一种改进的α-β-γ滤波跟踪算法

α-β-γ滤波器是一种高速的目标跟踪器。该文章针对传统α-β-γ滤波跟踪精度与收敛速度之间存在的矛盾以及由于系数固定而难以跟踪强机动性目标的局限性,设计了一种自适应α-β-γ滤波算法,根据目标机动性的变化,利用跟踪误差调整模糊系统的输出,在保证精度的前提下,得到自适应的系数值,使跟踪结果快速收敛,很好地解决了跟踪精度与收敛速度之间的矛盾。仿真结果表明,在满足所要求精度的前提下,该算法跟踪机动性强的目标比传统的α-β-γ滤波算法具有更强的自适应性。

一种改进的α-β-γ滤波器和PID控制器

在分析卡尔曼滤波器和α-β-γ滤波器的基础上,提出了一种改进的α-β-γ-θ滤波器的离散形式和连续形式,设计了一种具有鲁棒性能的改进型的PID控制器。通过理论推导,证明了所设计的α-β-γ-θ滤波器是n阶系统(可以近似为2阶系统)的一个一致渐近稳定的3阶状态观测器,并给出了α-β-γ-θ滤波器的稳定性与α,β,γ,θ参数选择的之间的关系。同时对α-β-γ-θ滤波器和改进型的PID控制器进行了实验仿真,并将其应用到发电厂的热工控制系统技术改造项目中,案例研究表明所设计的α-β-γ-θ滤波器和改进型的PID控制器能取得良好的控制效果。

多级组合α-β-γ跟踪滤波器

针对目标机动较大或跟踪丢失较频繁时单一α-β-γ滤波器难于同时满足收敛速度和滤波精度要求的情况,提出了多级组合α-β-γ滤波器的思想,着重讨论了它的构建、机动检测和滤波器间切换等方法。仿真表明,组合α-β-γ滤波器既可以保证跟踪初始或目标机动时的快速收敛,又能显著提高稳态跟踪精度。

基于C均值聚类及α-β-γ滤波的多目标跟踪

序列图像中的多运动目标跟踪是计算机视觉研究中的重要问题。文章研究了基于区域分析的多运动目标跟踪方法。为了解决区域聚类数目不确定性给均值聚类分析带来的难点 ,文章提出了用α -β -γ滤波的方法预测下一帧运动目标的聚类中心 ,有效地克服了初始聚类中心点难以选择的问题。实验结果证明了文章方法的有效性。

基于新息正交性抗野值的自适应的α-β-γ滤波跟踪器

针对传统α-β-γ滤波器抗野值能力差和受跟踪精度与收敛速度之间的矛盾以及系数固定的影响而难以跟踪强机动性目标的局限性,设计了一种基于新息正交性抗野值的自适应的α-β-γ滤波跟踪器。该滤波器通过判断α-β-γ滤波新息序列估计值的正交性质是否丧失而判别出观测值中是否存在野值,采用活化函数对新息序列进行加权修正,利用活化函数的性质,恢复新息序列原有的统计特性和正交性,从而达到抗野值的目的。同时,根据目标机动性的变化,利用跟踪误差调整模糊集系统的输出,在保证精度的前提下,得到自适应的系数值,使跟踪结果快速收敛,很好地解决了跟踪精度与收敛速度之间的矛盾。计算机仿真结果表明,在满足所要求精度的前提下,该算法可以克服传统算法的局限性,解决野值剔除问题,并有效跟踪强机动性目标。

基于参数辨识α-β-γ滤波的自适应调整跟踪窗算法

针对传统α-β-γ滤波器受跟踪精度与收敛速度之间的矛盾以及系数固定的影响而难以跟踪强机动性目标的局限性,设计了一种基于参数辨识的自适应的α-β-γ滤波跟踪器。该滤波器根据目标机动性的变化,利用跟踪误差调整模糊集系统的输出,在保证精度的前提下,得到自适应的系数值,使跟踪结果快速收敛,很好地解决了跟踪精度与收敛速度之间的矛盾。同时,利用该算法的估计作用,应用在改进的自适应窗口调整的跟踪算法中,随目标场景变化而自适应调整跟踪窗。计算机仿真结果表明,在满足所要求精度的前提下,该算法可以克服传统算法的局限性,实现跟踪精度与收敛速度的相对最优,有效对强机动性目标进行实时跟踪。

