针对多目标视频跟踪中需要主要解决的目标冲突、合并以及分离等问题，提出了基于自适应混合滤波的多目标跟踪算法。采用混合高斯背景建模法获得前景图，并对图中阴影采用一种简化去除算法，即判断前景像素时，将HSV分量用加权的形式描述，而不必对各个分量依次判断。对前景图提取观测值时，引入了合并处理算法，将分裂的多个矩形检测框进行合并。然后，利用推理的方法将前景观测值与目标关联，用自适应混合滤波算法实现多目标有效跟踪。该算法结合了均值漂移算法运算效率高的和粒子滤波算法能够有效处理遮挡情况的特点。实验表明该算法可以高效地跟踪多目标、准确判断目标的出现和消失，并能够解决多目标冲突、合并和分离等问题。

针对变维卡尔曼滤波在ADS-B 实时监视中的漏点实时处理效果欠佳的问题，提出了一种位置/速度混合滤波方法。根据ADS-B 报文位置和速度信息不同时下发的特点，对变维卡尔曼滤波进行改进。设计了位置和速度两种量测方程，根据报文的类别选取不同的量测方程，利用报文中的速度(位置)和导航准确度类别对当前时刻的位置(速度)进行估计，有效改善了航迹的漏点问题。算法仿真结果表明，与变维卡尔曼滤波相比，本方法处理后的航迹点时间间隔更接近ADS-B 报文的下发周期，对延时影响更小。

matlab开发-具有分形延迟的混合滤波器组最小最大设计和应用于多通道采样。具有分数延迟的混合FB的实现与演示

模糊C均值聚类算法（FCM）广泛用于彩色图像分割，但该算法存在需要预先指定聚类数目、计算量大、耗时长且易陷入局部最优等缺点。提出一种自适应快速模糊C均值彩色图像分割方法，该方法首先运用蚁群算法，自动获取初始聚类中心和聚类数目，然后使用基于梯度的分水岭算法对原始彩色图像进行预分割，得到一系列由色彩特征空间具有一致性的点构成的子集，最后对这些子集的中心进行模糊聚类。实验结果表明：由于子集数量远小于原始图像像素数目，使聚类样本数量显著减少，大大提高了聚类速度，同时在聚类中以特征距离代替欧式距离，增强了算法的鲁棒性。

针对基于RSSI的无线传感器网络定位测距问题,在对数-常态分布模型下提出了一种混合滤波及最小二乘环境参数动态估计的测距算法。以锚节点作为参考节点,采用基于均值滤波、中值滤波和高斯滤波的混合滤波方法优化RSSI值,运用最小二乘法估计环境参数,再由盲节点与锚节点的RSSI混合滤波优化值计算二者之间的距离。仿真结果表明,混合滤波性能优于其它单一滤波方法,环境参数估计相对误差小于2.5%,空旷环境下100 m范围内测距相对误差小于10%,满足无线传感器网络定位测距要求。

此为无功补偿与谐波抑制APF，PPF，以及混合滤波simulink仿真，内有四个文件，三个仿真，一个说明文档，三个仿真分别为PPF，APF，以及混合滤波的simulink仿真源程序，需要matlabR2016B及以上版本才能打开！