一种新的自适应卡尔曼滤波算法——ALR算法

本文提出一种新的自适应卡尔曼滤波算法——ALR(Adaptive Least Residual)算法.该算法从经典的卡尔曼滤波出发,使残差达到最小,以残差(residual)样本值代替统计值,再用最陡下降法估计算自适应权增益,最后得到一组自适应滤波公式.通过理论分析和计算机模拟,证明该算法具有算法简单、运算量小等优点,适于在自适应系统辨识、自适应谱估计中作实时处理.     

基于S-D分配的集中式多传感器不敏滤波算法

研究了非线性环境中的集中式多传感器多目标跟踪问题,提出了一种基于S-D分配的集中式多传感器不敏滤波算法。算法通过广义S-D分配技术实现每个传感器中的量测与目标的数据关联,求得所有可能互联中的最佳划分,然后按照顺序多传感器联合概率数据互联算法,依次处理最佳划分中各传感器源于同一目标的量测,在此基础上通过不敏卡尔曼滤波(UKF)解决非线性系统中的目标跟踪问题。最后给出了该算法与MSJPDA/EKF算法的仿真比较,结果表明该算法具有更高的稳定性和跟踪精度。     

GPS动态导航定位的当前统计模型与自适应滤波

GPS动态定位的数据处理中广泛应用卡尔曼滤波,而卡尔曼滤波的应用要求动态模型(函数模型)和随机模型可靠和切合实际,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差。针对GPS动态定位的这一问题,本文探讨了在实际应用中存在模型误差时的卡尔曼滤波,介绍了一种基于协方差匹配技术的自适应卡尔曼滤波算法,该法当Q已知时可以准确地估计出R。它的独特之处在于原理上易于理解,在实际中也很容易实现,它是通过判定发散的判据,求出噪声统计的估计值,然后再按得到的噪声统计估计值计算新息序列的协方差阵,因此消除了滤波发散现象。     

基于最优信息融合卡尔曼滤波的预测控制算法

针对噪声环境下的线性时不变系统,给出了基于最优信息融合卡尔曼滤波的预测控制算法.运用线性最小方差意义下的最优信息融合卡尔曼滤波方法获得状态估计,进而得到输出的 N步超前预测值,最后通过最小化二次性能指标获得基于信息融合状态估计的控制输入.仿真实例验证了算法的有效性.     

扩展卡尔曼滤波估计载波参数的算法研究

提出了一种在接收信号幅度未知的情况下进行载波参数估计的扩展卡尔曼滤波算法,该算法把信号幅度及伪码自相关的乘积作为一个独立变量和载波相位、频率一起组成状态向量进行扩展卡尔曼滤波。理论分析表明该算法本质上是具有可变增益的幅度锁定环和相位锁定环的联合估计,并给出了稳态时环路闭环传输函数和等效噪声带宽的解析表达式。仿真结果表明该算法在高低信噪比下,均具有较高的估计精度和较快的收敛速度。     

基于车辆前方目标运动模型的主动避撞系统的研究

为提高毫米波雷达在探测目标运动状态方面的精确性,针对车辆前方目标运动特点,基于目标运动模型,采用卡尔曼滤波跟踪方法,根据城市道路车辆行驶的实际情况,选取当前统计模型作为机动目标模型,采用基于当前统计模型的卡尔曼滤波跟踪算法,应用Simulink搭建仿真模型,就匀速运动、匀加速运动及变加速运动3种前方目标行驶工况进行目标跟踪仿真对比试验。仿真结果表明:该算法可用于3种工况的目标跟踪,且误差小,具有良好的跟踪效果。搭建实车试验平台,采用一种安全距离模型,对目标跟踪算法进行实车试验。结果表明:使用该算法后车辆避免了碰撞,所建立的模型是可靠的。     

求解奇异非线性方程组的三角进化算法

给出了一种基于三角进化算法(TE)的求解奇异非线性方程组的方法.将方程组的求解问题先转化为无约束函数优化问题,而后利用种群并行搜索策略的三角进化算法对其求解.数值实验的结果证明了该算法的全局收敛性和有效性.     

基于卡尔曼滤波和改进粒子群的MPPT算法

针对常规的粒子群算法（particle swarm optimization algorithm，PSO）在应用中存在数据波动大、数据精确采集难度高和追踪速度慢等问题，课题组提出了基于卡尔曼滤波和改进粒子群优化算法的光伏最大功率点跟踪（maximum power point tracking，MPPT）控制器技术，并结合卡尔曼滤波、恒定电压和冒泡排序等方法进行优化。实验结果表明课题组提出的算法可以快速、准确地跟踪到最大功率点，提高了MPPT的响应速度和精度，提高了光伏发电的利用效率。     

