导读:本文包含了跟踪滤波与预测论文开题报告文献综述及选题提纲参考文献，主要关键词:网球跟踪,粒子滤波,卡尔曼滤波,多尺度小波变换
跟踪滤波与预测论文文献综述
付饶,管业鹏[1]（2019）在《基于卡尔曼预测粒子滤波的网球运动目标跟踪方法》一文中研究指出为有效跟踪视频网球运动,提出了一种基于卡尔曼滤波预测的粒子滤波网球运动跟踪方法。基于多尺度小波变换在时域和空域均具有优异的局部化特征,将相邻帧视频图像进行差分,提取反映前景运动的目标特征信息,克服光照变化以及网球运动尺度随时不断变化的不利因素影响;同时,基于网球场地结构化特性,排除场地外不利干扰因素影响。在此基础上,采用卡尔曼滤波对粒子进行预测和修正,将当前观测信息融入到粒子滤波过程中,估计预测粒子状态的均值和协方差,使动态粒子更加接近其后验概率分布,从而提高网球运动目标的跟踪精度。通过与同类方法在不同网球公开赛的定量对比,实验结果表明,所提方法能有效跟踪视频网球运动目标。(本文来源于《电子器件》期刊2019年04期）
赵治月,刘丽贞,周鹏远[2]（2019）在《基于卡尔曼滤波的光电跟踪设备速度预测》一文中研究指出为了解决当前光电跟踪设备速度预测存在误差大、抗噪能力差等不足,提出了基于卡尔曼滤波的光电跟踪设备速度预测方法。首先对当前光电跟踪设备速度预测的研究现状进行分析,并找到导致误差大的原因,然后采用小波分析对光电跟踪设备速度数据进行消噪处理,抑制噪声对跟踪设置速度预测干扰,最后采用卡尔曼滤波建立光电跟踪设备速度预测模型,并实现了光电跟踪设备速度预测仿真实验。结果表明,本文方法提高了光电跟踪设备速度的预测精度,跟踪速度也明显加快,具有一定的实际应用价值。(本文来源于《激光杂志》期刊2019年01期）
彭瀚,程婷[3]（2019）在《基于预测信息的量测转换序贯滤波目标跟踪》一文中研究指出针对多普勒雷达目标跟踪问题,提出了基于预测值量测转换的序贯滤波目标跟踪算法。该算法采用基于预测信息的量测转换方式解决量测与目标运动状态的非线性,其中位置量测转换采用乘性去偏、伪量测转换采用加性去偏,量测转换误差的统计特性基于预测值进行推导,并采用序贯滤波方式处理伪量测以实现目标跟踪。同时将该算法扩展到机动目标跟踪情况,综合利用了位置量测与伪量测滤波部分输出的概率组合作为该模型的更新概率,利用模型更新概率对各滤波器的状态估计结果进行加权求和获得最终估计。仿真结果表明该算法与传统的序贯滤波跟踪算法相比,具有更高的跟踪精度,其扩展方法可实现有效的机动目标跟踪。(本文来源于《系统工程与电子技术》期刊2019年03期）
王旭,程婷,吴小平,何子述[4]（2018）在《一种基于预测值量测转换的卡尔曼滤波跟踪算法》一文中研究指出在雷达目标跟踪中,系统量测信息通常在球坐标系下获得。为了采用经典卡尔曼滤波算法实现有效目标跟踪,通常采用量测转换方法将非线性量测信息转换到直角坐标系中。针对传统量测转换方法基于量测值计算转换误差统计特性而导致的估计结果有偏问题,提出了一种基于预测值的量测转换方法,并将其与卡尔曼滤波算法相结合,获得了一种基于预测值量测转换的卡尔曼滤波跟踪算法。仿真结果表明,与现有的基于量测转换的卡尔曼滤波算法相比,该算法能在不提高运算量的情况下有效改善目标跟踪效果,跟踪精度提升约20%。(本文来源于《电讯技术》期刊2018年10期）
田亚蕾,马杰,杨楠[5]（2018）在《结合核相关滤波和Kalman预测的运动目标跟踪》一文中研究指出核相关滤波(kernelized correlation filter,KCF)目标跟踪算法的跟踪过程容易受到快速运动和运动模糊、遮挡及相似物干扰等因素影响,导致跟踪效果不佳.针对以上问题,本文提出了一种结合KCF框架和Kalman预测器的运动目标跟踪算法.该算法首先将原始图像映射到CN(Color-Name)特征空间,使跟踪器能够处理多通道颜色特征的图像;其次在跟踪过程中,加入Kalman滤波器来预测图像目标位置,根据预测位置确定待检测区域进行检测,并利用检测结果更新Kalman滤波器,提高跟踪检测精度.在OTB-2013数据集上对改进的算法多次进行实验,并与其他6种较先进的跟踪算法进行对比,分析实验结果可知在目标发生快速运动、遮挡及相似物干扰等复杂情况下,本文方法均有较强的鲁棒性.(本文来源于《小型微型计算机系统》期刊2018年10期）
郭剑鹰,夏李玮,刘华军[6]（2018）在《基于Elman神经网络预测的机动目标跟踪滤波算法》一文中研究指出提出一种基于Elman神经网络预测的机动目标跟踪滤波算法,将Elman神经网络的函数逼近和UKF滤波器的预测步骤紧耦合,使得目标在跟踪预测阶段就有一个相对优化的状态预测值和调整后的噪声方差,从而减少了优化过程滞后所带来的误差。在仿真数据集上进行了大量测试,统计结果表明该算法在收敛性、效率、滤波精度、对机动形式的适应性和对传感器误差特性等方面表现更优,具有广泛的应用前景。(本文来源于《航天电子对抗》期刊2018年03期）
