被动定向浮标阵卡尔曼滤波目标跟踪研究

文章研究利用被动定向浮标阵定位跟踪水下机动目标的方法,基于卡尔曼滤波(Kalman Filter, KF)原理提出一种定位跟踪滤波器的具体实现方法。该方法能够整合多枚浮标现在及过去有误差的测量数据,提高定位精度,同时连续输出水下目标运动参数估计从而锁定目标运动轨迹。该方法实现的关键在于建立水下目标与浮标阵的数学迭代运算模型,包括状态空间的动态与观测过程。由于被动定向浮标阵目标跟踪是一个非线性估计问题,而卡尔曼滤波器是线性的,因此文章设计了近似的线性观测方程以利用卡尔曼滤波来解决这个问题。通过计算机仿真研究该滤波器的跟踪效果并与最小二乘法进行比较,估计精度明显高于最小二乘法。同时通过仿真验证该滤波器可以自适应跟踪目标的非稳态运动过程。该方法在工程实践上具有一定应用前景与指导意义。     

基于二阶转换测量Kalman滤波的目标跟踪算法(英文)

为了减小传统跟踪滤波算法线性化误差,提高光电跟踪系统的跟踪速度和跟踪精度,本文在三维空间中,提出了二阶去偏转换测量卡尔曼滤波算法.该算法利用二阶泰勒展开的方法,推导出了光电跟踪系统观测方程的转换测量值误差的均值和协方差矩阵表达式,并对测量误差进行去偏差补偿处理,再经过转换测量卡尔曼滤波,可显著减小传统滤波算法的线性化误差.仿真结果表明,二阶去偏转换测量卡尔曼滤波(SCMKF)算法的跟踪精度优于非去偏转换测量卡尔曼滤波(CMKF)和扩展卡尔曼滤波(EKF),以及unscented卡尔曼滤波(UKF)算法,并且具 有更快的收敛速度,和采用统计方法的去偏转换测量卡尔曼滤波(DCMKF)的跟踪精度相当,但计算简单,提高了跟踪速度.     

基于MEMS传感器的高精度姿态角测量研究

针对传统姿态参考系统姿态解算容易受到载体运动加速度的干扰,导致系统精度变低、稳定性变差等问题,提出一种改进的卡尔曼滤波算法。该算法建立基于四元数的惯性系统姿态解算数学模型,并根据载体运动加速度的大小,适时调整卡尔曼滤波器的量测噪声方差的大小,以此减弱卡尔曼滤波过程中运动加速度对姿态角解算精度的影响。采用MEMS三轴陀螺仪、加速度计和磁阻传感器完成载体在电梯升降过程中的测量,对实验测量数据进行姿态解算,结果表明改进后的卡尔曼滤波算法能够有效减小运动加速度对姿态解算的影响,姿态角的均方根误差相对于传统的姿态参考系统降低约40%。     

多传感器模糊融合跟踪算法

针对集中式融合结构跟踪系统,利用随机逼近算法分析了权值的最优分配原则,提出了一种基于模糊推理的多传感器融合跟踪算法。该算法采用协方差匹配技术,依据滤波新息,动态调整测量噪声方差,使融合系统的均方误差始终最小。同时利用双滤波器结构,根据系统方差,实现滤波器间的动态切换,提出了基于模糊推理的并行双Unscented卡尔曼滤波自适应跟踪算法,增强当前统计模型对弱机动目标的适应能力。针对机动和非机动飞行航路进行了算法仿真,结果表明,在时变测量噪声条件下,采用模糊融合跟踪算法前后的速度均方根误差分别为45.7m/s和36.2m/s, 18.7m/s和9.6m/s,提高了多传感器系统的稳健性和跟踪精度。     

一种基于ADS-B的雷达跟踪精度计算方法

分析目前雷达精度测量方法的弊端,介绍广播式自动相关监视技术(ADS-B)的基本原理和数据格式转换方法,并提出一种基于ADS-B数据的雷达跟踪精度计算方法。在利用ADS-B系统进行多目标跟踪的过程中,运用改进的数据关联算法(MPDA)和基于"当前"统计模型的自适应卡尔曼滤波算法,计算出雷达的跟踪精度。仿真结果表明:运用该方法 ADS-B系统能够高精度地跟踪目标,可以满足测量雷达跟踪精度的要求。     

