基于位置估计不确定性的被动传感器数据关联算法

针对当前多无源传感器数据关联算法构造关联代价时,未考虑位置估计不确定性所引入的误差,提出一种基于位置估计不确定性的被动传感器数据关联算法；首先通过量测与伪量测概率密度函数之间的瑞利熵构建关联代价函数,以准确描述两个相似的概率密度函数之间差异,然后通过具体实验测试本文算法的有效性和优越性；实验结果表明,相对于当前经典的数据关联算法,文章算法提高了数据关联的正确率和速度,具有更高的实际应用价值。     

双目视觉-激光测距传感器目标跟踪系统

针对视觉传感器在目标跟踪定位过程中,沿光轴方向量测精度较低的问题,提出了使用一维点激光测距传感器进行修正的方法。同时,为了充分发挥双目视觉传感器和激光测距传感器在目标跟踪方面的优势,利用信息融合技术来提高信息的利用率和测量的精度。在系统量测过程中,由于激光测距传感器受到二维转台机械性能影响,导致测距值成为时滞信息,提出了时滞信息直接更新算法将常时滞信息的估计值作为当前时刻量的量测值带入后续算法中,从而解决时滞问题;随后利用联邦卡尔曼滤波算法解决了双目视觉传感器和激光测距传感器之间的估计相关问题。仿真结果表明,经过直接更新算法后时滞信息的实时性得到提高,实验同时验证了该算法的有效性,提高了目标跟踪系统的量测精度,改善了双目视觉传感器及激光测距传感器本身带来的精度和实时性方面的不足。     

基于自适应无迹卡尔曼的机器人室内定位算法

针对室内环境复杂,难以通过单一传感器对机器人精准定位的问题,以室内环境中的两轮差动移动机器人为研究对象,提出了一种自适应无迹卡尔曼室内定位算法。该方法以无迹卡尔曼滤波（UKF）算法为基础,融合里程计、超声波定位系统、电子罗盘等传感器数据,利用超声波定位低频特性好的特点,弥补里程计结合电子罗盘进行航迹推算的累积误差和打滑影响。鉴于实际中量测噪声往往难以确定,利用Sage-Husa自适应方法,并根据不同传感器的噪声特性设置不同的加权系数,在线更新量测噪声特性,以实现对量测噪声的自适应。通过仿真验证,该方法能在传感器噪声特性未知的情况下,有效适应传感器噪声的变化,从而能够在复杂室内环境下,实现较高精度和鲁棒性的位姿估计。     

采用邻域近似算法估计环境参数不确定性

根据贝叶斯理论,逆问题的解可以用后验概率密度来表征,它包含了模型参数先验知识和观测数据信息,反映了反演参数的不确定性.一种快速吉布斯采样算法已经被用于后验概率密度的多维积分运算,但其需要调用大量的声场前向模型,在多个频率或水平变化的匹配场参数反演中,计算量仍然很大.基于邻域近似算法,提出一种比快速吉布斯采样算法更快的参数不确定性估计方法.对低维参数反演问题,邻域算法可以很好地逼近真实的后验概率密度;而对高维问题及其敏感参数,在模型参数样本量有限的条件下,邻域算法很难精确地估计后验概率密度.为了克服以上缺点,并完整地得到反演参数的不确定性信息,设计了一种多步估计方案.数值仿真和实测数据分析表明,多步邻域算法采用较少的计算代价,可获得与快速吉布斯方法相似的估计精度.     

基于概率假设密度滤波平滑器的检测前跟踪算法

基于概率假设密度滤波(PHD)的检测前跟踪(TBD)技术可以有效解决未知弱小多目标检测问题。PHD-TBD算法粒子权重计算受量测噪声影响明显,导致目标数估计存在起伏现象,制约了PHD-TBD算法性能。对PHD-TBD技术进行研究,引进概率假设密度滤波平滑器,提出基于平滑的PHD-TBD算法。该算法对当前帧目标数估计时,综合利用前向递推和后向平滑结果对粒子权重进行更新,在一定程度上克服了随机量测噪声的影响。通过仿真验证,该算法能够有效发现目标,准确估计目标数目和位置,性能有较大提高。     

非线性混合模式的语音盲分离算法

本文针对FIR非线性混合模型，基于最大熵算法，提出了一种以高斯混合模式概率密度函数估计替代传统对数化概率密度估计的盲分离算法，以偶函数为非线性激活函数，采用最大期望（EM）迭代算法推导了分离算法的权向量迭代公式，通过模拟仿真实验结果与传统的最大熵和高阶累积量方法比较，新算法提高了收敛速度，并有效地完成了非线性语音分离任务，抑制了干扰语音信号的影响，提高了输出信噪比。     

一种单频水声信号多径时延估计算法

提出一种针对单频水声信号的多径时延估计算法,通过采用频域加权并结合进化规划算法解决代价函数强烈振荡下的高效全局优化.算法引入多径径数建立由多径时延、幅度系数及径数组成的水声信道多径参数模型,在采用频域加权预白化进行非线性最小二乘代价函数解耦处理的基础上,结合进化规划算法进行非线性参数解空间的高效全局寻优,从而实现多径时延的高分辨率估计.利用仿真数据和海上实验数据进行的实验表明,本算法具有较高的多径时延估计精度并可同时实现多径径数的估计.     

