两级交互式多模型算法

在混合估计中,交互式多模型滤波器(IMM--Interacting Multiple Model)以其优越 的性能而受到广泛的研究.由于马尔可夫参数的限定,交互式多模型在模型数较多时会出现精 度下降,从而限制了它在高维参数空间建模的有效性.利用模型集的概念,首次提出了双马氏 过程的模型切换假设,从而构造出一种两级交互式多模型滤波器.通过辨识系统噪声的多个统 计参数比较了两级交互式多模型滤波器与常规交互式多模型滤波器.结果表明:对于大信噪比 信源(即小的量测噪声),两级交互式多模型滤波器与常规交互式多模型滤波器性能基本相当; 而对于小信噪比信源(即大的量测噪声),两级交互式多模型滤波器明显优于常规交互式多模型 滤波器.     

基于Unscented变换的非线性状态平滑

众所周知, 平滑因可以使用更多的量测信息而能够获得比滤波更精确的状态估计. 为此, 本文提出一种面向非线性随机系统的状态平滑新算法. 首先, 基于最小方差估计理论, 提出了一种新颖的最优平滑器, 该平滑器为解决非线性状态平滑问题提供了一种通用的理论框架;接着, 采用Unscented变换(UT)来近似上述最优平滑框架中的平滑增益, 进而设计出一种次优平滑算法;最后, 相比传统扩展卡尔曼平滑器(EKS), 仿真结果验证了新算法的有效性和可行性.     

New sigma point filtering algorithms for nonlinear stochastic systems with correlated noises

New sigma point filtering algorithms, including the unscented Kalman filter (UKF) and the divided difference filter (DDF), are designed to solve the nonlinear filtering problem under the condition of correlated noises. Based on the minimum mean square error estimation theory, the nonlinear optimal predictive and correction recursive formulas under the hypothesis that the input noise is correlated with the measurement noise are derived and can be described in a unified framework. Then, UKF and DDF with correlated noises are proposed on the basis of approximation of the posterior mean and covariance in the unified framework by using unscented transformation and second order Stirling’s interpolation. The proposed UKF and DDF with correlated noises break through the limitation that input noise and measurement noise must be assumed to be uncorrelated in standard UKF and DDF. Two simulation examples show the effectiveness and feasibility of new algorithms for dealing with nonlinear filtering issue with correlated noises.     

中心差分卡尔曼平滑器

针对一类非线性离散系统的状态平滑问题, 本文设计了一种中心差分卡尔曼平滑器(CDKS). 文中基于最小方差估计准则, 详细推导了非线性系统的状态最优平滑递推公式, 并采用中心差分变换来近似计算状态的后验均值和协方差. 相比于传统中心差分卡尔曼滤波器(CDKF), 所设计的CDKS算法有效提高了非线性状态的估计精度, 拓展了中心差分变换的应用范围. 仿真实例验证了所提出平滑器的可行性和有效性.     

非线性系统确定采样型滤波算法综述

确定采样型滤波包括Unscented卡尔曼滤波（UKF）,中心差分卡尔曼滤波（CDKF）以及容积卡尔曼滤波（CKF）,是一类基于确定解析采样近似方法的非线性次优高斯滤波算法,具有估计精度高、实现简单等优点,已得到国内外学者的广泛关注.在阐述确定采样型滤波基本原理的基础上,详细总结了近年来确定采样型滤波的研究现状,包括各种改进算法和在不同领域的应用情况;然后重点分析了确定采样型滤波所存在的问题;最后展望了其未来发展趋势和研究方向.     

一种高效粒子滤波检测前跟踪算法的仿真分析*

分析了一种高效粒子滤波检测前跟踪算法的独特结构。其算法中存在两类粒子互相竞争与协作的复杂关系。针对其两类粒子数量选择的困难,通过大量仿真对比分析了两类粒子五种数量比例在不同总粒子数和不同过程噪声水平下的算法性能。仿真结果表明在两类粒子数量相等附近时,算法综合性能较好。     

基于描述特征的人脸识别研究

针对基于主成分分析识别人脸存在计算复杂、不能准确地估计训练图像的协方差矩阵等问题,提出了一种基于描述特征的人脸识别算法(Expressive feature face recognitionalgorithm, EFFRA).该算法用训练图像的右奇异向量代替PCA求解的子空间的基向量,避免了将人脸图像转换成图像向量,明显降低了计算复杂性.进一步研究发现,EFFRA提取的每一个主成分向量中含有冗余,在此基础上,利用PCA实现了EFFRA的简化算法(MEFFRA),在ORL和Essex数据库上的实验结果表明,EFFRA及MEFFRA明显优于特征脸算法,MEFFRA的识别精度略好于EFFRA,但明显减少了对存储空间的需求.     

电子地图在边扫边跟踪侦察系统中的应用研究

提出一种利用电子地图信息改善边扫描边跟踪侦察系统性能的新算法，利用地面目标－般沿着道路或河流运动的特性，从电子地图得到目标周围道路或河流信息，通过假设检验将其与跟踪滤波器输出进行综合，修正跟踪滤波器的估计结果，该方法在仿真和实际侦察系统中取得了较好的结果。     

基于粗集的目标识别

阐述了基于粗集理论目标识别的整个过程,通过仿真试验比较两种提取信息表条件属性的性能.在属性约减的基础上,根据对分类器性能的要求,提出属性约减表的性能规则描述.在文章的最后,根据仿真试验中遇到的问题,提出了粗集理论在目标识别中的应用难点.