基于Adams预估校正的UKF跟踪外推算法

不敏Kalman滤波(UKF)算法可以广泛用于各种目标运动的非线性估计中,传统的UKF滤波算法对于时间更新(即一步预测),一般采用对目标运动方程进行离散化或线性化处理,其结果不可避免地产生离散化误差,当目标运动非线性较强时,会导致跟踪误差增大,甚至无法给出正确的预测结果.文中提出的基于阿当姆斯(Adams)预估校正的UKF算法(即Admas-UKF),很好地解决了弹道目标过顶点的跟踪外推问题,仿真结果显示,与传统的UKF算法相比,此算法提高了跟踪外推精度,而计算时间远少于龙格库塔不敏Kalman滤波(Runge_Kutta-UKF)算法.     

基于改进Camshift算法的NAO机器人目标跟踪

针对Camshift算法应用于NAO机器人目标跟踪过程中,当目标受到相似颜色背景干扰或被物体遮挡时跟踪失败的问题,提出一种基于ORB特征检测和Kalman滤波多算法结合的目标跟踪方法。首先检测目标ORB特征点初始化搜索窗口,然后利用Kalman滤波作为目标运动状态的预测机制,以预测的位置初始化Camshift算法。利用Bhattacharyya距离判断跟踪窗口的收敛性,若受到背景干扰,则利用ORB算法对当前帧中的Kalman预测区域和目标模型进行特征点匹配,重新检测目标在视频帧中的位置。根据Kalman滤波预测目标被物体遮挡后可能的位置来更新预测器参数。实验结果表明,改进的算法能够在相似颜色背景干扰和目标遮挡的复杂环境下,连续稳定地跟踪运动目标。     

基于衰减记忆法滤波的多假设跟踪算法

本文在讨论多假设跟踪算法原理的基础上,分析了影响其跟踪精度的关键——Kalman滤波,我们提出用衰减记忆法卡尔曼滤波代替原标准卡尔曼滤波,并采用计算机仿真实验对比的方法研究了改进的多假设跟踪算法的效果。实验结果表明改进后的算法能有效地抑制滤波器的发散,提高航迹预测精度,在不增加系统运算时间的前提下,使得多假设跟踪算法的性能得到了很大的提高。     

相互作用多模型跟踪过程中的航迹外推算法

提出运用IMM对目标进行跟踪时的航迹外推算法,解决了机动目标跟踪中的航迹外推问题。利用历史信息和转移概率推导出模型预测概率,结合单一模型的预测航迹和模型预测概率得到了相互作用多模型跟踪过程中的外推航迹。通过Monte-carlo仿真表明,运用外推方法在机动目标跟踪时能将误差控制在较小的范围内,具有很好的跟踪性能。     

时变条件下MIMO-OFDM系统中的信道估计算法

本文设计了时变多径衰落条件下MIMO-OFDM系统中一种新的信道估计算法.该算法结合递归EM算法和Kalman预测对时变信道进行跟踪.借助软球形译码器(List Sphere Decoder,LSD)产生的搜索列表,递归EM算法序贯遍历搜索列表中可能的符号组合来估计各个子载波上的信道频率响应;基于获得的信道频率响应估计,Kalman预测器利用衰落信道的时域二阶统计特性进一步跟踪信道时变.仿真结果表明:本文设计的算法可以有效跟踪信道时变,性能优于传统的软输入Kalman滤波算法.     

基于VC的目标跟踪教学仿真实验的设计与实现

Kalman滤波算法在信号处理领域有极其广泛的应用。本文介绍了Kalman滤波类的设计以及如何在VC平台上实现目标跟踪教学仿真实验。利用类的思想和C＋＋语言面向对象编程（OOP）的特性,可以方便地设定仿真轨迹、添加和移植各类滤波算法、比较滤波效果。     

