动态压缩感知波达方向跟踪算法

针对现有动态目标波达方向(DOA)跟踪方法在单快拍条件下估计精度较低甚至失效的问题,提出了一种基于动态压缩感知的DOA跟踪算法。首先,通过前一跟踪时刻所得到的先验DOA稀疏信息,获得当前跟踪时刻信号向量中各位置非零元素的分布概率,继而建立起动态DOA的稀疏概率模型。然后,采用加权l1范数最小化方法重构出当前跟踪时刻的信号向量,从而确定非零元素的位置,获得DOA的实时估计值,最终实现运动目标的动态DOA跟踪。本文算法可以在单快拍条件下实现对动态目标DOA的良好跟踪,并且在相同条件下具有比粒子滤波算法更好的跟踪性能。最后,通过仿真试验对所提算法进行了有效性验证。

应用人工蜂群算法的动态波达方向跟踪

针对目标信号源波达方向(DOA)的实时变化,将人工蜂群算法应用于最大似然函数的优化,实现了动态目标DOA的实时跟踪。首先,提出了一种可变遗忘因子的自适应样本协方差矩阵更新方法,该方法可根据目标信号源DOA变化的快慢自适应调整历史数据和当前采样数据在协方差矩阵中所占的权重,从而保证在获得较小稳态误差的同时又可获得较快的跟踪速度。然后,直接应用了性能优越的最大似然估计方法,避免了子空间跟踪类算法需要不断重复特征值或奇异值分解等问题。最后,采用人工蜂群仿生智能算法对似然函数的求解进行优化,从而极大地减少了算法的计算量,保证了算法的快速性和实时性。实验结果表明:在单快拍采样的情况下,信噪比为0dB时,跟踪两个目标信号源的均方根误差为0.995 2°,基本达到了阵列信号处理中目标跟踪方法的设计要求。

基于方向图跟踪的六类指纹分类算法

自动指纹分类不仅能够为大型指纹库提供重要的索引机制,而且还能够优化系统运行,提高指纹匹配的效率和性能;由于指纹较大的类内差异和较小的类间差异以及低质量指纹的存在,使得自动指纹分类仍是一项公认的难题;采用指纹连续分布方向图跟踪技术,提出了指纹对称轴的概念及其算法;在此基础上,提出了一种基于方向图跟踪的六类自动指纹分类算法,在FVC2000、FVC2002、FVC2004的Set B、FVC2004的Set A指纹库以及文中所采集的指纹库上的分类结果表明,本算法能有效地将双旋型(Twin Loop)和漩涡型(Whorl)指纹正确分开,实现了六类指纹分类,分类正确率达到95.57%,具有较好的健壮性。

分布式信源二维波达方向快速跟踪算法

在无线通信、雷达和声纳等许多实际应用场合,存在大量的移动分布式信号源,跟踪其二维波达方向(direction-of-arrival,DOA)非常重要。针对相干分布源,利用两个平行的均匀线阵,提出了一种二维DOA快速跟踪算法。该算法利用逼近幂迭代子空间跟踪算法更新分布源的信号子空间,并由新的信号子空间估计分布源的中心方位角和中心俯仰角。该算法跟踪性能良好,计算复杂度低且满足全局收敛。此外,算法能够跟踪多个分布源并且与分布源的具体角分布形式无关。仿真结果证实了算法的有效性。

基于图像处理的视线方向跟踪研究

提出一种基于图像处理技术实时跟踪视线方向的方法,并介绍其原理和组成,以及图像处理技术的应用。通过对采集到的序列图像进行图像处理和分析,以虹膜和瞳孔中心位置的变化来计算视线方向。结果表明,该方法采用两次图像预处理过程,保证了头部变动时视线方向跟踪的准确性,有效提高处理效率,为今后研究视线识别技术打下了一定基础。

基于云平台的铁路无线电信号DOA跟踪算法

在高速铁路场景下,准确估计和跟踪无线电信号的波达方向(Direction of Arrival, DOA)能够有效提升无线通信服务质量.然而,高速移动的无线信道具有快速时变特性,对信号处理的速度和准确性提出了更高的挑战.针对传统的基于信号子空间的DOA估计算法,由于巨大的计算量而无法应用于高速铁路快速时变系统中进行DOA跟踪的问题,提出了基于卡尔曼滤波和正交压缩近似投影子空间跟踪(Kalman Filter-Orthonormal Projection Approximation and Subspace Tracking of deflation, K-OPASTd)的DOA算法.首先,搭建基于云平台的铁路信号动态测向系统;然后,建立列车接收信号模型,提出K-OPASTd算法对DOA进行动态跟踪;最后,将本文提出的算法与OPASTd算法所得到的估计角度的均方根误差进行仿真对比实验.研究结果表明:信噪比均为10dB时,本文所提算法的均方根误差比OPASTd算法低约60%;阵元均为20时,K-OPASTd算法的均方根误差比OPASTd算法低约80%.

