基于伪线性卡尔曼滤波的多站IRST系统跟踪技术

建立了目标的多站IRST（红外搜索与跟踪）系统的伪线性观测模型,基于该模型提出了匀速运动目标的伪线性卡尔曼滤波算法．算法利用伪线性方程组获得滤波器的初值,从而提高了滤波器的跟踪精度和速度．分别采用伪线性卡尔曼滤波器与推广卡尔曼滤波器对目标进行跟踪的仿真结果表明：当探测器数目为3、4时,在跟踪初始阶段．曲线性卡尔曼滤波器在跟踪的速度和精度方面均优于推广卡尔曼滤波器,在稳定阶段,两者的性能基本相仿．当探测器数目为6时,则不论是在跟踪的初始阶段,还是在稳定阶段,伪线性卡尔曼滤波器与推广卡尔曼滤波器的性能基本相同．     

无源北斗/捷联惯导(SINS)紧组合导航技术的应用研究

针对北斗系统有源定位方式保密性差、用户数目有限,不能提供连续的位置、速度、姿态信息的问题,提出利用北斗系统3颗地球静止卫星的载波相位时间差分信息,与车载捷联惯导(SINS)构成紧组合导航系统,通过扩展卡尔曼滤波器估计并修正惯导系统的速度误差;引入载体的侧向和天向速度约束,改善了速度估计精度;结合北斗系统的伪距信息,消除了长航时条件下位置误差的积累;推导了滤波器观测方程,对组合导航滤波器进行了设计;通过车载实验进行了验证,实验结果表明,速度误差和位置误差的积累受到了有效地抑制,精度满足陆地战车导航的要求.     

一种用于组合导航的多层感知机模型

针对组合导航系统，研究了一种多层感知机模型，采用相应的ＢＰ算法训练此神经网络，并将其代替闭环卡尔曼滤波器，应用于ＧＰＳ／ＳＩＮＳ组合导航系统，通过计算机仿真，表明了这种模型较标准的前馈型神经网络更适于组合导航系统，具有较好的学习能力与较快的收敛速度 。     

EKF、UKF、PF目标跟踪性能的比较

雷达系统的非线性目标跟踪已被人们广泛重视。扩展卡尔曼滤波器（EKF）是将卡尔曼滤波器（KF）局部线性化，其算法简单、计算量小，适用于弱非线性、高斯环境下。不敏卡尔曼滤波器（UKF）是用一系列确定样本来逼近状态的后验概率密度，在高斯环境中，对任何非线性系统都有较好的跟踪性能。粒子滤波器（PF）是用随机样本来近似状态后验概率密度函数，适用于任何非线性非高斯系统。文中通过仿真实验，对三者的性能进行了仿真比较，结果证明在复杂的非高斯非线性环境中，粒子滤波器的性能明显优于另外两种滤波器，但计算复杂，耗时长。     

定位报告系统（PLRS）中的卡尔曼滤波器解耦设计

定位报告系统以同步时分多址方式工作，利用卡尔曼滤波技术进行实时的定位解算。为了达到提高解算速度，节约存储空间，并保证足够定位精度的目的，将全状态量的卡尔曼滤波器解耦成三个小的卡尔曼滤波器－－高度滤波器，时钟滤波器和踪迹滤波器，仿真分析表明解耦设计是合理而成功的。     

基于卡尔曼滤波器的焊缝识别算法

为了提高工业现场焊缝跟踪的准确性和抗干扰能力,提出了一种基于约束卡尔曼滤波器的焊缝识别算法。采用结构光测量系统获取焊缝连续图像,然后利用形态学处理定位焊缝图像角点,并通过高斯拟合法提取激光条纹中心点,将角点和中心点的位置和速度作为卡尔曼滤波器的状态变量,建立卡尔曼滤波器的状态方程和测量方程,再由角点和中心点的位置关系构建等式约束方程,通过约束方程对卡尔曼滤波后的结果进行修正。结果表明该算法能有效实现焊缝跟踪,提高了焊缝识别的精度和抗干扰能力。     

联合卡尔曼滤波在多传感器信息融合中的应用

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的一般设计方法，并将此方法运用于舰船INS/GPS/Loran-C组合导航系统中，理论分析与仿真结果表明，该联合卡尔曼滤波器的设计合理，算法具有全局最优性，能够提高系统的导航精度和容错能力。     