基于Huber的高阶容积卡尔曼跟踪算法

为改善高阶容积卡尔曼滤波算法的滤波精度和鲁棒性, 提出了一种新的基于Huber的高阶容积卡尔曼滤波算法. 在采用统计线性回归模型近似非线性量测模型的基础上, 利用Huber M 估计算法实现状态的量测更新. 进一步结合高阶球面-径向容积准则的状态预测模块构成基于 Huber的高阶容积卡尔曼跟踪算法. 重点分析了Huber代价函数的调节因子对算法跟踪性能的影响. 通过对纯方位目标跟踪和再入飞行器跟踪两个实例验证了所提算法的跟踪性能优于传统高阶容积卡尔曼滤波算法.     

一种无线传感器网络中的混沌信号重构算法

将无线传感器网络节点观测区域中的一个混沌信号发送到融合中心,进行信号重构.由于节点的通信带宽受限,信号传输之前需要进行量化,给信号带来量化噪声,使得信号重构工作变得更为棘手.本文提出用平方根容积卡尔曼滤波器对融合中心收集的信号进行重构.首先估计观测信号的概率密度函数,使用最优量化器量化观测信号,在有限的量化比特数下,取得最优的信号量化性能.平方根容积卡尔曼滤波器相对无先导卡尔曼算法具有较少的求容积分点,因此具有计算量小的优点,同时迭代过程采用传递误差矩阵的平方根矩阵,保证迭代过程的稳定性和提高数据估计精度.仿真结果表明,该算法能够有效和快速地重构观测信号,并且比基于无先导卡尔曼滤波的算法更快.     

基于视觉的传感器位置记忆追踪方法

在采用某些特殊传感器测量参数时,需要在传感器移除后确定出原来的测量位置,比如采用穴位传感器测量出患者多个经络穴位的异常表现后,需要确定出异常穴位的实际位置,对其施加干预措施,缓解患者疼痛并改善身体状况。为此,研究了传感器的记忆追踪问题,提出了一种基于视觉的传感器位置记忆追踪方法,在传感器和被测对象上分别粘贴AprilTag,在测量过程中,采用AprilTag检测算法计算出传感器与被测对象之间的位置关系;在传感器移除后,利用这种位置关系和被测对象上的AprilTag追踪到传感器的测量位置,追踪精度达1 mm以内,为进一步处置提供参考。     

基于渐进添边的准循环压缩感知时延估计算法

针对时延估计问题中压缩感知类算法现有测量矩阵需要大量数据存储量的问题,提出了一种基于渐进添边的准循环压缩感知时延估计算法,实现了稀疏测量矩阵条件下接收信号时延的准确估计.该算法首先建立压缩感知与最大似然译码之间的理论桥梁,然后推导基于低密度奇偶校验码的测量矩阵的设计准则,引入渐进添边的思想构造具有准循环结构的稀疏测量矩阵,最后利用正交匹配追踪算法正确估计出时延.对本文算法的计算复杂度与测量矩阵的数据存储量进行理论分析.仿真结果表明,所提算法在测量矩阵维数相同的条件下正确重构概率高于高斯随机矩阵和随机奇偶校验测量矩阵,相比于随机奇偶校验矩阵,在数据存储量相等的条件下,以较少的计算复杂度代价得到了重构概率的较大提高.     

基于高斯混合概率假设滤波的水下目标跟踪算法

为了解决传统水下目标跟踪中目标数目估计不准确、状态估计误差增长过快的问题,提出了一种基于高斯混合概率假设滤波的水下目标跟踪算法。该算法基于双基地观测模型,采用高斯混合概率假设滤波算法处理方位和时延信息,利用粒子群算法处理多普勒频率获得矢量速度,进一步提升算法的跟踪精度。结果表明,该算法能完成在杂波环境下对目标的跟踪,相比传统的关联算法,能够有效地实现目标个数估计和抑制状态误差增长的目的。     

Particle filter-based relative rolling estimation algorithm for non-cooperative infrared spacecraft

The issue of feature point mismatching among infrared image sequence would bring big challenge to estimating the relative motion of non-cooperative spacecraft for it couldn’t provide the prior knowledge about its geometric structure and motion pattern. The paper introduces particle filter to precisely match the feature points within a desired region predicted by a kinetic equation, and presents a least square estimation-based algorithm to measure the relative rolling motion of non-cooperative spacecraft. The state transition equation and the measurement update equation of non-cooperative spacecraft are represented by establishing its kinetic equations, and then the relative pose measurement is converted to the maximum posteriori probability estimation via assuming the uncertainties about geometric structure and motion pattern as random and time-varying variables. These uncertainties would be interpreted and even solved through continuously measuring the image feature points of the rotating non-cooperative infrared spacecraft. Subsequently, the feature point is matched within a predicted region among sequence infrared image using particle filter algorithm to overcome the position estimation noise caused by the uncertainties of geometric structure and motion pattern. Finally, the position parameters including rotation motion are estimated by means of solving the minimum error of feature point mismatching using least square estimate theory. Both simulated and real infrared image sequences are induced in the experiment to evaluate the performance of the relative rolling estimation, and the experimental data show that the rolling motion estimated by the proposed algorithm is more robust to the feature extraction noise and various rotation speed. Meanwhile, the relative rolling estimation error would increase dramatically with distance and rotation speed increasing.     

