基于自适应Kalman滤波的机器人运动目标跟踪算法

针对足球机器人比赛时的模型变化及其环境噪声先验估计不准确的问题,提出一种基于自适应卡尔曼滤波的足球机器人视觉跟踪算法。该算法将一种基于减背景的运动目标识别的方法与自适应卡尔曼滤波跟踪模型进行结合,对背景进行实时更新,并通过形态学滤波去除残留的小区域,从而准确的识别运动目标,通过自适应的在线调整运动模型参数来保证模型预测值的准确性,进而提高了目标跟踪时的匹配效率,实现了目标的精准、迅速跟踪。通过实验证明,该算法是很有效的,具有推广价值。     

电子罗盘水平状态下航向角误差补偿算法的研究

针对电子罗盘测量时存在传感器的零位、灵敏度误差和干扰磁场引起的航向角误差问题,应用一种航向角误差补偿算法进行校正;在分析了电子罗盘航向角测量的工作原理、航向角误差形成原因的基础上,详细阐述了该补偿算法的实现原理,并通过LbVIEW软件仿真验证;同时设计了两种测量方案和测试系统,利用HMC1043芯片的电子罗盘进行多次实测验证并得出结论;实验结果表明:补偿后电子罗盘测量的航向角误差在4.5°以内;该补偿算法补偿效果良好,实现简单。     

结合Sage-Husa滤波的合成孔径声呐多传感器组合运动补偿算法

在运动测量设备噪声统计特性不确定的情况下,提出结合Sage-Husa滤波的合成孔径声呐多传感器组合运动补偿方法。使用Sage-Husa卡尔曼滤波处理多种异类运动传感器的数据,自适应估计声呐速度的最优值,计算实际航迹与理想航迹之间的横荡误差和升沉误差,最后通过时延校正原始回波数据。仿真结果表明,Sage-Husa滤波对运动误差估计精度至少提高37%,运动补偿后,目标峰值旁瓣比和积分旁瓣比有所降低,峰值旁瓣比接近理论值.湖试数据处理结果表明,目标能量分散的情况有所改善,能量集中在主瓣,散焦得到抑制。Sage-Husa滤波在多传感器系统噪声先验知识缺失的条件下,能减小运动数据估计误差,提高运动补偿的准确性。     

基于联邦滤波的航迹推算方法研究

由于传统的基于IMU/里程仪组合的航迹推算系统受地形起伏及其打滑影响较大,影响了探测车导航系统的精度和稳健性,为了提高探测车导航系统的定位精度和稳健性,提出了一种基于联邦滤波的IMU/里程仪组合导航方法,该方法充分利用IMU提供的信息,在原航迹推算的方法上增加一个滤波器,将IMU的比力输出作为观测量进行滤波,并建立联邦组合导航系统的数学模型实现最优融合;从而提高了探测车导航系统的定位精度;最后地下矿道实验证明该方法能有效提高移动平台导航定位结果的精度和稳健性。     

基于扩展卡尔曼滤波的卫星组合姿态确定物理仿真技术研究

针对未来卫星应用的高精度、高可靠性定姿技术需求,设计了卫星单轴组合姿态确定物理仿真系统;采用太阳敏感器和光纤陀螺组合定姿模式,提出了一种扩展卡尔曼滤波组合姿态确定算法,用C语言进行了实验软件设计,系统采用DSP为处理器,还设计了多敏感器数据采集扩展接口;物理仿真实验结果:姿态确定精度优于0.5°;陀螺常值漂移估计的平均值为3.625758e-4°/s,证明了组合姿态确定算法的有效性和该项技术对工程应用的可行性。     

磁强计辅助MEMS惯性器件的新型数据融合算法

为实现载体姿态精确测量,设计了一种新型数据融合算法,用以替代传统的卡尔曼滤波器;首先,研究了陀螺仪、加速度、磁强计的姿态测量方法,通过试验分析测量误差分量,然后根据误差频域的差异性提出一种互补滤波器,并在二阶低通滤波器模型下推导出新型数据融合算法模型,最后,以FPGA为处理单元、MEMS惯性元件和磁罗盘为传感器单元开发一套小型姿态检测系统,进行可行性分析和精度估算;从载体的三维转动试验结果可以看出,新型融合算法测量值和卡尔曼滤波器输出值之差保持在±0.07°以内,并且不需要对传感器噪声特性精确标定;在运算时间方面,互补滤波器仅需360 μs,卡尔曼滤波器是它的3倍多,因此新型数据融合算法效率更高。     

基于CamShift和Kalman组合的改进目标跟踪算法

针对应用CamShift算法进行目标跟踪过程中,当目标被严重遮挡、目标被与目标颜色相近的背景干扰时易丢失跟踪目标的问题,提出了一种基于CamShift和Kalman滤波组合的改进跟踪算法;为克服目标因严重遮挡而丢失的缺陷,利用自适应算法改进了传统的CamShift算法,扩大了搜索窗口,使运动目标位于搜索窗口内;为解决目标因颜色相近背景干扰而丢失的问题,改善跟踪准确率,利用卡尔曼滤波预测目标运动空间位置,作为下一帧搜索窗口的质心坐标;基于上述改进,利用C++语言,研发了改进的CamShift目标跟踪软件模块,给出了该模块的算法流程;实验结果表明,改进后的目标跟踪算法能有效地克服传统CamShift算法的缺陷,大大提高运动目标跟踪的准确性;所提的算法可以应用于运动小车跟踪,人脸识别等领域。     