基于Canny-Harris特征点的图像目标尺度方向跟踪算法

传统图像目标尺度方向跟踪算法无法实时更新所跟踪目标外观模型,导致在光照等外界因素影响下跟踪误差较大。提出一种基于Canny-Harris特征点的图像目标尺度方向跟踪算法。计算各个图像块属于目标的实际概率,构建目标外观模型;建立当前帧中目标关于位置的对应置信度图,分析该置信度图获取当前帧中目标的最优状态;基于Canny-Harris特征点设计更新目标外观模型策略,在线实时更新目标外观。实验结果证明了该算法在图像噪声比为50dB~110dB的范围内跟踪误差较小,实现了算法性能的提升。

非完整移动机器人人全全局路径跟踪控制

根据制导路径跟踪理论,提出了一种非完整移动机器人全局路径跟踪控制方法.这一方法首先在路径坐标系上计算实际位置与期望位置的误差,利用制导的路径跟踪理论,导出消除该误差所需的姿态角和路径参数更新律,然后据此求解角速度及实际控制.文中还给出了初始路径参考点的计算方法,分析了路径跟踪方向和反转方法.稳定性分析证明该方法没有控制奇异点,受控闭环系统全局一致渐近稳定.最后通过移动机器人典型路径跟踪实验验证了所提出方法的可行性.

联合概率数据关联中双门限跟踪算法研究

基于拟方向的基本思想 ,提出了一种方向跟踪门 ,并给出了此方向跟踪门的具体构造方法。将椭圆跟踪门和方向跟踪门相结合 ,获得了基于双门限的跟踪算法 ,以此来减少可行联合事件的个数 ,达到降低联合概率数据关联计算量的目的。对此跟踪方法进行了仿真研究 ,给出了仿真结果 ,并对如何减少可行联合事件的个数进行了实例验算。

基于图像跟踪的孔洞目标提取与区域定位研究

针对纤维材料图像分割后提取的目标图像孔洞之间粘连明显、不封闭、分布不均匀和大小不一等特点,采用常规链码与带方向链码两种跟踪手段,运用链码差实现了对边缘的方向性表示.通过结合三点圆拟合算法,对目标孔洞边缘进行了补全,再用链码跟踪所获得的边缘信息对拟合边缘进行修正,实现了对目标孔洞区域的有效定位.

脉冲噪声下多伯努利滤波的单声矢量DOA跟踪

针对单声矢量传感器(Acoustic vector sensor,AVS)脉冲噪声环境下的多声源波达方向(Direction of arrival,DOA)跟踪问题,利用α稳定分布能更好地建模脉冲噪声的性质,提出α稳定分布下的多伯努利DOA跟踪算法。由于α稳定分布不具有有限协方差,该算法采用分数低阶距(Fractional Lower Order Moment,FLOM)代替协方差矩阵,对FLOM进行特征分解构造噪声子空间,生成FLOM-MUSIC空间谱函数作为多伯努利滤波器的伪似然函数,并对其指数加权,改善了传统似然函数的发散和平坦问题,使得粒子的重采样更有效。该算法的优点是不需要预先知道声源个数,利用先验信息和当前量测信息可以直接对当前声源进行跟踪。仿真结果表明,该算法能有效跟踪脉冲噪声环境下单一AVS声源的数目和状态。

基于阵列单通道的机动目标DOA跟踪方法

针对现有利用阵列单通道系统对机动目标跟踪精度不高,实时性差等不足,提出了一种新的基于改进粒子滤波算法的阵列单通道机动目标波达方向(direction of arrival,DOA)跟踪方法。该方法首先在利用接收机轮流采样建立数学模型的基础上,建立跟踪模型。然后,利用粒子群优化算法对马尔科夫链蒙特卡罗(Markov ChainMonte Carlo,MCMC)粒子滤波算法的重采样环节进行优化处理,给出了一种交互MCMC粒子滤波算法,该算法克服了传统粒子滤波算法粒子退化及样本贫化的固有缺陷。最后利用该算法求解跟踪方程,实现了实时DOA估计。理论分析与仿真结果表明,本文方法可实现基于阵列单通道的DOA跟踪与波束形成一体化,且能够处理相干信号,与标准粒子滤波和子空间类算法相比,收敛速度快,跟踪精度高。

基于单快拍空间平滑的多伯努利DOA跟踪算法

针对阵列信号处理中单快拍情况下的多源时变波达方向(direction of arrival,DOA)跟踪问题,提出了一种基于单快拍空间平滑的多伯努利DOA跟踪算法。首先,利用多伯努利随机有限集(random finite set,RFS)描述状态过程的随机性,并直接利用从传感器阵列中获得单快拍量测。其次,采用空间平滑技术对单快拍量测进行处理,得到伪协方差矩阵,并进行奇异值分解。最后,用多重信号分类(multiple signal classification,MUSIC)谱函数作为伪似然函数进行多伯努利DOA跟踪。仿真结果表明,该算法能实时有效跟踪单快拍量测下的时变信源DOA状态,且能准确估计信源个数。