基于变维卡尔曼滤波的塔康距离跟踪算法

为提高跟踪精度,在塔康系统距离测量中,可采用 Kalman 和α-β算法对距离测量值进行滤波。要确保处理精度,采用 Kalman 滤波器,状态变量取的会比较多,而α-β算法是一种常增益滤波器,会出现发散情况。针对两种滤波器的不足,提出了变维 Kalman 滤波的塔康距离跟踪算法,该算法建立距离测量的非机动模型和机动模型,通过距离滤波在机动和非机动两种模型间的自适应切换,完成塔康距离实时跟踪。应用 Monte Carlo 方法仿真表明：该算法可实现塔康距离的实时跟踪,而且距离测量准确度有了一定提高。     

修正Kalman滤波多带UWB信道估计改进方法

针对多带超宽带(UWB)系统中修正Kalman滤波算法复杂度高的缺陷,提出一种低复杂度的修正Kalman滤波改进方法。该方法中UWB信道采用自回归模型(AR)建模,利用导频跟踪时变信道衰减因子,通过Kalman滤波和频域分段最小均方误差(MMSE)算法同时跟踪信道的时域相关性和频域相关性,提高了系统性能,降低了计算复杂度。仿真结果表明,和修正的Kalman滤波方法相比,在估计精度损失很小的情况下,所提方法极大降低了计算复杂度,提高了系统整体的估计性能。     

基于导频和修正Kalman滤波的MIMO-OFDM信道估计方法

提出了一种适用于时间频率选择性衰落信道的MIMO-OFDM系统的组合信道估计方法。采用AR过程对信道进行建模,利用基于导频的低维Kalman滤波算法进行信道估计,并采用LS算法估计时变的信道衰减因子。Kalman滤波跟踪了信道的时域相关性,为了同时跟踪信道的频域相关性,采用了一种基于MMSE(minimum mean square error)的合并器对Kalman滤波算法进行修正。仿真表明,提出的这种组合算法降低了传统的Kalman滤波结构的复杂度,能够跟踪信道的时频变化,改进了基于LS准则的信道估计算法,并且与复杂的高维Kalman滤波算法的信道估计性能相当。     

一种最小二乘与自适应Kalman联合滤波算法

"当前统计模型"滤波算法中采用上一帧的加速度来预测当前时刻的目标位置,当目标做变加速度运动时,预测值不能反应本帧的加速度变化,目标跟踪精度难以保证.针对这个问题,本文提出了一种最小二乘和Kalman的联合滤波算法,在自适应Kalman滤波前,采用最小二乘算法对当前数据进行拟合,用拟合的位置、速度和加速度作为目标的预测位置送入Kalman滤波器进行滤波处理,克服了"当前统计模型"滤波中存在的问题,提高了跟踪精度.     

基于卡尔曼滤波的盲空时检测器

文章提出了一种基于卡尔曼滤波的盲空时多用户检测方法。卡尔曼滤波是一种线性最小方差状态估计,把它有效地结合阵列天线与多用户检测。该自适应多用户检测方法不需要发送训练序列。在多径衰落信道下,仿真结果表明该方法收敛速度比LMS算法更快,有较强的抗多径和多址干扰能力。     

On the general Kalman filter for discrete time stochastic fractional systems

In this paper the derivation of Kalman filter for discrete time-stochastic fractional system is investigated. Based on a novel cumulative vector form model for fractional systems, a general Kalman filter is introduced. The validity of the proposed method has been compared with a previously presented method via simulation results. It is shown that this method can be better applied for discrete time stochastic fractional systems with slower dynamics.     

三状态样条Kalman滤波与目标机动检测

基于样条方法和Kalman滤波理论，给出了一种新的三状态样条Kalman滤波方法及对目标进行机动检测的方法。该滤波方法用样条函数建立目标运动模型，应用Kalman滤波进行状态估计；该机动检测方法通过检测滤波新息来对目标机动发生或消除进行判断。由于考虑了加速度的实时估计，该滤波方法尤其适用于对弹道式目标的机动跟踪。仿真计算与实测数据计算表明：该滤波具有较高的精度；该机动检测方法具有较高的检测效率。     