基于聚类和α-β-γ滤波的运动跟踪

借助计算机视觉技术对运动员的运动动作进行跟踪分析,旨在为运动员提高运动成绩提供科学的技术分析手段.研究序列图像中运动员动作的各特征点的运动变化轨迹,并加以跟踪,提出了基于聚类和α-β-γ滤波的特征点跟踪.为解决聚类数目的不确定性给C均值聚类带来的难点,以α-β-γ滤波预测下一帧图像的特征点的估计值为聚类的中心,从而有效克服了初始聚类中心难以选择的问题.并对40帧的图像序列进行了跟踪实验,结果表明该方法是可行有效的.

Singer模型下α-β-γ滤波的新息序列特性分析

卡尔曼滤波条件下新息序列的白噪声特性在跟踪过程中具有十分重要的作用。但在实际工程中,α-β-γ滤波器因其较小的计算量常取代卡尔曼滤波器得以应用,这时需要对该滤波条件下的新息相关特性进行研究,以此来指导野值剔除和机动检测方案的重新设计。从理论上推导了Singer模型下α-β-γ滤波的新息序列相关特性计算的一般表达式,在两组特定的取值下,研究和分析了滤波达到稳态时新息序列的相关特性,用仿真验证了理论推导的正确性。理论和仿真结果均表明,两种情况下的新息序列都具有一定的相关性。

基于变系数α-β-γ滤波的目标跟踪仿真研究

针对目标跟踪中联合数据关联算法计算量大,随目标数目增多呈几何增长而导致跟踪效率低下的问题,主要介绍了顺序数据关联快速算法(MSFAFDA),建立了基于变系数α-β-γ滤波和顺序数据关联快速算法的模型,并进行了模拟战场实际目标的仿真试验。仿真结果表明该算法能较好的跟踪目标,其跟踪精度符合要求,提高了跟踪实时性。

α-β-γ滤波器在振动信号预处理中应用研究

通过分析α-β-γ滤波器的工作原理,在已知滤波器参数关系式的前提下,通过引入信噪比改进值为指标,确定出滤波器的参数,并给出相应的实现步骤。最后,利用Bently转子实验台模拟转子不平衡故障的振动信号对该滤波器进行验证.研究结果表明:采用优化参数后的滤波器能够有效地剔除机械振动信号中噪声.

基于神经模糊网络的自适应α-β-γ目标跟踪算法

针对传统α-β-γ滤波器噪声统计特性未知时,受色噪声的影响精度严重降低,甚至出现发散等现象,设计了一种基于神经模糊网络的自适应的α-β-γ滤波跟踪器。该滤波器通过利用神经模糊网络作为误差估计器,估计出α-β-γ滤波器的估计误差,从而对α-β-γ滤波跟踪器的预测结果进行修正,得到更优的预测值。通过计算机仿真以及在图像目标跟踪平台验证结果表明,该算法可以克服传统算法的局限性,有效地防止滤波器发散,缩小实际的滤波误差,提高滤波精度,实现对跟踪结果的在线改进。

基于模糊聚类和α-β-γ滤波的车辆跟踪

目前,运动车辆的跟踪技术是计算机视觉领域中最活跃的研究主题之一,其核心内容是利用计算机视觉技术从动态图象序列中检测出运动车辆、并跟踪出其运动轨迹,从而可获知运动车辆的速度、加速度等运动参数。为了正确检测出运动区域,提出了自适应的背景图象适应外界环境变化的跟踪过程。为了获得有效、鲁棒的跟踪结果,提出了基于模糊聚类和α-β-γ滤波的车辆跟踪方法,以当前帧图象α-β-γ滤波的预测值给出了下一帧图象中模糊C均值的聚类中心和聚类数目,从而解决了模糊C均值聚类对初始聚类中心的依赖性,并分析了确定聚类数目时须考虑的情况。

