基于Kalman滤波的UWB的TOA估计

提出了一种基于卡尔曼滤波的TOA估计算法,充分利用了卡尔曼滤波的预测功能,以预测值为中心对接收信号进行加窗处理,对此窗口内的接收信号作主成份分析得到测量值,然后对预测值进行修正.实验结果表明,与传统的TOA估计算法相比,该算法不仅使信噪比提高了约8～12 dB、均方误差降低了3～4个数量级,而且更便于实时实现.     

基于Kalman滤波的制动器测试的电惯量模拟

在制动器模拟试验台上应用Kalman滤波进行电惯量控制,综合考虑系统状态变化与观测的不确定性以及实际电机输出电流的物理约束,将预测最小能量误差的电机电流的控制问题转化为数值最优化模型,并进行了求解.仿真试验表明该方法有效.     

扩展Kalman滤波的理论研究及数值试验

首先阐述了EKF（Extended Kalman Filter）的算法,然后对具有混沌和高度非线性的Lorenz（1960）系统进行了数值试验,并利用Monte Carlo方法对计算的协方差阵演变进行了检验.发现在一定的初始误差下,EKF方法对于非线性系统可以较好地计算系统方差协方差阵的演变,并且对系统状态进行有效的估计.     

GPS导航中的抗差自适应Kalman滤波算法

GPS导航与定位的质量取决于对动态载体函数模型和随机模型的认知.本文首先基于机动载体的当前统计模型,设计了离散系统的Kalman滤波器,进而基于方差分量估计给出了一种适合GPS动态定位的抗差自适应卡尔曼滤波算法.该算法模型简单,实时性好.实测数据计算结果表明,滤波导航解能有效地控制观测异常和动态扰动异常对导航解的影响,使导航解更能反映导航目标的真实情况.     

多特征Camshift 和Kalman滤波结合的猪只智能跟踪

为了实现猪只的智能跟踪,提出了一种多特征Camshift和Kalman滤波结合的猪只跟踪算法.首先采用最大类间方差法从背景中分割出猪只,从而统计出猪只的颜色特征和纹理特征;然后获取当前帧图像的联合特征概率分布图,利用Camshift算法求得猪只的位置;最后使用Kalman滤波预测猪只下一帧位置,实现多猪只跟踪.研究结果表明,猪只跟踪算法具有较强的鲁棒性,且更好满足实时性的要求.研究结果可为猪只健康养殖提供技术上的支持.     

土壤湿度估计的理想同化试验研究

通过使用集合Kalman滤波,建立基于不同离散化方法的同化土壤湿度的理想试验。通过设置不同的初始状态,以集合预报的形式建立了openloop和模拟的理想＂真值＂,并将来自不同离散化方法得到的理想＂真值＂集合生成多模型集合预报的理想＂真值＂。分别使用单个的离散化方法同化来自各自理想＂真值＂和多模型集合预报的理想＂真值＂,来检验通过同化表层土壤湿度后对整个湿度廓线的改进能力。结果表明,由于不同的离散化方法建立的土壤层之间的相关性不同,不同的离散化方法通过同化表层土壤湿度后土壤湿度廓线均有改进,但是改进的效率不同;当使用多模型的集合预报时,能够更有效地吸收观测,比任何单个模型的同化效果都要好。     

基于正交子集的锥形滤波去噪技术研究

三维地震数据体中的面波、声波、折射波等噪音,在三维空间上形成以震源为顶点的锥形体,在水平切片上显示为圆形,在纵向切片上显示为线性.三维F-Kx-K,锥形滤波器的频率响应特征呈圆锥形,与噪音在正交子集道集上的分布形状吻合,三维FKx-K,锥形滤波可以很好压制这类特征的噪音.根据面波在正交子集中表现特征稳定特征,研究了一种基于正交子集的锥形滤波去噪技术.实际应用表明,在正交子集上利用锥形滤波压制面波噪音,比传统的压制面波方法有更好的效果,且更大程度的保留了有效信号的原貌.     

