公共文化服务平台

条件线性高斯模型的Gauss Hermite filter-Kalman filter算法被引量：1: 2008年; 针对条件线性高斯状态空间模型,提出了高斯厄密特滤波-卡尔曼滤波(Gauss Hermite filter-Kalmanfilter,GHF-KF)滤波算法。算法将模型中的条件线性状态方程代入观测方程,并融合线性状态的过程噪声和观测噪声,由GHF获得非线性状态的估计;再将非线性状态的估计均值代入线性状态方程与观测方程,由KF获得线性状态的估计;获得的非线性状态估计方差还用于修正由KF估计的线性状态,以提高精度。将GHF-KF算法应用于目标跟踪的仿真结果表明,与现有Rao-Blackwellized粒子滤波器RBPF相比,新方法在保证估计精度的同时,明显提高了实时性,计算时间仅约为RBPF的5%。; 尹建君张建秋; 关键词：信息处理技术 RAO-BLACKWELLIZED粒子滤波器

小波变换域估计观测噪声方差的Kalman滤波算法及其在数据融合中的应用被引量：20: 2007年; 众所周知,卡尔曼滤波的成功应用需要事先准确知道观测噪声的统计特性.本文首先简要分析了不准确的观测噪声统计特性对卡尔曼滤波性能的影响,然后利用小波变换可以实时分离信号和噪声的特性,提出了一种在未知观测噪声条件下的卡尔曼滤波算法,该算法可以实时跟踪观测噪声的变化,即实现了对观测噪声方差的实时估计,从而解决了在未知观测噪声的条件下卡尔曼滤波失效问题.最后讨论了提出的方法在信息融合中的应用,仿真结果证明了本文方法的有效性和实用性.; 高羽张建秋; 关键词：卡尔曼滤波小波

A Polynomial Prediction Filter Method for Estimating Multisensor Dynamically Varying Biases被引量：3: 2007年; The estimation of the sensor measurement biases in a multisensor system is vital for the sensor data fusion. A solution is provided for the estimation of dynamically varying multiple sensor biases without any knowledge of the dynamic bias model parameters. It is shown that the sensor bias pseudomeasurement can be dynamically obtained via a parity vector. This is accomplished by multiplying the sensor uncalibrated measurement equations by a projection matrix so that the measured variable is eliminated from the equations. Once the state equations of the dynamically varying sensor biases are modeled by a polynomial prediction filter, the dynamically varying multisensor biases can be obtained by Kalman filter. Simulation results validate that the proposed method can estimate the constant biases and dynamic biases of multisensors and outperforms the methods reported in literature.; GAO Yu ZHANG Jian-qiu HU Bo; 关键词：MULTISENSOR

条件线性高斯状态空间模型的GSF-KF滤波算法: 算法将模型中的条件线性状态方程代入观测方程,并融合线性状态的过程噪声和观测噪声,再与非线性状态方程联立,由高斯和滤波器（Gaussian sum filter,GSF）获得非线性状态的估计;然后将估计值代入线性状态方程与...; 尹建君张建秋; 关键词：信息处理技术; 文献传递

客观评估彩色图像质量的超复数奇异值分解法被引量：19: 2007年; 本文利用超复数直接对彩色图像建模,保存了彩色图像完整的信息;基于超复数奇异值分解(也称四元数奇异值分解QSVD)提出一种全新的图形化与数值化相结合的彩色图像质量评估测度,不仅能判断图像失真等级,还能判断不同的失真类型.测试结果表明,本文提出的算法比传统的MSE、PSNR以及MSSIM等算法性能更优.; 叶佳张建秋胡波; 关键词：图像质量评估图像失真四元数

迭代异方差估计及其在多传感器数据融合中的应用被引量：4: 2008年; 本文提出一种适应任意噪声分布的迭代渐近无偏估计异方差的方法,它能对多个不同测量噪声的方差进行估计.不同于传统的异方差估计算法,本文提出的迭代异方差估计,可在不损失估计精度和减少运算量的前提下,对多个不同的测量噪声方差进行捕获和跟踪.在多传感器数据融合中的应用结果表明:本文提出的方法具有估计稳定性好、运算简单和具有较强的鲁棒性等优点,仿真和实验的结果均证明了提出方法的有效性和可行性.; 赵晋张建秋高羽; 关键词：最小均方误差多传感器数据融合加权最小二乘

快速超复数傅氏变换和超复数互相关的新算法及应用被引量：7: 2008年; 超复数把彩色图像作为一个矢量整体进行处理,与传统算法相比,它能更好地描述图像的色彩关联,超复数互相关已广泛应用到彩色图像处理的各个领域.本文首先分析和介绍了目前的实现二维超复数傅氏变换和超复数互相关的快速方法,然后通过把超复数按实部和各个虚部展开,分别进行传统的快速傅氏变换,再把对应的单位虚向量还原,从而为超复数傅氏变换和超复数互相关提出了一种新的快速算法.分析表明:本文提出的方法比目前现有的方法更简单易行,且计算量更小.最后,本文介绍了我们把超复数互相关技术应用到彩色目标跟踪上获得的一些新结果.; 江淑红郝明非张建秋胡波; 关键词：图像处理目标跟踪

条件线性高斯状态空间模型的GSF-KF滤波算法: 2008年; 算法将模型中的条件线性状态方程代入观测方程,并融合线性状态的过程噪声和观测噪声,再与非线性状态方程联立,由高斯和滤波器(Gaussian sum filter,GSF)获得非线性状态的估计;然后将估计值代入线性状态方程与观测方程,由卡尔曼滤波器(Kalman Filter,KF)获得线性状态的估计。此外,获得的非线性状态估计的方差还用于修正线性状态的估计。将GSF-KF算法应用于目标跟踪的仿真结果表明,与现有Rao-Blackwellized粒子滤波器(Rao-Blackwellized Particle Filter,RBPF)相比,新方法在保证精度的同时,明显提高了实时性,计算时间仅约为RBPF的7%。; 尹建君张建秋; 关键词：信息处理技术

多目标跟踪的核粒子概率假设密度滤波算法被引量：11: 2009年; 提出一种新的多目标跟踪算法:核粒子概率假设密度滤波算法(KP-PHDF)。算法的创新点在概率假设密度滤波算法(PHDF)的目标状态提取步骤,以粒子概率假设密度滤波算法为框架,并运用结合了mean-shift算法的核密度估计(KDE)理论进行概率假设密度(PHD)分布的二次估计、提取PHD峰值位置作为目标状态估计值。分析与多目标跟踪(MTT)仿真的结果表明,与现有序列蒙特卡罗概率假设密度滤波算法(SMC-PHDF)相比,在相同仿真条件下新算法的估计精度提高30.5%。; 庄泽森张建秋尹建君; 关键词：信号处理核密度估计仿真多目标跟踪

矢量水听器阵列超复数模型及在高分辨率波达角估计中的应用被引量：2: 2008年; 将超复数代数引入矢量水听器信号处理领域,用超复数来整体表示了矢量水听器输出的4个信号分量,并建立了矢量水听器阵列的超复数模型.在此基础上应用基于超复数奇异值分解的超复数MUSIC算法进行波达角估计并进行计算机仿真.仿真时与长矢量方法进行了比较,理论分析表明,运用超复数模型,算法所需的存储量和除法运算量都减少了75%;仿真结果显示,在取得上述优点的同时,超复数MUSIC算法在性能上没有损失.; 王友华张建秋; 关键词：波达方向矢量信号处理

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(60572023)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(60572023)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