余汇,鞠文煜,马双云[7]（2016）在《基于强跟踪粒子滤波方法的锂离子电池寿命预测》一文中研究指出锂离子电池寿命预测是电池预测与健康管理领域研究的重要方向,精确的电池寿命预测可以增强电池的可靠性,使用电设备的使用得到合理规划。在本文中,我们使用了强跟踪粒子滤波方法来逼近锂离子电池剩余寿命预测过程的非线性和非高斯过程,预测电池的剩余寿命,在局部实现了对电池寿命退化曲线跟踪效果的提升。(本文来源于《电子世界》期刊2016年16期）
丁树宇,刘伟峰,文成林[8]（2016）在《基于预测判定和无味滤波多目标无源跟踪算法》一文中研究指出多传感器多目标无源交叉定位时存在虚假点的问题,且随着传感器和目标数量的增加,虚假点的数量也急剧增加。针对这个问题,提出了一种对目标无源定位跟踪的新方法,即首先通过判断预测点到传感器与目标构成的传感器目标测向方程的最小距离,来选取传感器目标测向方程,该算法可以有效避免大量虚假点的产生,以传感器目标测向方程的交点作为目标量测状态,再通过无味滤波(UF)算法得到目标点的位置。此方法解决了多传感器多目标定位跟踪时大量虚假点的存在对目标定位的影响。研究表明:本算法大大降低了运算量,且提高了关联正确率以及对目标的定位跟踪精度。(本文来源于《控制工程》期刊2016年01期）
范彬,胡雷,胡茑庆[9]（2015）在《退化速率跟踪粒子滤波在剩余使用寿命预测中的应用》一文中研究指出毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好地解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化,并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。(本文来源于《国防科技大学学报》期刊2015年03期）
洪波,柳健,洪宇翔,王谦[10]（2015）在《基于Kalman滤波的磁控旋转电弧传感器焊缝跟踪偏差预测》一文中研究指出针对磁控摆动电弧扫描焊缝获取有用信息量少的问题,提出了一种基于Kalman滤波的磁控旋转电弧传感器焊缝跟踪偏差预测方法.文中简述了磁控旋转电弧传感器的基本原理,对磁控旋转电弧的运动轨迹进行了仿真,利用位置传感器对电弧进行定位,采用四分圆周采样法,运用Kalman滤波原理进行滤波处理,分析了这种方法的基本原理和计算步骤,在此基础上得到空间曲线焊缝的偏差信息,并引入加权预测矫正因子对焊缝的偏差信息进行预测矫正.结果表明,该方法用于磁控旋转电弧焊缝自动跟踪可行,提高了焊缝跟踪的精度,为预测方法用于焊缝偏差算法提供了科学依据.(本文来源于《焊接学报》期刊2015年05期）
跟踪滤波与预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了解决当前光电跟踪设备速度预测存在误差大、抗噪能力差等不足,提出了基于卡尔曼滤波的光电跟踪设备速度预测方法。首先对当前光电跟踪设备速度预测的研究现状进行分析,并找到导致误差大的原因,然后采用小波分析对光电跟踪设备速度数据进行消噪处理,抑制噪声对跟踪设置速度预测干扰,最后采用卡尔曼滤波建立光电跟踪设备速度预测模型,并实现了光电跟踪设备速度预测仿真实验。结果表明,本文方法提高了光电跟踪设备速度的预测精度,跟踪速度也明显加快,具有一定的实际应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
跟踪滤波与预测论文参考文献
[1].付饶,管业鹏.基于卡尔曼预测粒子滤波的网球运动目标跟踪方法[J].电子器件.2019
[2].赵治月,刘丽贞,周鹏远.基于卡尔曼滤波的光电跟踪设备速度预测[J].激光杂志.2019
[3].彭瀚,程婷.基于预测信息的量测转换序贯滤波目标跟踪[J].系统工程与电子技术.2019
[4].王旭,程婷,吴小平,何子述.一种基于预测值量测转换的卡尔曼滤波跟踪算法[J].电讯技术.2018
[5].田亚蕾,马杰,杨楠.结合核相关滤波和Kalman预测的运动目标跟踪[J].小型微型计算机系统.2018
[6].郭剑鹰,夏李玮,刘华军.基于Elman神经网络预测的机动目标跟踪滤波算法[J].航天电子对抗.2018
[7].余汇,鞠文煜,马双云.基于强跟踪粒子滤波方法的锂离子电池寿命预测[J].电子世界.2016
[8].丁树宇,刘伟峰,文成林.基于预测判定和无味滤波多目标无源跟踪算法[J].控制工程.2016
[9].范彬,胡雷,胡茑庆.退化速率跟踪粒子滤波在剩余使用寿命预测中的应用[J].国防科技大学学报.2015
[10].洪波,柳健,洪宇翔,王谦.基于Kalman滤波的磁控旋转电弧传感器焊缝跟踪偏差预测[J].焊接学报.2015