电视跟踪系统的复合控制延迟卡尔曼滤波算法

为解决电视跟踪系统中由于脱靶量滞后存在降低系统跟踪精度的问题,在电视跟踪等效复合控制系统中提出了一种改进的卡尔曼滤波算法——电视跟踪延迟卡尔曼滤波算法,以对脱靶量滞后信号进行补偿．并在电视跟踪等效复合控制系统中对该算法进行了仿真实验．实验结果证明：①该算法在电视跟踪等效复合控制系统中是有效的;②该算法比以往的无延迟卡尔曼滤波算法和脱靶量延迟补偿滤波算法更有效地改善了速度预测误差,减小了跟踪误差,从而提高了电视跟踪系统的跟踪精度．     

电视跟踪系统的复合控制延迟卡尔曼滤波算法

为解决电视跟踪系统中由于脱靶量滞后存在降低系统跟踪精度的问题,在电视跟踪等效复合控制系统中提出了一种改进的卡尔曼滤波算法--电视跟踪延迟卡尔曼滤波算法,以对脱靶量滞后信号进行补偿.并在电视跟踪等效复合控制系统中对该算法进行了仿真实验.实验结果证明:①该算法在电视跟踪等效复合控制系统中是有效的;②该算法比以往的无延迟卡尔曼滤波算法和脱靶量延迟补偿滤波算法更有效地改善了速度预测误差,减小了跟踪误差,从而提高了电视跟踪系统的跟踪精度.     

基于卡尔曼滤波器的运动目标跟踪的实现

联系智能视频监控系统的现状,对运动目标跟踪技术的发展,提出了基于卡尔曼滤波的目标跟踪算法进行了详细论述,并进行实验验证。实验结果表明,系统能同时跟踪多个运动目标,系统实时性也能满足,基本解决了运动遮挡问题。     

一种基于改进卡尔曼滤波的camshift目标跟踪算法

针对目标跟踪中的突变问题,本文提出一种基于改进卡尔曼预测的camshift(continuously adaptivemean shift)跟踪算法.本算法首先使用一种新的目标颜色模型,对传统目标模型进行改进,提高了目标跟踪的准确性和稳定性;同时为了更有效的预测目标位置,对卡尔曼滤波的一步预测值进行改进,并将修改后的卡尔曼预测算法融入camshift算法中,跟踪中增加采样率.实验表明,与传统camshift算法相比,该算法能够处理目标运动中发生突变的情况,实现对运动目标高精度的跟踪.     

基于卡尔曼滤波的多运动目标跟踪算法研究

针对多运动目标跟踪的实时性和鲁棒性问题,本文提出了一种基于卡尔曼滤波的多运动目标跟踪算法,该算法运用卡尔曼滤波预测目标的位置,并以目标的中心点坐标、面积和长宽比特征、一维HSV颜色直方图作为目标的特征对当前帧检测到的目标模板和预测区域内的目标进行匹配。实验证明,该算法可实时、稳定地跟踪复杂场景内的多运动目标,并能够解决目标遮挡问题。     

3-D head pose recovery for interactive virtual reality avatars

This paper discusses a tracking method allowing real-time recovery of the three-dimensional (3-D) position and orientation of a moving head. The described method uses a wireframe model of the head, a feature-based matching algorithm, and an extended Kalman filter estimator. The resulting motion tracking system works in a realistic environment without makeup on the face, with uncalibrated camera, and unknown lighting conditions and background.     

光电跟踪的非线性卡尔曼滤波算法

为得到最小方差意义下的光电跟踪目标的最优状态估计,提出将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合,构成一种适用于非线性光电跟踪目标的卡尔曼滤波算法,并总结出详细算法结构.同时将此方法应用到非线性测量光电跟踪系统中,并与扩展卡尔曼滤波和U卡尔曼滤波进行性能对比.仿真实验结果证明,将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合是有效可行的,而且其性能明显优于扩展卡尔曼滤波和U卡尔曼滤波.     

