自适应不完全重采样粒子滤波器

针对传统重采样算法易引起粒子贫化的问题,提出了自适应不完全重采样粒子滤波(A particle filter based on adaptive part resampling,APRPF)算法.APRPF以分步的方式仅对部分粒子进行重采样,以递推的方式计算表征粒子退化程度的度量函数(Measurement of particle degeneracy,MPD),直到满足给定条件.重采样后的粒子由新生粒子和未参与重采样的粒子组成,前者的存在有助于缓解退化问题,后者可使粒子集保持一定多样性.实验结果表明,与标准粒子滤波(Sampling importance resampling,SIR)、辅助变量粒子滤波(Auxiliary particle filter,APF)、正则化粒子滤波(Regularized particle filter,RPF)三种滤波器相比,APRPF的估计精度高;由于平均重采样次数少,计算量也小.

基于信息自由度采样的信号重构方法研究进展

有限的采样能力和高分辨的重构需求是现代信号处理中最基本的矛盾.不完全采样(或观测),高分辨重构信号,是信号处理、通信、应用数学等领域的期待解决的问题之一.本文通过回顾现有的不完全采样、高分辨率重构方法的研究成果,提炼出一个基于信息自由度采样的信号优化重构方法的框架.在此框架中有三个核心方面,信息自由度决定采样率,采样方法确定约束条件,信号特征指导目标函数的建立.本文着重综述采样重构方法有效性的分析手段,评论其优缺点.最后,我们展望基于信息自由度采样的信号重构问题的研究前景,并展示我们的新探索与新成果.

基于改进的萤火虫算法优化粒子滤波方法

针对粒子滤波算法权值退化和多样性匮乏造成的滤波精度下降问题,提出了权值抖动萤火虫算法和不完全重采样结合的方法来改进粒子滤波.该算法在全局最优值代替萤火虫间的交互信息基础上利用权值抖动吸引度函数改进萤火虫算法来优化粒子滤波的采样过程,使粒子集趋向于真实值附近,同时采用不完全重采样方法,能够缓解粒子退化问题.实验结果表明该算法可以有效缓解粒子退化和改善粒子多样性贫化,同时提高了滤波精度.

事件触发的时滞二阶多UAV系统一致性控制

研究具有固定输入时滞的二阶多无人机系统在事件触发下进行不完全随机采样,并达到一致性控制的问题。提出一种阈值依赖于多无人机系统事件触发时刻和初始状态的事件触发机制,并给出在此事件触发机制下具有固定输入时滞二阶多无人机系统的分布式控制策略。当无人机自身状态变化量满足触发条件时,无人机间进行信息交互,控制器根据此次事件触发的采样状态值进行控制输入更新。通过理论推理证明一致性控制的结论。最后,通过仿真验证了算法的有效性。