渐进扩展卡尔曼滤波器

渐进贝叶斯方法将贝叶斯更新步骤等效为伪时间上的连续演化过程,以实现对状态的后验估计.本文基于渐进贝叶斯框架,导出一种新的高斯型非线性滤波算法.在线性高斯条件下推导了渐进贝叶斯方法的精确解;证明了对于由线性高斯解确定的动态系统,其均值和协方差矩阵满足的微分方程与常数状态估计的Kalman-Bucy滤波器是一致的.对于非线性系统,利用一阶Taylor展开推导了近似解表达式,进而导出渐进扩展卡尔曼滤波器.仿真算例表明新滤波器性能较扩展卡尔曼滤波器有大幅提高,且避免了窄形似然函数带来的滤波性能恶化问题.

基于滤波器组的船舶静电场跟踪

针对船舶静电场跟踪中先验信息缺失的问题,引入滤波器组方法,提出了一种新的船舶静电场跟踪算法。建立船舶静电场跟踪的状态空间模型,用水平电偶极子对船舶静电场进行建模;以渐进更新扩展卡尔曼滤波为基本滤波单元,采用一组滤波器对目标进行跟踪;根据电场计算公式设计滤波初值,并利用最大似然法确定可靠的跟踪轨迹。仿真和海上电偶极子跟踪实验表明,滤波器组方法能够有效地解决先验信息缺失条件下的船舶静电场跟踪问题,最大似然选择法能够筛选出正确的跟踪轨迹,在跟踪过程中滤波算法对方位信息更加敏感。

基于舰船电场的目标跟踪方法研究

针对舰船电场跟踪中模型准确度与跟踪模型维度之间的矛盾,以舰船电场点电荷阵列模型为基础,结合舰船电场反演算法,分析点电荷个数、观测点水深对建模精度的影响。明确观测点位置对点电荷数量的最少需求,在保证建模精度的同时降低跟踪滤波器的维度,保证滤波算法的稳定性。设计了舰船电场跟踪渐进更新扩展卡尔曼滤波器,并进行了仿真分析和试验验证。结果表明:用少量点电荷模型代替复杂舰船电场点电荷阵列模型,在舰船电场跟踪中是可行的,具有较高的跟踪精度;渐进更新扩展卡尔曼滤波方法对少量点电荷电场模型,能够有效提高初始误差容错范围,具有很高的滤波稳定性,定位误差在500 m范围内小于10 m,且计算代价较低,适合舰船电场跟踪的工程应用。

基于静态电位差的船舶跟踪算法

为了解决船舶的目标跟踪问题,本文提出了一种基于静态电位差的船舶电场跟踪方法。建立船舶静态电位差跟踪的状态空间模型。引入滤波器组方法解决静态电位差跟踪中先验信息缺失问题,以渐进扩展卡尔曼滤波为基本滤波单元,建立基于船舶静态电位差的观测方程和状态方程,利用最大似然法选择最优跟踪轨迹;引入基于功率谱的静电场检测算法并与跟踪算法相融合,以适应水中兵器的工作实际。仿真结果表明:基于静态电位差的船舶电场跟踪是可行的,且跟踪对方位信息最为敏感。基于静态电位差的船舶电场跟踪相比于静态电位信号和静态电场信号的跟踪对传感器的布设要求低,有利于工程实践。

船舶轴频电场跟踪

针对轴频电场包络跟踪中先验信息缺失的问题,研究了船舶轴频电场跟踪对传感器阵列的基本要求,引入了一种基于最大似然选择的多初值渐进更新扩展卡尔曼滤波算法。建立船舶轴频电场包络跟踪的状态空间模型,用水平电偶极子对船舶轴频电场包络进行建模;建立基于最大似然选择的多初值模型;基于轴频包络信号特征,研究了对传感器阵列排布方式的要求。仿真结果表明,利用轴频电场包络对船舶进行跟踪是可行的,要求传感器阵列至少由3个传感器组成,且3个传感器不在一条直线上;在传感器阵列满足要求的情况下,该算法可以有效解决轴频电场包络跟踪中的先验信息缺失问题,具有较高的实用价值。

视频序列运动物体检测与提取

随着高科技的发展,智能监控系统的应用越来越广泛。运动物体视觉分析是智能监控中的一项核心技术,而运动物体检测与跟踪则是其中的基础和关键。对于运动物体的检测与提取,本文采用了基于背景差分的方法,在建立背景模型的过程中,引入了改进的K-均值算法,提高了背景建模的速度和质量,利用Ostu阈值化方法对提取出来的前景区域进行二值化。最后验证了方法的有效性。