基于强跟踪五阶容积卡尔曼滤波的眼睛跟踪算法

非侵入式眼睛跟踪在许多基于视觉的人机交互应用中扮演十分重要的角色,但由于眼睛运动的强非线性,如何确保眼睛跟踪过程中对外界干扰的鲁棒性以及跟踪精确度是其应用的关键问题。为提高眼睛跟踪的鲁棒性和精确度,提出强跟踪五阶容积卡尔曼滤波算法(ST-5thCKF),将强跟踪滤波(STF)次优渐消因子引入具有接近最少容积采样点且保持五阶滤波精确度的五阶容积卡尔曼滤波(5thCKF),获取5thCKF对强非线性良好滤波精确度同时具备STF对外界干扰的鲁棒性。真实条件下的实验结果验证了所提算法在眼睛跟踪中的有效性。

多终端五阶强跟踪容积卡尔曼滤波实时定轨

为了提高多手持终端对卫星脉冲机动轨道的实时确定精度,并降低定轨精度对滤波初值的敏感性,提出一种五阶强跟踪球面单形-径向容积卡尔曼滤波(5-STSSRCKF)方法。采用n维正则单形变换群和矩匹配法推导五阶球面单形-径向容积准则,并将该准则嵌入强跟踪滤波(STF)框架。利用STF的等价表示计算次优渐消因子,实现了在滤波稳定时在线实时调整增益矩阵,克服了残差增大时增益矩阵仍保持极小值的缺点,提高了对系统突变状态的跟踪能力。进行了仿真实验,结果表明,当滤波初值误差增大时,已有方法的定轨精度降低为1 798.199m,而提出的5-STSSRCKF的定轨精度可以维持在8.688m;当卫星进行脉冲机动时,已有方法不具备对机动轨道状态的跟踪能力,而5-STSSRCKF的定轨精度仍然维持在8.976m。实验显示,5-STSSRCKF对滤波初值不敏感,并且对卫星脉冲机动轨道的实时确定精度更高。

强跟踪五阶CKF算法在初始对准中的应用

针对载体行进间初始对精对准过程易受有色噪声影响,造成对准精度高的问题,提出一种基于高阶球面-径向积分的强跟踪滤波方法,该算法基于里程计辅助下惯性系行进间精对准误差模型,将状态变量的自相关函数进行正交化运算,保证噪声信号的白化,并运用五阶球面-径向准则对于滤波过程中参数的后验概率密度函数进行近似数值计算。仿真实验表明,在方位角为大失准角的条件下,该算法可以有效地保证较高的滤波精度,并且在噪声未知的情况下,滤波器保证很好的鲁棒性。