基于云计算的并行K-means聚类算法研究

目前数据呈爆炸式增长,海量存储状态,给聚类研究带来了诸如计算复杂性和计算能力不足都很多问题;而云计算平台通过负载均衡,动态配置大量的虚拟计算资源,有效地突破了耗时耗能的瓶颈,在海量数据挖掘中体现出了其独特的优势;文章深入研究了基于云计算平台Hadoop的并行K-means算法,并结合MapReduce分布式计算模型,给出了算法设计的方法和策略,包括MapReduce处理的map、shuffle和Reduce 3个过程,仿真结果表明K-means并行算法的效率较高。     

基于蚁群算法的车身振动主动控制研究

针对乘用车车身结构振动抑制问题,采用基于蚁群算法的参数自适应PID控制器,以压电元件为测量和控制元件,进行了振动主动控制仿真和实验研究;首先对白车身结构进行实验模态分析,确定了压电元件的布片位置并确定压电控制的传递关系,然后设计基于蚁群算法的PID参数自适应控制器,制定了控制方案,进行了模拟仿真分析,最后搭建试验平台,以某国产乘用车白车身为被控结构,进行了车身振动主动控制实验;系统仿真和实验结果表明,施加控制时车身的振动幅值较未施加控制时大幅减小,在振动幅值较大的低频区域,其振动幅值明显降低;从而验证了应用基于蚁群算法的参数自适应PID控制技术,不仅可以有效降低车身的振动幅度,而且对传统控制方法控制效果不佳的振动低频区域,控制效果明显。     

基于CAN总线网络控制系统的混合调度算法研究

文章以CAN总线为研究对象,在网络控制系统中,经过对原有动、静态调度算法及采用分级调度机制的混合调度算法(MTS)的分析和研究,提出了一种改进的混合调度算法IMTS;在IMTS算法中,采用动态调度算法LLF或EDF来调度硬实时性消息;采用静态调度算法DM,并分别结合RM算法或先来先服务策略来调度软实时性消息和非周期非实时性消息;最后利用基于Matlab/Simulink仿真环境下的TrueTime-1.5工具箱分别对一般的MTS算法和改进的IMTS算法进行仿真比较,分析了IMTS算法对网络控制系统性能的影响,该算法取得了较理想的调度效果。     

基于稳态卡尔曼滤波的红外焦平面阵列非均匀校正算法

传统的卡尔曼滤波算法利用批处理实现非均匀校正,这样不仅会带来较大的计算量和存储量,而且更重要的是该方法不能实时处理.为此,提出了一种基于稳态卡尔曼滤波的红外焦平面阵列非均匀校正算法,它可以根据固定图案噪声的特点离线计算出滤波器的增益矩阵,并且非均匀校正过程也采用了逐帧迭代方式,因此大大降低了计算复杂度和存储占用量.详细阐述了该算法的基本原理,并用仿真数据和真实红外数据对算法性能进行验证,实验结果表明:本方法平均校正一帧图像所需CPU时间和内存占用量分别为1.7188 s和131.25 KB,完全可以满足实时处理的要求.     

基于小波变换的卡尔曼滤波法在ICP-AES中的应用

在ICP－AES中，卡尔曼滤波是一种有效的光谱干扰校正方法，它在强背景、谱线重叠严重的情况下，仍可得到很好的分析结果；并且有比传统分析线法在纯组分试样条件下更低的检出限。然而，噪声的存在影响了卡尔曼滤波的准确度。小波变换因其多分辨分析的特性，近年来被用于分析信号的去噪，而且该方法简单、快速，是一种很有效的去噪方法。本文首先用仿真数据研究了噪声对卡尔曼滤波法的影响；其次，将小波变换引入卡尔曼滤波法，提出了基于小波变换的卡尔曼滤波法，仿真实验结果表明，该方法能有效提高卡尔曼滤波法的分析准确度。     

基于卡尔曼滤波的近红外光谱特征波长变量优选方法

将经典的卡尔曼滤波器与近红外光谱分析技术相结合,提出了一种新的特征波长变量选择方法——卡尔曼滤波法。分析了卡尔曼滤波器用于波长优选的原理,设计了波长选择算法并将其应用到大豆油脂酸价的近红外光谱检测中。首先利用偏最小二乘法(PLS)对油脂不同吸收波段建模,初步筛选出4 472～5 000 cm-1油脂酸价特征波段共132个波长点,然后进一步利用卡尔曼滤波器进行特征波长选择,从中优选出22个特征波长变量建立PLS校正模型,预测集决定系数R2、预测误差均方根RMSEP分别为0.970 8和0.125 4,与利用132个波长点建立的校正模型预测结果相当,而波长变量数减少到原来的16.67%。该波长变量选择算法是一种确定性的迭代过程,无复杂的参数设置和变量选择的随机性,物理意义明确。优选出少数对模型影响较大的特征波长变量以代替全谱建模,在简化模型的同时提高了模型的稳健性,为开发专用油脂近红外光谱分析仪器提供了重要参考依据。     