车路协同环境下的双雷达车辆检测和跟踪优化方法

为降低单一角度检测误差、改善驾驶员视野盲区,基于车路协同环境下提出了一种车载和路侧双毫米波雷达融合的车辆检测和跟踪算法。利用自适应DBSCAN算法建立路侧雷达数据在车载雷达坐标系的映射,采用无迹卡尔曼滤波算法实现车辆运动状态跟踪。在此基础上,通过在实际场地采集真实雷达数据进行仿真计算,并利用高精度定位和OBD读取的车速进行对比验证。研究结果表明:该方法取得了较理想的车辆跟踪效果。     

无线Mesh网络中基于协同调度的流媒体传输控制的研究

在分析了无线Mesh网络(WMN)结构特点和传统动态源路由算法(DSR)的基础上,针对流媒体传输特点提出了视频子流的质量评估模型,通过此模型确立一种新型协同资源调度策略.大量仿真结果表明,基于该策略的DSR路由比DSR路由算法具有更好的平均传输速率和网络吞吐量.     

无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法。在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪。算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计,提高了目标跟踪的精度。同时通过动态簇头之间的目标状态信息的交换,实现了运动目标的动态连续跟踪。仿真结果表明,算法实现了运动目标协作跟踪,与集中式结构目标跟踪相比,跟踪精度提高了30%。     

一种激光雷达的机动目标跟踪算法

分析了激光雷达在点跟踪模式下的工作特点，得到了适用于此激光雷达边缘跟踪的四象限输出加权方法。不少文献中都讨论过跟踪算法。经过对这些算法的研究，提出的新算法基于双模型、两次检测结构的卡尔曼滤波器，并外加一些举措提高了它的精度。这种算法有运算量简单、精度高的优点。计算机访真结果显示了它的有效性。     

基于灰关联无源多目标跟踪系统航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本上照搬多传感器数据融合的理论,仅利用目标的状态信息.文中利用了目标的多特征信息(载频、脉宽、脉冲重复间隔等),应用灰关联理论,提出了一种基于灰关联的分布式无源多目标跟踪系统的航迹关联算法.由于利用了目标多特征信息,算法具有关联速度快、正确率高、而且能够适应密集目标环境的优点.仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法.     

基于虚拟网格技术的自适应车辆跟踪算法的研究

为了解决车辆跟踪速度、精度、非线性等问题,引入简化跟踪目标图像信息的虚拟网格技术,结合改进的Kalman预测理论,构建自适应车辆跟踪算法,利用该算法完成对移动目标车辆进行实时检测跟踪。测试结果验证了算法提高视频图像中移动目标跟踪速度,且以较高的精确性对单个、多个移动目标进行检测跟踪。     

基于有效预测区域的模糊数据关联

多目标多传感器跟踪系统由数据关联和目标状态估计两部分组成,数据关联是多目标跟踪系统研究的核心。数据关联和目标状态估计两部分既有一定的独立性又有密切的联系,而将两部分合理地结合对提高跟踪系统的性能是重要的。该文以跟踪目标的有效预测区域为依据,利用基于Mahalanobis距离的模糊均值聚类方法解决数据关联问题,在一定程度上将数据关联和目标状态估计两个不同的过程相结合,仿真计算说明了其有效性。     

当前统计概率数据关联算法

目标跟踪领域的一个研究重点是如何解决在密集杂波环境下机动目标的跟踪问题。机动目标跟踪的关键是解决目标模型的不确定性,而密集杂波环境则使这个问题变得更加复杂。针对这一问题,提出一种当前模型概率数据互联算法。该算法将当前模型算法与概率数据互联相结合,在使用概率数据互联算法的同时,利用当前模型算法对目标出现的机动进行自适应滤波。最后,给出了算法的仿真分析,仿真结果说明该方法能够有效地跟踪杂波环境中的机动目标。     

经典哈密顿力学的辛算法

辛算法具有长时间的稳定性和跟踪能力,所以,运用辛算法求解哈密顿系统,尤其在长时间、步数多的计算中和保持系统整体结构上较其他非辛算法显示出明显的优越性。本文考虑辛算法的优点,论述了辛算法在强场物理、非线性物理、天体物理中的应用。     

基于模糊Topsis的传感器资源分配算法

影响传感器资源分配的目标属性有多种.文中将目标模糊多属性效用作为传感器资源分配的依据,提出了一种基于模糊Topsis的传感器资源分配算法,并分别给出了影响资源分配的目标多属性模糊效用函数.提出了几种传感器资源分配性能评价指标.仿真结果表明,该算法充分考虑了目标跟踪和威胁等多因素,更符合不同目标对传感器资源的需求.     

遗传算法在指数投资组合中的应用

将遗传算法运用于证券指数投资分析，具体解释了染色体、适应值函数在股票投资分析中的实际意义，设计了选择、杂交、变异算子的使用方案，并选用上海证券交易所上证180指数为目标指数进行实证研究。实验结果表明，该算法能够有效地跟踪和模拟180指数。