提出一种基于传感器网络的分布式状态估计算法, 用于具有随机传输时延的网络化系统。为了节省通信带宽, 引入了自适应概率量化机制。考虑随机传输时延的存在, 利用缓存器中的数据设计了改进的无迹卡尔曼滤波(UKF)算法进行时延补偿。在局部估计完成后, 利用快速协方差交叉方法进行融合估计, 以获取更加精确的状态估计。此外, 还分析了融合估计误差的有界性。最后通过数值模拟算例验证了所提算法的有效性。

视觉/LiDAR里程计可以根据传感器数据对无人车在多个自由度上运动的过程进行估计，是无人车定位建图系统的重要组成部分。文中提出了一种使用视觉、LiDAR和IMU进行信息融合的里程计，支持多种运行模式和初始化方式。前端部分采用了改进后的ICP CUDA算法进行激光点云配准，利用光流法对视觉特征进行跟踪，并利用激光点云数据对视觉特征的深度进行估计。后端部分采用了基于滑动窗口的图优化模型，并为视觉和LiDAR关键帧创建状态节点，以前端结果作为量测，将相邻状态节点通过预积分因子关联。文中方案实验结果表明：在城市场景系统平均相对位移精度为0.2%~0.5%，系统全量传感器运行模式（VLIO模式）整体要比关闭视觉的模式（LIO模式）和关闭LiDAR的模式（VIO模式）精度高。文中提出的方法对于提高无人车定位建图系统的精度有着积极意义。

遮挡问题是导致目标跟踪任务失败的重要因素，如何提升算法的抗遮挡性能是跟踪领域的研究热点。本文首先剖析了遮挡易导致跟踪失败的原因，论述了构建强判别性的鲁棒目标模型对提高跟踪算法抗遮挡性能的重要意义，分析了抗遮挡目标模型的构建方案。其次依据目标模型利用的信息类型，将代表性抗遮挡性能较优的算法分为基于有效特征信息、状态估计信息与稳定时空信息三类。而后详尽分析了基于卡尔曼滤波、粒子滤波、局部空间信息、时间上下文信息、时空上下文信息跟踪算法的抗遮挡思路方案、适用遮挡场景、优缺点及改进方案。最后通过不同类型算法在遮挡场景下的跟踪性能比较，对目标模型构建方案抗遮挡的有效性提出思考与分析，并指出学习语义信息轻量化网络设计、场景上下文预测、仿生视觉机理的应用发展方向。

针对基于预测融合的跟踪航迹融合模型（ FP-TFM）在多传感器航迹融合时由于大量的矩阵运算导致的跟踪发散或失效问题提出了一种改进的基于预测融合的跟踪航迹融合模型（ FP-ITFM），采用加权融合思想改进了 FP-TFM的融合规则，使得改进后的 FP-ITFM具有了较高的融合精度、较低的计算负载，同时增加了 FP-ITFM的可扩展性、实时性以及稳定性。最后，Monte Carlo仿真结果验证了所提出模型的有效性。

为提高非高斯噪声条件下机动目标跟踪的精度，提出基于交互式多模型极限迭代无偏有限脉冲响应滤波（IMM-极限迭代UFIR）算法。采用对噪声统计特性不敏感的极限迭代无偏有限脉冲响应滤波（UFIR）作为其子滤波器，对各模型进行状态估计，最后通过对各模型的输出结果综合得到机动目标状态。仿真结果表明，在噪声条件复杂的情况下，该算法比交互式多模型卡尔曼滤波（IMM-KF）具有更高的跟踪精度和稳定性，计算量小于IMM-PF，算法能较好地兼顾跟踪精度和计算量两方面性能。

为提高复杂噪声的滤波精度,基于均方根容积卡尔曼滤波(SCKF)和代价参考粒子滤波(CRPF),提出一种新的均方根容积代价参考粒子滤波算法(SCCRPF)。算法采用SCKF和最新量测信息更新先验分布函数,生成CRPF的重要密度函数,保留了SCKF对非线性系统的滤波精度,同时获取了CRPF对噪声假设未知系统的滤波精度。仿真结果表明,对于噪声假设未知系统,SCCRPF的滤波精度高于均方根容积粒子滤波(SCPF); 对于噪声假设已知系统,SCCRPF的滤波精度高于CRPF。

传感器的刻度尺系数不匹配与机械结构运转造成的干扰力矩为引发半捷联导引头隔离度产生的主要原因。针对上述问题, 首先将不同因素所引发隔离度对导弹控制系统稳定性与制导精度的影响进行了比对。然后, 建立了考虑隔离度寄生回路影响的非线性滤波模型, 采用强跟踪无迹卡尔曼滤波(STUKF)算法, 对传感器刻度尺误差、稳定平台干扰力矩与弹目视线角速度进行同时估计, 以达到在线辨识与补偿导引头隔离度的目的。最后, 对在线补偿方案进行了数字仿真验证。实验结果表明: 所提方法能有效改善系统的制导性能, 提升导弹的制导精度, 并具有较好的抗干扰性与鲁棒性。以上理论分析可为半捷联导引头隔离度的综合评估以及在线补偿方面的工程应用提供指导。

对金属零件激光成形过程闭环控制系统中, 熔覆宽度的检测技术进行了研究, 提出了一种基于卡尔曼滤波技术的熔覆宽度检测方法。利用视觉传感系统获取激光加工过程中的熔池图像, 经过图像处理与图像标定求熔覆宽度作为参量建立系统状态方程和测量方程, 应用卡尔曼滤波算法对图像上的熔宽和熔宽变化进行状态估计, 得到最小均方差条件下的熔覆宽度最佳预测值, 从而减小过程噪声和测量噪声引起的熔覆宽度测量偏差, 测量平均误差由0.028 mm降为0.009 3 mm,实现加工过程熔覆宽度的精确检测。实验结果证明: 将卡尔曼滤波技术应用到熔覆宽度检测过程中可以大大提高熔宽检测精度。

自学习最小二乘加权数据融合算法已被广泛地应用于融合多传感器系统中的量测信息。但是, 通过深入的理论分析和实验仿真发现, 自学习最小二乘加权数据融合算法在进行双传感器数据融合时具有较差的融合精度, 同时该算法还具有较差的抗干扰性及稳定性。基于以上研究结果, 提出了一种基于全局状态估计的多传感器加权数据融合算法, 采用卡尔曼滤波的状态估计特性及相关历史信息, 使得状态的估计值能够充分逼近真实值, 从而使得算法具有较高的融合精度及抗干扰性。最后, Monte Carlo仿真结果显示, 相比于已有算法, 提出的算法在融合精度及抗干扰性方面具有明显地提高。