研究.     

用于频率域航空电磁数据的二维自动调平

研究了频率域航空电磁数据的自动调平问题.提出了一种基于一维、二维滤波处理的二维自动调平算法.零漂具有随机性且一般变化缓慢,二维滤波处理可从航电数据中求出包含局部异常和零漂的中间结果,一维滤波处理能从中间结果中求出零漂主要成分,二者结合就能从航电数据中除去大部分零漂误差.该算法只需输入简单的处理参数,实际数据处理结果表明它比以往的调平方法计算速度快、调平效果好、人为因素对结果的影响小,可有效除去零漂造成的"窗帘效应",提高视电阻率和平面剖面图质量.二维自动调平算法为频率域航空电磁数据的零漂调平提供了新的处理手段.     

基于多重分形的地形辅助导航路径规划算法

地形导航是一种利用航行器下方地形信息获取航行器位置的导航技术。为了得到较高的定位精度并使飞行长度尽可能短,需要预先规划飞行路径。该文将地形数字高程图(digital elevation model,DEM)看作二维灰度图像,引入在图像处理中得到广泛应用的多重分形理论,将利用小波变换求得的奇异指数作为地形提供定位精度能力的一种度量。选择合适的阈值划分得到定位优区,利用A*算法寻找最短路径,此路径即是规划路径。选用粒子滤波作为导航算法,沿规划路径和其他路径进行多次飞行仿真,结果显示规划路径的定位精度和稳定度都比较高,而且路径长度短,有较强的实用性。     

平稳过程的最佳FIR滤波器研究

很多实际处理的信号都是平稳随机信号,其中FIR滤波器具有良好的稳定性。讨论了平稳随机信号、FIR滤波器结构和最小均方误差准则。并且以LMS算法和NLMS算法为基础,研究讨论了平稳最佳FIR滤波器的实现。并在MATLAB下仿真实现了基于LMS算法的最佳FIR滤波器。最后建立分析了一个基于NLMS算法的自适应信道均衡系统模型。用经典的窗口法对FIR滤波器进行了设计。     

基于EM算法的随机动态系统建模

提出一种在噪声统计信息未知的情况下,对随机动态系统模型进行建模的方法.采用状态空间模型描述随机动态系统,模型的参数通过EM算法进行估计,通过改进该算法中的Kalman滤波,实现了对噪声协方差矩阵的估计.基于改进的Kalman滤波,EM算法可以用于噪声统计信息未知的动态系统建模.     

基于改进粒子滤波算法的比较分析研究

提出一类改进的粒子滤波算法.对于建议分布的选取方案,此算法采取强跟踪分散的卡尔曼滤波方式建立它的建议分布.由于线性调节参数,此算法让系统拥有更优越的自适应性及鲁棒性,对高机动目标具有更强的跟踪效果,继而为强跟踪扩展卡尔曼滤波的能力.仿真结论说明,此算法的性能比别的几类非线性滤波算法更加优秀.比如辅助粒子滤波器(APF)、迭代扩展卡尔曼粒子滤波器(IEKE-PF)、Unscented粒子滤波器(UPF)、正则化粒子滤波器(RPF),则是在bootstrap粒子滤波器提出之后,继而出现的改进的粒子滤波器0基于粒子滤波,本文提出了阻止粒子退化的两个重点原因,以及选取合适的采样建议分布及重采样算法.     

粒子滤波算法研究现状与发展趋势

<正>作为现代非线性滤波最为关注的一类滤波方法,粒子滤波算法近年来的研究取得了引人注目的成绩,不仅推动了控制科学、信息科学、航空航天和电子技术的快速发展,同时也对人工智能、机器学习、信息处理、     

视觉跟踪中的粒子滤波算法研究进展

详细讨论粒子滤波算法在视觉跟踪领域的研究现状,对应用粒子滤波算法解决单目标及多目标跟踪问题进行了详细的分析.在粒子滤波算法框架内,选择一个合适的建议分布构建基于粒子滤波算法的跟踪算法是文章关注的焦点.对视觉跟踪中的难点问题:遮挡、目标交互、场景光线变化等详细的分析了使用粒子滤波算法的解决方法.第三部分对当前粒子滤波算法在视觉跟踪应用中存在的问题进行了分析,最后给出了结论.     

多传感器全局最优加权观测融合Wiener信号滤波器

基于Kalman滤波,应用加权观测融合方法,对于带白色观测噪声的单通道ARMA信号,提出了全局最优多传感器观测融合Wiener信号滤波器。可统一处理信号融合滤波、平滑和预报问题。同集中式规测融合方法和分布式状态融合方法相比．不仅可获得全局最优Wiener信号滤波器,而且明显减小计箅负担,便于实时应用。一个三传感器加权观测融合仿真例子说明了其有效性。     

广义系统多传感器分布式融合降阶Kalman滤波器

对于带多传感器的广义线性离散随机系统,应用奇异值分解,将其变换为等价的两个降阶多传感器子系统,提出了基于变换后的状态融合器构造原始状态融合器的新的融合方法。应用Kalman滤波方法,在线性最小方差按矩阵加权、按对角阵加权和按标量加权融合准则下,分别提出了三种最优加权融合降阶广义Kalman滤波器。可统一处理融合滤波、平滑和预报问题。可减少计算负担和改善局部滤波精度。证明了三种融合器和局部估值器之间的精度关系。为了计算最优加权。提出了局部滤波误差协方差阵的计算公式。一个Monte Carlo仿真例子说明了其有效性。