基于变分贝叶斯的鲁棒自适应因子图优化组合导航算法

复杂环境下的量测粗差和时变噪声严重影响了状态估计的精度和可靠性,对此提出了一种基于变分贝叶斯的鲁棒自适应因子图优化组合导航算法。首先,基于先验和后验两阶段更新将变分贝叶斯推断引入因子图优化框架中,以估计时变量测噪声协方差;其次,利用相邻帧间的平均新息构造量测协方差预测值,作为粗差判据来实现稳健估计。基于INS/GNSS组合导航的仿真和现场实验评估表明,所提方法能在粗差干扰的情况下有效估计时变量测噪声,相比M估计和滑动窗口自适应因子图优化算法的水平定位误差分别减小了26.7%和39.8%,兼顾了估计精度和抗差性能,具有较好的复杂环境适应性。

基于局部变分贝叶斯推断的分布式交互式多模型估计

针对目前部分多模型算法预先设定运动模型转移概率矩阵对状态估计精度的不利影响,本文提出了一种基于局部变分贝叶斯推断的分布式交互式多模型估计算法.不同于传统交互式多模型估计中运动模型转移概率矩阵为先验已知的假设条件,在分布融合估计框架下,首先基于最小化Kullback-Leibler散度准则的递归优化策略实现对运动模型转移概率矩阵的预测与更新;在此基础上,结合变分贝叶斯推断实现对当前时刻目标状态与模型概率的联合估计;最后依据协方差交叉融合策略完成对局部状态估计融合.仿真结果表明:新算法通过对运动模型转移概率矩阵以及模型概率自适应在线估计,有效提升了机动目标的状态估计精度.

GNSS/SINS组合导航系统的改进变分贝叶斯自适应滤波算法

针对系统噪声及测量噪声统计量不准确的组合导航系统线性高斯状态模型,提出一种组合导航系统的改进变分贝叶斯自适应滤波算法(modified variational Bayesian adaptive filter,MVBAKF)。首先,选择Wishart分布作为已知均值的高斯分布协方差矩阵的共轭先验,并给出测量噪声方差、状态向量及其预测误差协方差矩阵的联合概率分布函数;然后,利用变分贝叶斯方法给出测量噪声方差及状态向量预测误差协方差矩阵的计算公式,进而提出具有迭代性质的MVBAKF算法;最后,进行基于MVBAKF算法的GNSS/SINS组合导航系统仿真实验。结果表明,相对于传统VBAKF算法,MVBAKF算法可较准确地估计测量噪声方差,有效克服系统噪声统计量不准确对滤波精度的影响,进而提高组合导航系统的滤波精度。

基于变分贝叶斯算法的多模型车载组合导航算法

在行车过程中强机动引起全球卫星导航系统(GNSS)量测噪声产生野值,表现出厚尾特性导致常规状态估计精度下降的问题,为此提出一种基于变分贝叶斯的SINS/GNSS组合导航信息融合方法。构建车载组合导航系统模型,采用Student’s t分布对量测异常情况下噪声建模,并用变分贝叶斯的方法对系统状态和隐变量进行求解,实现对模型参数的后验估计。针对城市行车存在GNSS测量失效的问题,利用交互式多模型算法实现了GNSS量测中断情况下的SINS/GNSS和SINS/OD子系统的动态交互融合。通过跑车实验进行验证,实验结果表明,所提算法可有效抑制GNSS量测野值噪声对SINS/GNSS/OD组合导航系统的影响,与传统交互式多模型算法相比,具有较高的精度和鲁棒性。

