基于瑞利熵的多无源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,本文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。     

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.     

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。     

红外交叉定位系统中传感器-传感器的目标关联

针对红外交叉定位系统中传感器-传感器目标关联问题,提出了目标关联的判决方法。当两传感器与多个目标共面时会产生虚假定位点,提出了利用目标角度和角速度之间的关系剔除虚假定位点的方法。探讨了时间对准和关联目标的限定条件。综合以上分析给出了完整的目标关联算法步骤。实验仿真结果表明,该算法计算简单,适合实时处理;关联效果较好,其...     

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。