基于空气阻力因子估计的乒乓机器人精确轨迹跟踪

乒乓机器人轨迹跟踪中,由于摄像机成像畸变、目标高速运动造成的成像模糊和空气阻力等不确定因素会导致跟踪误差.针对这些问题,本文提出一种基于空气"阻力因子"估计的轨迹跟踪算法.该方法结合了Kalman滤波器快速高效的跟踪优点,先从空气动力学模型推导出"阻力因子"项,并将其引入状态向量,重新对增广的状态向量进行非线性特征建模,再采用针对非线性估计的扩展Kalman滤波算法进行状态估计.实验结果表明,该算法跟踪精度优于传统轨迹跟踪算法(速度误差由±0.5m/s减少为±0.2m/s),并具有数值计算的实时性和高效性.     

快速运动目标的Mean shift跟踪算法

针对Mean shift本身的理论缺陷，提出Mean shift和卡尔曼滤波器相结合的快速目标跟踪算法。利用卡尔曼滤波器来获得每帧Mean shift算法的起始位置，然后再利用Mean shift算法得到跟踪位置。在目标出现大比例阻挡情况时，利用卡尔曼残差的计算来关闭和打开卡尔曼滤波器，此时，目标位置的线性预测替代了卡尔曼的作用。试验证明，本算法可以实现对快速运动目标的跟踪，对阻挡也有很好的鲁棒性。     

基于惯性跟踪的手臂运动及脑波一致性分析

考虑到脑卒中患者的传统偏瘫康复手段依赖于康复医生的指导和康复器械的协助,忽略了患者的主动参与性,缺少支配肢体运动的大脑神经系统的直接参与,以手臂运动为对象,研究了人体手臂运动时各姿态的变化及相应的脑电信号的变化,以探究人体上肢不同频率运动时大脑神经系统的参与情况与脑电信号变化情况,并提出了混合式Kalman滤波的数据融合算法和基于盲源分离的去除眼电伪迹的方法。在此基础上设计了快速手臂伸曲和慢速手臂伸曲运动实验和快速、慢速两种任务的手臂伸曲运动想象实验。实验表明,手臂运动与手臂运动想象脑波信号具有一致性,从而验证了所提方法的有效性。     

一种用于电视跟踪系统中的多模式数据融合方法

基于单传感器多模式数据融合的思想,设计了一种联合卡尔曼滤波器。通过卡尔曼滤波分 散处理多个模式跟踪结果数据,再将处理结果进行全局融合得出跟踪最终结果。仿真和室内实验都表明,这种方法用于实时电视跟踪系统中可有效提高跟踪精度,融合后的均方误差是融合前的0.05倍,具有一定的容错能力,运算量小,且易于实时实现。     

水下机动目标跟踪技术研究

水下目标跟踪是海洋国土监视、反潜战等环境下的关键技术。以往的跟踪滤波算法主要基于卡尔曼滤波、扩展卡尔曼滤波等算法,这些方法实现比较复杂,滤波精度不高。最近出现了不敏卡尔曼滤波、粒子滤波、转换瑞利滤波、双多基地跟踪算法等,需要研究这些算法在水下目标跟踪中的性能。总结对比了国内外学者在此领域的研究成果,得出了这些滤波算法在水下目标跟踪中的优缺点。重点论述了纯角度跟踪和非线性滤波算法的发展、在水下目标跟踪中的应用以及多基地声纳跟踪水下目标技术的发展,回顾了机动目标跟踪和多目标数据互联算法。研究表明,非卡尔曼滤波算法能够更高精度地跟踪水下目标,双多基地声纳是今后发展的重点。为今后的研究提供参考。     

基于自适应前景分割及粒子滤波的人体运动跟踪

提出了在图像序列中用自适应前景分割及粒子滤波对人体的3-D运动轨迹进行跟踪的方法．首先建立了像素点的高斯模型,并结合图像帧间的差分信息以及灰度分布的先验概率等因素完成了图像中人体的自适应分割．根据所得到的分割结果建立了透视投影下的运动平面跟踪模型．根据投影过程的非线性以及图像中噪声分布的未知性,提出了粒子滤波的跟踪方法,并最终得到了人体运动平面的3-D轨迹．实际人体运动图像序列的实验证明,本文方法能有效地跟踪人体运动的3-D轨迹,并反映出在此跟踪问题上粒子滤波比传统的扩展卡尔曼滤波更具优势．