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.     

双显色体系与Kalman滤波分光光度法用于多组分痕量元素分析

将卡尔曼滤波与双显色体系相结合提出了一种新的分光光度法。选用５－Ｂｒ－ＰＡＤＮ／吐温－８０（ｐＨ１０．０）及５－Ｂｒ－ＰＡＤＡＰ／ＣＰＢ（ｐＨ８．０）两体系进行显色反应，实现了铜锌钴镍镉的同时测定，双显色体系结果优于单独使用。将本法用于合成试样及水，发，指甲等环境样品分析，效果良好，操作简便。     

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.     

基于执行剖面过滤的分割测试

提出了一种基于执行剖面过滤的分割测试方法.该方法通过从大量的执行操作中过滤出包含容易引起错误输出的特殊执行操作的子集,并对子集的执行操作进行回放和检验,从而可以发现软件潜在的错误.从而使引起错误输出的输入元素集中分割在某些子域内,提高了发现错误的概率.实验结果表明,该方法分割错误元素的集中度以及命中错误的概率较高,相同条件下其效果要优于随机测试.     

基于滤波器分解的图像融合算法研究

研究了一种空域中的图像分解技术,进而利用改种分解方法,探讨了图像融合算法。主要思想是利用类型确定的滤波器(如低通)对原始图像滤波,将图像分解为高频和低频2部分,再对分解得到的低频或高频成分进行同样的处理,继续这一过程,图像便可分解成不同频率分量的图层之和。进而在各个图层上进行相应的融合处理,最后利用逆变换得到最终的结果。     

基于方向滤波的成像测井裂缝检测方法研究

根据成像测井图像中裂缝具有方向性的特点,研究了一种基于方向滤波的成像测井裂缝检测方法。该算法以方向滤波为基础,根据裂缝局部方向选择相应方向滤波器进行滤波,使裂缝图像在裂缝方向上得到增强,突出了裂缝的有效信息。通过基于方向滤波与基于区域分割融合方法对提取的裂缝进行后处理,得到最终的裂缝轨迹。实际应用表明,该方法较好地检测了实测成像测井中裂缝。     

基于卡尔曼滤波器的运动目标检测与跟踪

针对摄像机静止的情况,提出了一种可运用于实时监控中的运动目标检测与跟踪的方法．采用更新函数实现背景实时更新,通过差分算法检测运动目标．在跟踪模块中,提出建立帧间目标“关系矩阵”实现多个运动目标匹配,并采用卡尔曼滤波器预测目标参数,在运动目标相互遮挡的情况下,根据预测参数跟踪目标,获得目标轨迹．通过多个图像序列测试,算法具有良好的实时性和适应环境变化的能力．     

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.