非线性/非高斯序贯贝叶斯滤波

序贯Bayesian滤波为Bayesian滤波的递归实现,为在线估计系统状态提供了一个合理的框架.序贯贝叶斯滤波是基于状态-空间模型的.在线性高斯状态-空间模型下,最佳序贯贝叶斯滤波为大家熟知的卡尔曼滤波.在非线性/非高斯状态-空间模型下,最佳序贯贝叶斯滤波不存在通用的解析解,基于卡尔曼滤波的方法和质点滤波方法为比较常...     

基于分段常值的贝叶斯状态估计滤波算法

针对上有高斯噪声的非线性随机系统状态估计问题,提出了一种基于分段常值的贝叶斯状态估计滤波算法。本文对此种滤波算法的误差进行了分析。并且对地形辅助导航定位系统的应用进行了仿真,仿真结果表明基于分段常值的贝叶斯状态估计滤波算法是一种鲁棒性很强的滤波算法。     

指数寿命型序贯抽样的Bayes估计

序贯抽样一般只给出试验结束时“接受”或“拒收”的判断。本文给出在对指数寿命型设备进行序贯试验,当作出“接受”判断时,失效率的Bayes点估计及其Bayes置信上限,并给出了数值例。     

多传感器一步延迟OOSMs序贯融合滤波

该文提出了一种序贯式多传感器一步延迟无序量测的融合估计算法.针对现有系统中存在的延迟量测问题,在单传感器一步延迟无序量测最优更新A1算法的基础上,引入序贯递推的思想,在线性最小方差准则下,提出了一种序贯式的多传感器一步延迟无序量测最优融合算法,提高了多OOSMs融合估计的实时性.仿真验证了该文算法的有效性和最优性.     

基于序贯重要采样算法的被动单站机动目标跟踪

将序贯重要采样(SIS)与交互多模型(IMM)算法相结合,提出了一种新的机动目标跟踪方法——IMM-SIS算法,并将其应用于被动单站跟踪系统,同高斯和粒子滤波器(IMM-GSPF)算法相比,其优点是不需要重采样步骤,也不会出现采样粒子的退化和贫乏现象．通过跟踪一个机动目标的仿真过程,对算法性能进行了检验,结果表明,该算法在计算速度和跟踪精度方面均优于IMM-GSPF算法,同经典的IMM-EFK算法相比,两种算法在鲁棒性和精度上都是优越的．     

基于混合高斯和均值滤波法的运动检测方法

针对智能视频处理技术中运动目标检测问题,提出了运动目标检测中背景动态建模的算法.该算法有效地结合了均值滤波法和混合高斯模型法的优点,不仅提高了系统对快速运动目标的检测能力,而且消除了单独使用混合高斯法时容易产生的"假"前景区域现象,同时提高了前景检测率.结果表明,在有诸多不确定性因素的序列视频中构建的背景具有较好的自适应性,能迅速响应实际场景的变化.     

似然迭代离差差分滤波算法的机动再入目标状态估计

针对使用离差差分滤波算法对机动再入目标状态估计时,不能充分用到最新量测信息,状态估计误差较低的情况,提出一种新的滤波算法——似然迭代离差差分滤波算法．该算法在二阶离差差分滤波算法的量测更新过程中采用Gauss—Newton方法不断逼近最大后验估计,且使用迭代状态估计值代替状态预测值,修正迭代公式,并使用确保产生的迭代序列向最大似然面移动的迭代终止条件．使用似然迭代离差差分滤波算法估计机动再入目标状态,蒙特卡罗仿真表明,该算法不仅提高了状态估计精度,而且还有很快的收敛速度．     

无线传感器网络中卡尔曼滤波在移动目标跟踪中的研究

基于无线传感器网络结合卡尔曼滤波理论的方法对单个移动目标的跟踪研究。在实验中,运用MIT的室内定位系统Cricket系统作为硬件验证系统,采用到达时间差(Time Difference of Arrival,TDOA)的方法来测距,然后根据测得的距离采用极大似然估计算法来定位。最后根据移动目标的运行特点,建立目标的跟踪模型,并采用卡尔曼(Kalman)滤波的测量跟踪算法来实现移动目标的跟踪过程。实验结果表明,该方法可以有效地跟踪移动目标,并且误差范围在0～4.5cm内,稳定性也比较高。     

一种序列CCD星图中运动目标别的稳健算法

运动星图背景下运动目标识别方法研究在天基光学空间目标探测方面具有重要意义.针对CCD(charge coupled device)星图的特点,采用阈值分割算法对原始星图进行预处理,利用基于连通域的算法完成对星点位置提取;提出了利用星点间角度信息确定目标位置的算法;对分辨率为768×576的序列CCD实拍星图的实验研究表明了该算法的有效性和稳定性.     

