强跟踪滤波和变分贝叶斯自适应量化估计融合

jiangwei36483_36483_36483 8 0 PDF 2021-04-08 06:04:24

推荐下载

摘要:对变步长LMS滤波算法进行研究,提出一种新的变步长LMS自适应滤波算法。该算法基于Sigmoid函数,通过引入误差因子反馈来调整函数参数,解决了类Sigmoid函数中参数设置的问题,并使算法具有

在改进算法中,步长因子与误差信号自相关函数之间建立了一种改进的非线性函数关系。将改进算法应用到系统辨识中,通过计算机仿真结果看出,自适应滤波性能在收敛速度和稳态失调误差等方面得到改善。

针对传统Unscented卡尔曼滤波器(UnscentedKalman¯lter,UKF)在噪声先验统计未知时变情况下非线性滤波精度下降甚至发散的问题,设计了一种带噪声统计估计器的自适应UKF滤波算

基于两轮驱动机器人的自适应轨迹跟踪算法

提出了一种尺度和方向自适应的均值漂移跟踪算法,以解决在均值漂移跟踪框架下如何估计目标的尺度和方向变化的问题。在原始的均值漂移跟踪算法中,可以很好地估计目标的位置,而不能自适应地估计比例和方向的变化。

针对相关滤波器的空间正则化权重与目标内容无关和跟踪过程中模型退化等问题,提出一种基于时间感知和自适应空间正则化的相关滤波跟踪算法。首先,提取灰度特征、CN(color name)特征和方向梯度直方图(

针对相关滤波目标跟踪算法空间正则权重没有与目标建立联系和时间正则项不能自适应更新的问题,提出自适应时空正则化的相关滤波目标跟踪算法。首先,利用初始帧的显著感知参考权重,使自适应空间正则项能够在后续跟踪

对运动目标(如船、飞行器等)的跟踪,主要使用雷达跟踪系统。在实际处理数据时,需要使用状态空间表示法对过程建模。在雷达跟踪系统中,目标位置的测量值是在与传感器位置相关的极坐标系下得到的。因此,雷达目标跟

在粒子滤波的基础上融合扩展卡尔曼滤波算法,融合后的算法在计算提议概率密度分布时,充分考虑当前时刻的量测,使粒子的分布更加接近状态的后验概率分布。将此改进粒子滤波算法在“当前”统计模型框架下进行机动目标

用户评论

请输入评论内容

评分：

暂无评论