基于改进Mean Shift算法的细胞追踪方法研究

针对经典Mean Shift算法不能有效追踪快速移动细胞的缺陷,提出了利用Mean Shift和卡尔曼滤波器相结合的方法快速移动细胞进行追踪。算法以卡尔曼滤波器预测出细胞的位置作为Mean Shift算法的初始位置,然后再利用Mean Shift算法追踪得到的细胞位置作为下一帧的卡尔曼滤波器的输入参数。实验结果表明,对于细胞图像的追踪,该方法较经典Mean Shift算法有着更高的准确率。     

基于小波分析与神经网络的组合导航的研究

针对GPS/DR组合导航存在GPS信号被遮挡时无法对DR零点更新以及运动的高动态性造成卡尔曼滤波难以完全适应数据融合的问题,提出采用联邦卡尔曼滤波器数据融合与小波变换和正则化神经网络的DR位置预测模型相结合的方法。该方法由联邦卡尔曼滤波器得到较为精确的导航信息,与利用小波变换在不同尺度上融合所得到的误差信号输入神经网络,经过训练获得预测误差,在GPS信号失效时与导航信息相加实现精确实时定位。仿真计算结果表明,该方法可以提高导航系统的精度和速度,该模式有较好的鲁棒性,具有实用价值。     

基于CMAC的卡尔曼滤波技术在组合导航系统中的应用

经典卡尔曼滤波器要求假设系统的动态模型和观测模型的噪声统计特性已知,而组合导航系统的噪声具有非先验性。为了解决这一问题,提出小脑模型神经网络（CMAC）辅助卡尔曼滤波器。仿真试验结果表明,该辅助算法的精度与经典卡尔曼滤波算法相比提高了2倍,收敛时间缩短近200 s,并有效地克服了传统神经网络学习速度慢,泛化能力弱的缺点,使系统具有自适应能力,以应付动态环境的扰动。     

NLOS环境下基于TOA/AOA的单基站目标跟踪

现有的单基站定位技术由于非视距（Non-Line-of-Sight,NLOS）误差的存在,导致定位性能急剧下降。针对这一问题,提出了一种基于单基站的改进扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法。该算法在扩展卡尔曼滤波器中引入阈值去判断是否丢弃测量值,通过对卡尔曼增益的处理来提高对NLOS误差的滤除能力,最后利用扩展卡尔曼滤波器的跟踪性能对移动目标进行定位跟踪。仿真结果表明,所提算法的定位精度优于传统的EKF、无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）等算法,且对抑制NLOS误差具有良好的效果。     

高动态星跟踪方法

阐述了高动态星敏感器星图的特点,指出了目前星跟踪方法的不足。针对这些不足,提出了一种基于卡尔曼预测的高动态星跟踪方法。根据高动态星敏感器运动特性,建立了星体目标在图像坐标系下运动模型,根据星体运动模型,对卡尔曼滤波器进行了自适应修正。利用经自适应修正的卡尔曼滤波器预测出参考星位置,再利用临星逼近法进行跟踪匹配。最后给出了利用上述方法进行星体位置预测及星跟踪结果。实验结果表明,在5（）/s动态条件下星体位置预测偏差小于5像素,星跟踪成功率高于95%,并且载体动态特性的变化对星体跟踪成功率影响较小。     

RBFNN辅助卡尔曼滤波在GPS/SINS组合导航中的应用

为了克服传统卡尔曼滤波对观测噪声必须为零均值白噪声过程的依赖,针对工作于恶劣环境下的飞行器、舰船等运动载体的组合导航系统,提出了利用神经网络的自学习、自组织、自适应能力来辅助传统卡尔曼滤波器的方法。对所建立的BP神经网络和基于正交最小二乘(OLS)算法的RBF神经网络的收敛速度进行了比较。最终选择收敛较快的RBF神经网络辅助卡尔曼滤波器,仿真结果表明该方法能够抑制滤波器发散,提高了导航定位精度。     

