中国人民解放军总装备部预研基金(2011DA090002C090002)
- 作品数：2 被引量：13H指数：2
- 相关作者：何鹏举冯亮杨晶秦丽丽宋阿梅更多>>
- 相关机构：西北工业大学江西理工大学更多>>
- 发文基金：中国人民解放军总装备部预研基金江西省教育厅资助项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于概率密度估计改进粒子滤波的行人跟踪算法研究被引量：2
- 2013年
- 利用粒子滤波实现行人跟踪是视频智能监控的主要方法之一,但粒子滤波的粒子退化问题尚未得到一个比较理想的解决方法。本文利用重采样后的粒子集,构造经验分布函数,用支持向量机估计状态的后验概率密度模型,再依据该模型采样,在保证粒子有效性的同时增加了粒子的多样性,从而克服粒子退化现象,并基于加权颜色直方图模型进行了行人跟踪仿真实验。实验结果表明,该方法能有效克服粒子退化现象,跟踪精度相对于标准粒子滤波算法得到了提高,且该方法无需对后验分布作高斯假设,为解决粒子滤波算法中的粒子退化问题提供了一种方法。
- 何鹏举宋阿梅张永锋秦丽丽杨晶
- 关键词：改进粒子滤波概率密度估计加权颜色直方图
- 加速度信号随机噪声及趋势项实时消除方法研究被引量：11
- 2013年
- 利用加速度信号测量位移是油田抽油井光杆位移测量的主要方法,而加速度信号的随机噪声和趋势项是影响测量精度的主要因素,本文提出了一种基于学习的实时消噪和剔除趋势项方法。学习时先获取一段时间的加速度信号,再通过时间序列分析技术得出ARIMA模型及其参数,最后基于FFT变换的Rife-Jane频率估计方法求出加速度信号的周期;在线实时消噪和剔除趋势项方法是基于学习阶段所得模型参数,运用卡尔曼滤波技术消除加速度信号随机噪声;按周期两次积分得到光杆位移,用加窗递推最小二乘法在线消除趋势项。通过抽油机半实物仿真平台测试和分析加速度信号,结果表明,该方法有效地去除了加速度信号中的噪声和趋势项,极大地提高了位移的测量精度。
- 何鹏举冯亮
- 关键词：ARIMA模型递推最小二乘卡尔曼滤波
