散乱点云自适应滤波算法

提出一种散乱点云自适应滤波算法,该算法采用改进的R*-树组织散乱点云的拓扑近邻关系,基于该结构快速准确获取局部型面参考数据,自适应调节二维高斯分布的数字特征计算滤波权值,计算局部型面参考数据对原始型面数据的影响因子,以此作为权值计算各点滤波后的坐标,采用加权平均方法实现散乱点云的自适应滤波.实验证明该算法可有效提高点云的滤波效率,在保留原始型面特征的基础上,减小点云的随机误差,提高光顺性.     

多传感器加权观测融合自适应UKF滤波器

对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法.该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性.进而利用Sage-Husa估计算法得到自适应UKF滤波算法.该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性.为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器.一个带3传感器非线性系统的仿真例子说明了该算法的有效性.     

多渐消因子Kalman滤波器在SINS初始对准中的应用(英文)

针对系统模型和统计信息不能精确已知的条件下Kalman滤波无法给出最优解这一问题,单一渐消因子Kalman滤波算法对于简单的系统是有效的,但是对于复杂的多变量系统,仅仅利用单个的渐消因子是不够的。本文提出了一种多渐消因子滤波算法,通过利用开窗法计算新息序列协方差的无偏估计获得渐消因子矩阵。利用渐消因子矩阵调节一步预测均方误差矩阵k|k1P,对不同的滤波通道提供不同的渐消速率。将该方法应用于SINS的初始对准中,仿真和试验结果表明:当真实系统噪声统计特性同设定参数不一致时,对准精度明显高于其他滤波算法。其对不确定性噪声具有较低的敏感度,对系统参数具有较好的滤波效果。因而,在实际应用中具有重要的参考价值。     

基于FPGA的SAR图像Lee滤波器算法实现

在以SAR图像为基础的导弹末制导系统中,对图像匹配的速度要求很高,如果用软件实现去除图像相干斑的Lee滤波算法,处理时间相对较长,失去了其实际应用的价值.为解决这一问题,可以利用FPGA来实现Lee滤波算法,针对算法中运算消耗时间较多的开方运算、指数运算,建立高效的算法模型,本文实现了开方运算仅需要2个迭代周期、指数运...     

GPS／INS／罗兰C组合导航系统的联合滤波器设计

对于巡航导弹等精确制导武器和军用飞机导航系统，不仅要求高精度，而且要求具有快速的故障检测、隔离、系统重构能力。本文介绍一种将联合滤波技术应用于ＧＰＳ／ＩＮＳ／罗兰Ｃ组合导航系统的设计。理论分析和仿真结构表明，这种设计要比标准的集中式卡尔曼滤波器设计和一般的分散滤波方法具有更好的故障检测、隔离和系统重构能力     

外测数据滤波后残余噪声谱特性的时域识别方法

本文介绍了一种适用于外测数据滤波后残余噪声谱特性的时域识别方法，这种方法能有效识别超低频含量多且谱特性随频率升高迅速降低的噪声序列。文中给出了理论分析公式和仿真计算结果。     

分析与定量测定红外背景干扰的一种方法

为探索红外干扰的定量测定方法以及确定参数对红外背景干扰值大小的影响,分析了大量红外背景图像数据,并以象元电平为单位,对红外背景图像内的干扰噪声进行了计算。经过空间滤波处理和非滤波两种情况计算了图像的光谱密度,获得了关于红外背景图像的空间频率构成的信息,把计算出来的干扰值输入数据库取出多组数据绘图,确定了参数量对干扰电平的影响。     

基于多重检测的无人机抗遮挡目标跟踪算法

针对无人机（UAV）目标跟踪过程中遇到目标被障碍物遮挡时跟踪效果不佳的问题，提出一种多重检测的抗遮挡目标跟踪算法。在基于时空正则化相关滤波算法的框架下通过融合多种置信度函数，设计了一种响应置信度判别方法；为了具体了解目标被遮挡情况，将响应差值变化和响应梯度变化结合在一起作为判断是否更新滤波模板参数的依据；设计了一种融合分块思想与金字塔尺度池的尺度估计方法来解决目标在图像中尺度大小变化问题。所提算法在UAV数据集上相较于其他7种算法有不错的表现，在跟踪过程中面对目标遮挡、尺度变化和快速移动问题的跟踪精度和成功率上都有明显的提升。结果表明：所提算法能够更好地应对UAV在目标跟踪过程中出现的目标遮挡和尺度变化的问题，具有良好的快速性、准确性和鲁棒性。     

基于神经网络补偿的室内无人机组合导航系统

针对无人飞行器在环境特征突变情况下数据融合的可靠性大幅下降问题，提出了神经网络预测补偿的组合导航算法。首先利用扩展卡尔曼滤波和粒子滤波对激光、光流等传感器得到的数据进行融合，然后采用径向基函数（RBF）神经网络对粒子滤波前后的误差进行预测。当激光数据可靠时，RBF神经网络进行训练学习模式，当激光数据中断或者不可靠时，利用训练后的模型对系统进行误差补偿。利用无人飞行器在室内环境下进行定点和轨迹实验，结果表明补偿后的位置导航信息能够明显降低激光数据不可靠时带来的定位误差。     

基于形态学滤波的快速多通道图像EMD

为了提高多通道图像经验模态分解（EMD）方法分解的效率，提出了一种基于形态学滤波的快速多通道图像EMD方法。利用形态学膨胀和腐蚀滤波可以计算图像上下包络这一重要特性，实现了多通道图像EMD的快速计算，形态学滤波窗口大小由各通道图像的平均极值距离确定，将一幅多通道图像自适应分解为若干个尺度从细到粗的内蕴模态函数（IMF）图像和一个体现图像整体变化趋势的余量。大量的实验结果与对比显示，所提方法不但能够加快EMD方法分解的速度，而且也能够有效地对多通道图像进行自适应分解。通过在图像融合和图像水印中的应用及大量的实验比较，说明了所提方法能够方便快捷地投入到具体的图像处理任务中。