锁相环与尔曼滤波器

锁相环（PLL）在定时与同步领域应用广泛，具有许多优良的特性。但其可靠性总是低于其他电子设备，有假锁、失锁、抖动等问题。本文将卡尔曼滤波器的结构性能与锁相环进行比较，可以看出它们有许多相似之处，且卡尔曼滤波器更精确和易于实现。这在用全数字方法实现定时与同步领域有着重要意义。     

GPS／平台罗经／DR组合导航技术研究

本文研究了GPS,平台罗经,船位推算系统（DR）的组合导航技术,给出了GPS／平台罗经／DR组合导航系统的设计方案,把GPS测姿信息引入到平台罗经系统,并且分别对GPS／平台罗经／DR组合导航系统的松散组合模式和深组合模式进行了研究,设计了最优综合的卡尔曼滤波器。仿真结果表明,把GPS信息引入平台罗经系统,实现GPS和平台罗经系统的组合,对于提高平台罗经系统的精度有着非常实际的意义。     

一种用于雷达量测的滤波算法

在雷达跟踪系统中,广泛使用混合坐标系下扩展卡尔曼滤波器（EKF）和转换卡尔曼滤波器（CMKF）两种算法,但是当目标距离较远时,这两种滤波器由于量测方程非线性的影响,误差较大,甚至导致滤波发射。本文计算了传统EKF滤波器引入的线性化误差,并在此基础上提出一种新的滤波算法（NDRKF）。计算机仿具结果表明,该算法减小了线性化误差的影响,较明显地改善了滤波顺的性能。     

多传感器跟踪机动目标：数据越多估算越好吗

分析了多传感器跟踪机动目标的问题，相对给定目标的位置，参与给定目标跟踪的传感顺和数目和类型，通常是固定的。然而，在许多多传感器系统中，由于名传感器的机动性、类型和的限制，执行特定目标跟踪的传感器的数目和类型能够阴时间而变动。当跟踪机动目标时，由于目标运动模型的不确定性，传感器系统组成的这种可变性提出了重要问题。通常用瞳尔曼滤波器过滤用于估算目标的位置、速度和加速度的位置测量量。当设计卡尔曼滤波器时     

组合导航系统中自适应滤波技术的研究

在组合导航系统中，应用常规卡尔曼滤波器（ＫＦ）要求知道系统精确的数学模型和系统噪声与量测噪声的统计特性，才能获得理想的滤波效果在全球成为全面否则，可能产生发散现象，人们越来越颂向于利用自适应滤波（ＡＫＦ）技术来解决发散的问题，针对ＡＫＦ技术的研究现状，本文探讨一种算法结合比较简单，实时性较强，工程上比较实用的在线估计量测噪声统计特性的ＡＫＦ算法，仿真结果表明，这种算法具有较强自适应性，不失为一种实     

卡尔曼滤波器在PID控制中的仿真研究

通过研究卡尔曼滤波器的信号模型,采用KALMAN滤波器同常规PID控制相结合的方法对系统进行仿真研究,利用卡尔曼滤波器来克服系统中的测量噪声和控制噪声对控制性能的影响。结果表明:同没有加卡尔曼滤波器的常规PID控制相比,卡尔曼滤波器很好地抑制了白噪声的污染,控制效果明显改善。     

基于具有输入估值跟踪系统的卡尔曼滤波器

本文开始用一个最小平方估值器的推导来产生一个加速度输入矢量估值。文中首先研究了一种感受目标机动的检测器,其次研究了估值器、检测器和“简化”卡尔曼滤波器的组合,以形成一个跟踪机动目标的跟踪装置,最后介绍了一些模拟结果。文中首先阐述了假定目标机动的实际剩余和假定不机动的“简化”卡尔曼滤波器的理论剩余之间的关系。然后估值器计算了上述关系拟合的最好的等加速度输入矢量。其结果是一个输入矢量最小平方估值器,该估值器可以用来修正“简化”卡尔曼滤波器。因为典型的目标在相当长的时间花费在以固定方位和恒定速度方式飞行,所以要用一部检测器来防护,以防自动修正“简化”卡尔曼滤波器。仅当估算的输入矢量范数超过了门限时,才表示机动并实现修正。该跟踪系统容易实现,其跟踪能力在三个跟踪实例中进行了说明。