基于粒子滤波的LAI时间序列重构算法设计与实现

遥感观测的叶面积指数(LAI)时间序列数据广泛应用于作物长势监测,但数据受大气条件等影响,存在数值偏低和时间序列数据缺失等问题。为此,本文设计了一种基于重采样粒子滤波的LAI时间序列重构算法,以LAI为同化变量,在WOFOST模型本地化的基础上,实现了遥感LAI数据和WOFOST模型模拟的LAI数据的同化,以重构LAI时间序列。算法将WOFOST作物模型简化为LAI状态随时间演变的非线性计算方程,作为重采样粒子滤波的状态转移方程;将地面实测LAI数据和遥感LAI数据建立的线性方程,作为重采样粒子滤波的观测方程,建立LAI时间序列数据同化模型。以带权重粒子表示LAI时间序列状态后验分布,并在循环迭代中对粒子重采样,以此实现单点和区域LAI时间序列重构。应用该算法,对河北省冬麦区2010年LAI时间序列进行重构,结果表明,基于重采样粒子滤波的LAI时间序列重构算法在单点和区域上得到的LAI值明显更接近冬小麦实际生长状况,且算法能够弥补遥感LAI时序数据的缺失,为进一步的作物长势监测提供基础支撑。     

基于粒子滤波的LAI时间序列重构算法设计与实现

遥感观测的叶面积指数（LAI）时间序列数据广泛应用于作物长势监测,但数据受大气条件等影响,存在数值偏低和时间序列数据缺失等问题。为此,本文设计了一种基于重采样粒子滤波的LAI时间序列重构算法,以LAI为同化变量,在WOFOST模型本地化的基础上,实现了遥感LAI数据和WOFOST模型模拟的LAI数据的同化,以重构LAI时间序列。算法将WOFOST作物模型简化为LAI状态随时间演变的非线性计算方程,作为重采样粒子滤波的状态转移方程;将地面实测LAI数据和遥感LAI数据建立的线性方程,作为重采样粒子滤波的观测方程,建立LAI时间序列数据同化模型。以带权重粒子表示LAI时间序列状态后验分布,并在循环迭代中对粒子重采样,以此实现单点和区域LAI时间序列重构。应用该算法,对河北省冬麦区2010年LAI时间序列进行重构,结果表明,基于重采样粒子滤波的LAI时间序列重构算法在单点和区域上得到的LAI值明显更接近冬小麦实际生长状况,且算法能够弥补遥感LAI时序数据的缺失,为进一步的作物长势监测提供基础支撑。     

基于UWB定位的农业机械辅助导航系统设计与试验

【目的】低成本实现南方中小型田块中农业机械田间精确定位,降低农机操作人员劳动强度、提高农机作业效率。【方法】采用超宽带(Ultra wide band,UWB)技术对作业机械进行实时定位,通过位置解算算法,得到定位标签的三维精确位置坐标;利用位置校正算法,修正作业机械车身倾斜引起的田间定位误差;设计基于AB线的路径规划算法,实时规划作业路径并计算作业偏差;通过可视化人机交互界面为农机操作人员提供实时辅助驾驶信息。【结果】水田环境中,分别以0.5、1.0和1.5 m/s的速度沿规划路径行驶时,系统平均横向定位偏差均小于7 cm;当行驶速度大于1.0 m/s时,利用位置校正算法平均横向定位偏差降低了52.79%,标准差降低了49.82%,最大横向定位偏差降低了50.04%。搭载辅助导航系统进行田间插秧试验,各行作业轨迹与自身行拟合直线的平均横向偏差为5.90 cm,标准差为3.64 cm;各行作业轨迹与其规划直线路径的平均横向偏差为6.98 cm,标准差为4.95 cm。【结论】辅助导航系统具有较高的定位精度和良好的稳定性,成本低且通用性强,能够满足南方中小型田块中农业机械田间作业要求。研...     

在农业物联网中基于卡尔曼滤波算法实现系统数据的融合处理

本文阐述了物联网和农业物联网的概念和内涵,介绍了农业物联网的体系结构以及各层的功能和涉及的主要技术,介绍了数据融合的相关概念、原理过程和技术优势,详细解释了基于卡尔曼滤波算法实现系统数据的融合处理的过程。     

Assimilation of Remote Sensing and Crop Model for LAI Estimation Based on Ensemble Kalman Filter

Data assimilation in agricultural remote sensing research is of great significance to integrate with remote sensing observations and model simulations for parameters estimation.The present investigation not only designed and realized the Ensemble Kaiman Filtering algorithm (EnKF) assimilation by combing the crop growth model (CERES-Wheat) with remote sensing data,but also optimized and updated the key parameters (LAI) of winter wheat by using remote sensing data.Results showed that the assimilation LAI and the observation ones agreed with each other,and the R2 reached 0.8315.So assimilation remote sensing and crop model could provide reference data for the agricultural production.     