机动目标跟踪中一种新的自适应滤波算法

通过分析基于“当前”统计模型的机动目标自适应跟踪算法,指出该算法对目标机动加速度极限值的依赖性,而实际中预先设定加速度的最大值是不可行的。为克服这一缺点,文中给出一种新的自适应滤波算法,该方法无需提前给定加速度最大值,可以直接利用位置估计值和加速度之间的函数关系进行加速度方差自适应调整。仿真结果表明,与标准的自适应滤波相比其跟踪精度有了较大提高。     

基于贝叶斯分类的邮件过滤方法及模型研究

垃圾邮件日益泛滥,给用户带来了极大的不便和危害．并对网络安全构成威胁．传统邮件过滤方法单一,过滤精度不高,已不能很好地满足需求．结合规则过滤技术,分析了基于文本内容的贝叶斯分类器实现的关键技术与方法,并给出核心过滤算法在邮件分类中的实现具体方法及过程,进而完成垃圾邮件的判别．为减少邮件的误判对用户造成的损害及垃圾邮件漏判造成的影响,提出相应的改进措施,使用最小风险贝叶斯决策减小误判率,对分类系统经训练部分进行自适应调整,最后给出基于规则与内容的双重防范机制的邮件过滤模型及基于该框架的邮件判别流程．     

图象序列动目标检测

介绍了图象序列分析方法在复杂背景下低对比度目标检测及目标识别中的应用，着重讨论了最大熵目标检测与卡尔曼滤波滤除伪目标，并给出图象仿真结果和硬件设计框图。     

临近空间慢速平台SAR地面动目标检测与成像

临近空间慢速平台SAR具有生存能力强、持续工作时间长、机动性能好等特点。该文提出了一种临近空间慢速平台SAR地面动目标检测与成像方法。由于平台运动速度较慢,地面静止杂波多普勒展宽较窄,有利于将地面杂波与动目标回波进行分离。首先利用多普勒滤波器实现地面动目标回波与静止杂波的分离,提取出动目标回波;然后将一阶Keystone变换与变分辨多普勒调频率估计方法相结合,在动目标速度未知的情况下完成距离走动校正和距离弯曲校正,解决了动目标回波距离徙动校正难的问题。利用估计出的多普勒调频率设计出方位压缩函数进行方位聚焦,从而完成动目标的检测与成像。该方法不仅适用于地面慢速运动目标,同时也适用于快速运动目标。计算机仿真验证了该方法的有效性。     

含人脸的前景在活动图像序列中的分割

通过对会议电视序列中主要活动物体——人脸的分析, 结合亮度和运动的一致性, 提出一种新的算法, 可以准确地将包含人脸的前景与背景分开.实验结果显示了算法的有效性.     

垃圾邮件过滤系统的设计

伴随着电子邮件的广泛使用,垃圾邮件日益泛滥,严重影响了人们正常的工作、学习和生活。如今新型的垃圾邮件变化多端,使得传统的、单一的垃圾邮件过滤方法对新型垃圾邮件已经无能为力。针对这一难题,介绍了当前已经应用于垃圾邮件过滤领域主流的3种垃圾邮件过滤技术。通过详细分析各种技术的优缺点,对黑白名单过滤技术、基于规则的过滤技术和贝叶斯过滤技术进行整合,从而建立了一个分层次的垃圾邮件过滤系统模型,并对该过滤系统进行了性能分析。     

纯方位目标运动分析的自适应算法

基于Lainiotis算法的基本原理，使用贝叶斯估计理论和半马尔科夫过程的概念，利用一组并行的、且是自适应加权的卡尔曼滤波器对纯方位目标运动分析问题进行求解，对本算法与伪线性卡尔曼滤波算法的估计结果进行了比较，结果表明，这种估算方法在大的环境噪声、远距离和小目标速度等不利条件下仍具有较好的估计性能。