一种基于多项式和α-β-γ滤波的双工跟踪模式研究

针对测控实时数据处理中,α-β-γ滤波器启动阶段弹道参数误差较大的问题,提出了一种双工的跟踪模式。该模式下α-β-γ和多项式滤波器同时对弹道参数进行滤波,只选取一套滤波后的数据输出,通过数据的优选,最终得到高精度弹道参数。理论分析和仿真结果表明:双工的跟踪模式跟踪精度高,适合实时系统应用。

再入（返回）测量的自校准α-β-γ滤波

在导弹、航天器试验任务的实时数据处理中,α-β-γ[1]滤波已得到应用.由于外测系统的观测数据中,除含有随机误差外,还含有系统误差,而且系统误差经常大于随机误差.随着对实时处理测量精度要求的日益提高,应用α-β-γ滤波解算弹道参数,必须考虑外测系统误差的修正,否则,在较长测量弧段利用其滤波时,系统误差会造成弹道参数的滤波"发散".本文基于"EMBET"自校准原理,将其推广到α-β-γ滤波中,完成了具有自校准α-β-γ滤波公式的推导,并给出再入(返回)测量弧段时的常用测量元素下的相应公式.

α-β和α-β-γ滤波在延时控制起爆算法中的应用

制导引信一体化起爆算法研究的一个重要方面就是通过对最佳起爆延时的估计来确定炸点,而对测量数据进行滤波从而提高炸点的估计精度是其中的一个必要环节。α-β和α-β-γ滤波算法ααα具有计算简单,工程中易于实现的特点。本文针对导引头测距测角模型中基于延时控制的算法,使用c++builder工具进行仿真试验。研究结果表明在基于导引头测距测角模型进行起爆延时的计算中,α-β和α-β-γ滤波是可行的,同时根据仿真讨论了在滤波中影响炸点估计精度的因素及如何合理选取δ因子。

一种新的常增益机动目标跟踪方法：α-β-γ-δ模型

针对目前机动目标跟踪的Jerk模型存在计算复杂度高的不足,同时受α-β-γ模型的启发,提出了一种基于Jerk模型的常增益跟踪算法:α-β-γ-δ模型,并根据时常系统的状态估计协方差在一定条件下将收敛到一个稳态值这一性质,从理论上推导出了上述新模型中α、β、γ和δ的计算公式。仿真结果表明,该算法的滤波精度比α-β-γ滤波算法高,且运算量远远小于Jerk模型算法。

模糊自适应α-β-γ滤波及其应用

α-β-γ滤波器在目标机动较大时很难同时满足收敛性和滤波精度的要求,多级组合α-β-γ滤波器虽然精度较高,但对多目标跟踪计算量较大。文中提出模糊自适应α-β-γ滤波,滤波器参数根据滤波残差特性进行模糊调节,较好地解决了滤波精度、收敛性之间和计算量之间的矛盾。仿真结果表明,模糊自适应α-β-γ滤波对目标机动性适应强,跟踪精度高,具有良好的应用前景。

基于ARM的船用导航雷达α-β-γ跟踪设计方法

为提高船用雷达的性能,基于α-β-γ滤波理论,结合船用雷达应用要求,通过对跟踪设计中的目标录取、机动检测和航迹进行研究分析,提出利用ARM(Advanced RISC Machines)处理器实现该理论算法的船用雷达跟踪设计方法.实验仿真表明,该设计方案对100个目标进行录取跟踪时有较好的跟踪性能.

基于α-β-γ滤波的迫击炮定位

针对迫击炮的侦察定位问题,介绍了一种基于α-β-γ滤波的定位方法。该方法首先根据外弹道学确定弹丸飞行的质心运动方程,然后利用常增益的α-β-γ滤波跟踪求解弹丸的运动参数,最后通过龙格-库塔(Runge-Kutta)方法求解质心运动方程,并外推求得炮位位置。仿真结果表明,该方法在保证较高迫击炮定位精度的同时实时性能较传统方法大幅提升,有显著的工程意义。

基于修正α-β-γ滤波的多目标跟踪算法研究

在传统α-β-γ滤波算法的基础上,提出一种适用于多目标、非均匀采样时间情况的修正α-β-γ滤波算法。介绍了匀加速(CA)模型和α-β-γ滤波算法,利用相关公式推导出修正后的滤波算法,并进行仿真验证。仿真结果证明了本算法对解决多目标跟踪问题的有效性。