森林资源的卡尔曼滤波

本文引入Kalman滤波理论中状态变量的概念,将森林资源看作一个系统,描述森林资源状况的随机变量是系统的待估状态,通过建立由生长方程和抽样观测方程组成的线性滤波模型,利用Kalman基本方程,对森林资源的现状、将来及过去分别作出滤波、预测和平滑估计.在给出森林资源滤波模型一般形式的基础上,根据观测信息的不同,将滤波模型分为:以样本均值为观测值的滤波模型(KFM-1)和直接以样本单元值为观测值的滤波模型(KFM-2).模型经福建省1983、1988年两期杉木资源清查材料验证表明:KFM-2优于KFM-1;动态估计优于静态估计;Kalman滤波优于SPR动态估计.尤其在样本量小、两期相关不紧密时,Kalman动态估计的相对效率更高.     

基于信息矩阵的自适应卡尔曼目标跟踪滤波器

为了克服线性系统中卡尔曼滤波发散这一问题,提出了一种基于信息矩阵的AKF.首先,通过对AKF滤波方程的等价推导,针对性解决了协方差矩阵的初始值问题,在信息矩阵初值P-10未知(P0一般初始化为0)时,滤波的稳定性和准确性都不受影响.另外,在基于信息矩阵的AKF基础上,为了更好适应实时场景,一种简化AKF算法(SAKF)被提出.仿真结果表明,基于信息矩阵的AKF与传统AKF(基于Sage-Husa的AKF)相比较,在P0未知时,其目标跟踪滤波效果明显优于传统AKF,该滤波算法在运动目标跟踪、航迹描绘等领域都有广泛的应用前景.     

基于SVM的中值滤波去噪方法研究

提出了一种针对椒盐噪声的去噪方法.去噪过程先利用SVM分类器将含噪图像中的象素分为噪声或非噪声点;接着,非噪声点象素值被保留,而噪声点象素值则通过中值滤波方法进行处理,从而达到去噪的目的.本研究在MATLAB6.5环境下搭建实验平台,运用OSU_SVM3.0工具箱分别建立了四邻域,八邻域和二十四邻域三种分类模型,仿真实验证明,与已有的算法比较,本研究方法能达到较高的峰值信噪比,具有很好的去噪效果.     

基于形态学的机载LiDAR点云滤波研究

SMRF算法又称改善的简单形态学滤波算法,该算法相比以往算法有较高的滤波精度,效率高.该研究从点云格网化、迭代开运算和原始点云滤波3个方面分析SMRF算法的优势,并针对该算法最大窗口半径参数确定难的问题,提出了基于高次曲线极值的滤波窗口探测的形态学机栽云滤波,通过程序自动寻找最优最大滤波窗口半径,摆脱了以往需要人工确定形态学滤波开运算的最大滤波窗口问题.实验表明该方法是可行的,这不仅降低了参数输入的门槛,而且滤波精度较高,这对机载激光雷达点云数据后处理向着自动化处理发展具有重要的意义.     

基于扩展卡尔曼方法的无速度传感器直接转矩控制

由于无速度传感器感应电机在农业生产、交通运输等方面的应用日益广泛,针对传统直接转矩控制(DTC)存在低频脉动和控制精度差等问题,提出利用扩展卡尔曼滤波器对感应电机控制系统进行状态估计的方法,从而实现无速度传感器直接转矩控制。首先分析应用于感应电机的扩展卡尔曼滤波(EKF)算法,设计了一种基于EKF的观测器,用于同时估计感应电机的转速和负载转矩,由此建立无速度传感器EKF-DTC控制系统。仿真实验结果表明,系统具有较强的鲁棒性。相比传统DTC控制,EKF-DTC控制系统在低频脉动抑制和随动控制性能上有明显改善。     

WCDMA信道分数维布朗估计方法

为克服接收机快速运动造成的深度衰落,将分形理论引入到多径衰落信道的研究中,利用WCDMA中信道复用的特点,提出适用WCDMA信道的分数维布朗估计方法.通过仿真结果可知,与传统信道估计算法比较,在接收机不同运动速度下,尤其在高速运动时,信道参数估计的精度有所改善,满足WCDMA支持高速运动的特点.     

基于蚁群算法的协同过滤推荐技术

协同过滤推荐技术是当前最成功的个性化推荐技术,并且已经广泛应用于个性化推荐系统中。考虑到用户的推荐时间、推荐人数都是影响推荐准确度的重要因素,提出了一种基于蚁群算法的动态协同过滤推荐方法。当系统产生推荐项时,该算法不仅考虑每项的评分,而且考虑每项上信息素强度。实验结果表明,该算法可以显著提高传统过滤推荐系统的推荐质量。     

具有纯时延的系统的解耦时延参数估计

通过对纯时延的有理逼近，提出纯时延系统的一种新的解耦时延二步估计算法。