An algorithm for terrain-aided inertial navigation based on nonlinear optimal filtering

When the initial position error or the altimeter measurement noise is large,the BUAA Inertial Terrain-Aided Navigation (BITAN) algorithm based on extended Kalman filtering can not be located accurately.To solve this problem,we propose a modified BITAN algorithm based on nonlinear optimal filtering.The posterior probability density correction is obtained by using the prior probability density of the system's state transition model and the most recent observations.Hence,the local unobservable system caused by...     

未标定相机的高精度位姿估计方法

针对未标定相机的位姿估计问题,提出了一种焦距和位姿同时迭代的高精度位姿估计算法。现有的未标定相机的位姿估计算法是焦距和相机位姿单独求解,焦距估计精度较差。提出的算法首先通过现有算法得到相机焦距和位姿的初始参数;然后在正交迭代的基础上推导了焦距和位姿最小化函数,将焦距和位姿同时作为初始值进行迭代计算;最后得到高精度的焦距和位姿参数。仿真实验表明提出的算法在点数为10,噪声标准差为2的情况下,角度相对误差小于1%,平移相对误差小于4%,焦距相对误差小于3%;真实实验表明提出的算法与棋盘标定方法的精度相当。与现有算法相比,能够对未标定相机进行高精度的焦距和位姿估计。     

Bias due to noise in otoacoustic emission measurements

Measurements of otoacoustic emission (OAE) magnitude are often made at low signal/noise ratios (SNRs) where measurement noise generates bias and variability errors that have led to the misinterpretation of OAE data. To gain an understanding for these errors and their effects, a two part investigation was carried out. First, the nature of OAE measurement noise was investigated using human data from 50 stimulus-frequency OAE experiments involving medial olivocochlear reflex (MOCR) activation. The noise was found to be reasonably approximated by circular Gaussian noise. Furthermore, when bias errors were taken into account, measurement variability was not found to be affected by MOCR activation as had been previously reported. Second, to quantify the errors circular Gaussian noise produces for different methods of OAE magnitude estimation for distortion-product, stimulus-frequency, and spontaneous OAEs, simulated OAE measurements were analyzed via four different magnitude estimation methods and compared. At low SNRs (below -6 dB), estimators involving Rice probability density functions produced less biased estimates of OAE magnitudes than conventional estimation methods, and less total rms error-particularly for spontaneous OAEs. They also enabled the calculation of probability density functions for OAE magnitudes from experimental data.     

浅海时变声速环境下的自适应匹配场定位算法实现*

针对浅海环境下声速剖面失配引起的匹配场处理器失配问题,提出了一种自适应匹配场定位算法在声速剖面时变环境下的实现方式。将先验声速剖面集简化为经验正交函数表示,结合蒙特卡洛方法与环境扰动约束算法对当下时刻的目标声源进行匹配场定位。本文以某次试验获取的连续20小时的声速剖面数据为研究对象,通过仿真试验对该算法进行验证,结果表明：在先验声速剖面集的半小时之后,利用自适应算法的距离和深度定位成功率较常规匹配场算法有较大提升,其中,深度正确定位概率相对较低。     

核密度估计算法结合近红外光谱技术鉴别三叶青产地

三叶青是我国珍稀中药材，具有多种疗效，但不同产地的三叶青有效成分含量差异悬殊，为防止三叶青以次充好，其产地鉴别尤为重要。以浙江、云南、安徽、广西和湖北五个产地的三叶青为研究对象，利用傅里叶变换近红外光谱分析仪(Fourier transform near infrared spectroscopy, FT-NIR)收集4 000~10 000 cm-1范围内的近红外光谱，由于三叶青近红外光谱数据还未完善，因此在其产地鉴别上，应对鉴别算法提出更高的要求，即在实现三叶产地鉴别的同时，还要能够有效地识别出其他或未知新产地的三叶青。针对这一问题，本文结合三叶青近红外光谱数据的特点，对算法共做了三方面改进：①从距离的角度估计样本的概率密度；②以训练样本可信度的方式计算带宽参数；③在未知新产地的识别上，提出一种基于训练集样本的概率密度函数的识别方法。结果表明，该算法对训练集样本的识别精度达到了100%，且在140组预测集样本中，只有3组样本识别出错，并能够100%地识别出未知新产地的三叶青，说明基于核密度估计的改进算法在三叶青产地鉴别上，不仅鉴别精度高，且能够有效识别出其他或未知新产地的三叶青。