基于快速数据投影法的多目标角跟踪

提出了一种新的多目标波达方向(direction of arrival,DOA)跟踪方法。首先利用可靠且低复杂度的快速数据投影法(fast data projection method,FDPM)自适应更新阵列接收信号的时变信号子空间,再采用高斯-牛顿法在更新后的信号子空间中,估计多个目标实时变化的DOA观测值,最后采用卡尔曼滤波获得当前时刻多个目标的最优DOA估计值。仿真多个交叉运动目标的情况,验证了该方法具有跟踪速度快、精度高的特点,并且可以避免数据关联。

一种相干分布源中心DOA快速跟踪算法

在智能天线和无线定位等技术中,精确跟踪目标的波达方向(DOA)十分重要。大多数传统的DOA跟踪方法都将目标信号看成是点源。但在密集的移动通讯环境中,信号的多径散射将引起信号能量的扩散,采用分布式信源模型更适合。因此,研究分布源的DOA跟踪技术更有意义和价值。针对相干分布源,本文基于均匀线阵提出了一种中心DOA快速跟踪算法。该算法首先通过正交紧缩近似投影子空间跟踪(OPASTD)算法实时更新信号子空间,然后利用一种低复杂度的方法估计分布源的中心DOA。本文算法避免了对样本协方差矩阵进行重复的特征分解,计算复杂度较低。算法的跟踪性能良好,并能有效跟踪多个分布源。此外,算法不需要分布源角分布形式的先验知识,稳健性好。仿真结果证实了算法的有效性。

阵列天线DOA跟踪环路鉴别器性能分析

利用阵列天线波束指向空间相关性的特点,可以构建一个类似于传统锁相环结构的闭合环路以实现对导航信号来波方向(direction of arrival,DOA)的跟踪。DOA跟踪环路中鉴别器的实现方法主要有实部相减相干法、幅值相减归一化法、功率相减归一化法,首先基于波束形成技术建立了阵列天线导航接收机DOA跟踪模型,在此基础上从鉴别器增益、收敛范围和输出噪声方差3个方面对比分析了采用不同角度鉴别器算法的跟踪性能,最后对其进行了仿真验证。

一种改进的IMM-JPDA多目标跟踪算法

IMM算法是一种应用非常广泛的多目标跟踪算法,但其在密集杂波环境下的性能会大打折扣,JPDA算法能很好的处理密集杂波环境下的多目标跟踪问题。因此,将两种算法有机结合而产生了IMM-JPDA算法,这种算法虽然获得了前两种算法的优点,也继承了它们的缺点,那就是计算量庞大。这里提出了一种子事件IMM-JPDA算法,它采用一种改进的单点初始化方法。通过对新算法和传统IMM-JPDA算法的仿真结果比较,此算法能在不影响跟踪性能的情况下,有效的的减少计算量。

声矢量传感器阵中基于PASTd的二维DOA跟踪算法

通过研究声矢量传感器阵列中高效的运动目标到达角(DOA)跟踪算法,提出一种声矢量传感器阵列中基于紧缩投影近似子空间跟踪(PASTd)的DOA跟踪方法。该方法利用PASTd算法进行声矢量传感器任意阵的DOA跟踪,其快速收敛的特点可以降低运算复杂度。同时,其角度跟踪的均方根误差(RMSE)性能优于常用的PAST算法。仿真结果验证了该算法的有效性。

声矢量阵列脉冲环境下的多伯努利机动源DOA跟踪

针对声矢量阵列脉冲环境下的多机动源波达方向的跟踪问题,提出了一种分数低阶矩的交互式多模型多伯努利滤波算法。该算法将交互多模型引入多伯努利滤波器多机动源预测过程中,并利用α稳定分布对脉冲噪声进行建模,通过分数低阶矩得到空间谱的MUSIC伪似然函数,并通过粒子滤波实现。仿真实验结果表明,该算法能够有效实现脉冲噪声下多机动目标的跟踪,并能有效跟踪目标状态和估计目标数。

基于Virtools的漫游地图算法实现

针对在Virtools Dev 3.5平台下实现漫游地图的各种功能存在实现算法不完善等问题,给出漫游者前进方向实时显示、漫游者位置实时显示、漫游地图的缩放和跳转等功能的实现方法,并制作出3个自成体系的通用模块.在用Virtools制作类似漫游的应用中,可以使用这3个通用模块快速实现漫游地图的4种功能,提高了开发效率.在漫游者位置实时显示功能算法中使用双重定位策略和地图缩放策略,保证了整个定位显示画面的准确性和流畅性.