机抖激光惯导圆锥误差补偿算法研究

随着陀螺技术的发展,激光惯导陀螺数据输出频率变高,常用圆锥误差补偿算法使得系统运算负荷较大且无法有效挖掘高频数据对圆锥误差的补偿潜力。针对上述问题,提出五子样二次迭代圆锥误差补偿算法,推导了五子样二次迭代优化算法公式,并与双回路二子样、三子样优化算法进行了对比计算。经研究表明,该算法在保证惯导数据更新频率的同时有效提高了圆锥误差补偿效果,且相对于目前常用算法,对系统造成的运算负荷较小。提高了激光惯导系统在圆锥运动等恶劣工作环境下的工作性能。     

基于预估测量值的EKF在手臂测姿中的应用

针对载体线性加速度以及周围局部磁干扰对姿态测量精度的影响,基于已有的惯性测量单元,设计了一个基于四元数的实时估计手臂姿态的扩展卡尔曼滤波器(EKF)。提出利用四元数引入加速计和磁强计的预估测量值构造自适应测量噪声协方差阵的方法,结合QUEST算法,来判定姿态角解算对陀螺仪、加速计和磁强计输出信息的依赖程度,以此来提高测量精度。文末通过实验仿真对该方法进行了验证,并对实验结果和电磁跟踪系统采集到的数据进行了比较,结果表明,本文提出的方法能显著提高手臂姿态测量精度,可有效满足应用要求。     

基于DCT算法的种子点相位解包算法

移相干涉术由于其高精度被广泛应用在光学元件的面形测量上,而由移相算法得到的相位数据被包裹在[-π,π]之间。基于区域生长理论的相位解包算法(种子点法)可以高精度地实现连贯区域的相位解包,基于离散余弦变换的最小二乘解包(DCT)算法可以实现矩形区域的相位解包,而实际测量中,经常会碰到被测件的有效区域为非矩形的分离区域。因此,在分析前两种算法优缺点的基础上,提出了基于DCT算法的种子点相位解包算法。首先运用DCT算法对整个包裹相位进行解包,然后运用种子点法分别解包各分离区域,再通过DCT算法求得的种子点干涉级次实现各分离区域解包相位的统一。实验结果表明,该方法克服了种子点法和DCT算法的缺点,可以准确、快速地实现分离区域干涉图包裹相位的解包,且比这两种算法具有更好的稳定性和更高的精度。     

基于局域均值滤波的Stoilov改进算法

Stoilov算法中相移量的计算依赖于采集到的变形条纹图的光强,存在对光强的减法、除法和开方等运算,使相位计算时在某些位置出现分子分母为零或开方为复数等奇异现象,导致相位展开无意义或出现超大误差。从而使三维面形重构出现畸变、失真,甚至无法进行三维重构。大量实验说明这些奇异点都是孤立的点,本文提出一种基于局域均值滤波的方法对Stoilov算法进行改进,首先对奇异点进行标记,然后依次用其周围8个点中的非奇异点的平均值代替该奇异点的值。实验结果表明,该方法在考虑传感系统带来的误差的情况下,有效抑制了奇异现象,提高了三维测量精度。     

基于Kalman滤波与DBN的油脂中TFAs含量近红外光谱分析

针对油脂脱臭过程中的反式脂肪酸(TFAs)含量控制问题,提出一种基于近红外光谱分析的油脂中TFAs含量快速检测方法.制备含不同TFAs的大豆油脂样本100个,利用气相色谱(GC)法精确测定其TFAs含量,扫描样本近红外光谱,然后利用不同方法对光谱数据进行降噪处理,发现多元散射校正的去噪效果最佳.为了探讨T FAs在近红...     

基于Laplacian算子的同态滤波算法研究

针对频域同态滤波中运算量大、运算时间长、不能满足实时性要求的缺点,提出了一种基于Laplacian增强算子的空域同态滤波算法。首先对原有的Laplacian增强算子做改进,使其在增强图像高频成分的同时能够适当地抑制其低频成分,再将改进后的Laplacian增强算子同图像函数作卷积,快速实现空域内的滤波增强。实验表明,该方法不仅有效地压缩了图像的亮度范围,增强了图像的对比度,还大大提高了运算速度,节省了运算时间,适用于对快速性要求较高的实时性场合。     

卡尔曼滤波分光光度法同时测定扑热息痛四组分的研究

卡尔曼滤波分光光度法用于测定扑热息痛合成过程中对乙酰氨基酚、对硝基酚、对氨基酚和醋酸四组分含量的研究,并详细讨论了卡尔曼滤波参数的选择。试验表明,用均匀设计法配制9组混合标准液,用多元线性回归法求出四个组分在各波长点上的吸收系数矩阵,在206-320 nm内滤波58次,便能不经分离同时测定样品中的四个组分。各组分的标准加入回收率在97.3％-109.3％之间。样品的测定结果与高效液相色谱法相符。