单目视觉目标观瞄光点实时定位方法

针对目标跟踪仿真系统中观瞄光点在数字仿真图像中的实时定位问题,提出一种基于单目视觉的光点实时定位方法。首先,采用卡尔曼滤波的方法对光斑在采集图像中的粗略位置进行预测;然后,在以此粗略位置为中心的光斑区域内采用基于Hessian 矩阵的方法对光斑中心坐标精确提取;最后,在建立有摄像机像平面上点到数字仿真图像上对应点的定位模型基础上,由提取的光斑中心坐标经定位模型求解实现光点定位。实验结果表明:该方法对光点定位的误差为0.4 pixel,且每帧图像的光点定位时间为0.32 ms。该方法可实现目标跟踪仿真系统光点的高动态、高精度实时定位。     

小波变换域估计观测噪声方差的Kalman滤波算法及其在数据融合中的应用

众所周知,卡尔曼滤波的成功应用需要事先准确知道观测噪声的统计特性.本文首先简要分析了不准确的观测噪声统计特性对卡尔曼滤波性能的影响,然后利用小波变换可以实时分离信号和噪声的特性,提出了一种在未知观测噪声条件下的卡尔曼滤波算法,该算法可以实时跟踪观测噪声的变化,即实现了对观测噪声方差的实时估计,从而解决了在未知观测噪声的条件下卡尔曼滤波失效问题.最后讨论了提出的方法在信息融合中的应用,仿真结果证明了本文方法的有效性和实用性.     

基于自适应锁相环的高动态GPS信号载波跟踪算法

提出了一种基于四维卡尔曼滤波的自适应锁相环算法,并将该算法用于高动态GPS信号的载波跟踪.详细推导了卡尔曼滤波与数字锁相环之间的等效性,并给出了相应的环路更新步骤.仿真结果表明,该算法相对于采用固定增益数字锁相环的算法明显地降低了载波跟踪过程的均方根频率误差,提高了接收机的测速精度.     

无线电静默下数据链端机的时间同步守时优化

在无线电静默的情况下所有数据链端机无法进行往返校时,这会导致端机间时间同步精度的降低。国内外普遍使用卡尔曼滤波的方法来实现守时优化,但当模型建立不准确时,容易出现滤波发散的现象。提出了一种改进的卡尔曼滤波算法,在自适应渐消卡尔曼滤波渐消因子计算方法的基础上,将其与奇异点剔除技术相结合来防止滤波的发散。该方法计算过程比较简单,满足工程所需的实时性要求。多次仿真实验证明数据链端机可以满足10 m测距所要求的33 ns以内的时间同步精度要求,使得数据链端机在静默结束后可以完成更高要求的任务。     

光电稳定跟踪平台中微机电陀螺滤波方法研究

根据微机电陀螺的实测数据,分析了其噪声特性,建立了微机电陀螺零漂的AR模型.研究了基于Kalman滤波的陀螺去噪算法,给出了去噪结果,分析了Kalman滤波不能够在微机电陀螺信号去噪中获得较好效果的原因.在此基础上,将基于阈值决策的小波去噪方法应用于微机电陀螺的信号处理中,给出了滤波结果.实测结果表明由于后者不依赖于噪声的精确模型,根据噪声在不同频段的统计特性采用阈值决策滤波,具有更好的抑噪效果.最后给出了两种滤波算法的比较结果.     

卡尔曼滤波器在炮位侦察雷达中的应用

讨论了利用卡尔曼滤波器进行弹丸飞行模型辨识的方法,介绍了利用数值方法外推炮位的过程,并给出了两种火炮定位的计算机模拟结果。     

快速机动目标跟踪算法研究

根据空间目标作匀速转向运动的特点，提出了一种基于航向变化的目标加速度实时估计方法，在此基础上采用采样卡尔曼滤波器对该机动目标进行跟踪。仿真结果表明，这种新的加速度估计方法不仅能检测出目标机动开始和终止时刻，而且还能估计出快速机动目标的加速度大小，与扩展卡尔曼滤波器相比，采样卡尔曼滤波器具有更好的跟踪精度。