基于自然梯度的噪声自适应变分贝叶斯滤波算法

考虑到运动目标跟踪系统机动、隐身等人为对抗特征以及非视距、干扰、遮挡等环境因素,其系统建模、估计与辨识过程中越来越无法回避非线性、非高斯以及参数未知等复杂系统特征的影响.针对过程噪声先验信息不准确以及量测噪声非高斯环境下运动目标的非线性状态估计问题,提出一种基于自然梯度的噪声自适应变分贝叶斯(Variational Bayes,VB)滤波算法.首先,利用指数族分布具有统一表达形式的优势,构建参数化逆威沙特(Inverse-Wishart,IW)分布作为状态一步预测误差协方差的共轭先验分布,同时选取学生t分布重构因量测随机缺失导致的具有非高斯特点的似然函数;其次,在变分贝叶斯优化框架下采用平均场理论将状态变量联合后验分布近似分解为独立的变分分布,在此基础上,结合坐标上升方法更新各变量的变分分布参数;进而,结合Fisher信息矩阵推导置信下界最大化关于状态估计及其估计误差协方差的自然梯度,使非线性状态后验分布的近似分布沿梯度下降,以实现对状态后验概率密度函数(Probability density function,PDF)的“紧密”逼近.理论分析和仿真实验表明:相对传统的非线性滤波方法,本文算法对噪声不确定问题具有较好的自适应能力,并且能够获得较高的状态估计精度.

顾及组合导航闭环反馈的变分贝叶斯自适应滤波优化算法

多传感器组合的方式可以较好地应对全球导航卫星系统信号被遮挡、干扰等情况下的导航定位问题,滤波方法是导航定位中将多源数据融合最常使用的方法之一。在滤波过程中,组合导航的系统噪声和量测噪声无法实时精确地测定,常通过自适应滤波的方法进行时间更新和量测更新的平衡解算。贝叶斯自适应滤波方法在很多时候具有较好的效果,但是和其他的自适应滤波方法一样,该类方法都需要进行自适应因子的选取。本文根据组合导航对于实时性要求及其闭环反馈的特殊性,在变分贝叶斯自适应滤波的基础上进行了算法的优化,给出了一种调节因子的动态计算方法,并以GNSS和惯性导航系统组合系统为例,通过模拟和实测试验进行验证。试验结果表明,本文算法不需要通过迭代计算的方法就可以获取高精度组合结果,提升了计算效率;对于真实的动态场景中,本文算法的调节因子动态自适应确定,结果更具有优越性。

基于可变因子的变分贝叶斯SINS海上动态对准

针对传统变分贝叶斯自适应滤波中,基于经验选取常值遗忘因子,不能自适应时变量测噪声的问题,提出一种基于可变因子的变分贝叶斯自适应滤波,并应用于船载捷联惯性导航系统(strapdown inertial navigation system,SINS)动态对准。首先利用变分贝叶斯方法近似噪声的后验分布,估计时变量测噪声和状态向量后验分布。其次通过噪声方差时变强度构造可变因子,实现自适应调整变分贝叶斯参数。最后给出了基于可变因子的GNSS/SINS海上动基座对准流程及算法。船载实测数据表明,所提算法在时变方差下,较卡尔曼滤波和传统贝叶斯滤波方位角误差收敛到0.5°范围内所需时间分别缩短了52%和44%;横滚角和方位角均方根误差分别降低57%、46%和13%、9%;东向和北向速度均方根误差分别降低56%、68%和51%、22%。

基于变分贝叶斯深度学习的水文概率预报方法

目前水文领域关于深度学习的研究多集中于提高预测能力方面,与具有物理机制的水文模型相比,深度学习复杂的内部结构导致其不具备可解释性,预测结果难以被信任,因此发展可信赖的深度学习对于推进水科学发展具有重要意义。基于预报残差分析框架,构建具有物理机制的水文模型与深度学习融合的混合模型,以充分利用两者优势;引入变分贝叶斯理论,提出变分贝叶斯与深度学习耦合的概率预报模型VB-LSTM,以定量评估水文预报结果的不确定性、提高结果可靠度。以黄河源区1961—2015年的径流过程为研究对象,对VB-LSTM模型进行应用示例研究。结果表明:与长短时记忆网络(LSTM)相比,VB-LSTM模型在验证期预报精度更高,结果更稳定;与传统基于“线性-正态”假设的水文概率预报方法相比,VB-LSTM模型具有更高的预报精度,且不确定性更小、预报结果更可靠。

一种变分贝叶斯改进无偏转换卡尔曼滤波

针对雷达测量系统受野值干扰导致跟踪精度下降的问题,提出了一种变分贝叶斯改进无偏转换量测卡尔曼滤波器(VB-MUCMKF)。该算法通过无偏转换卡尔曼滤波将更新后的目标状态估计值作为新的量测进行第二次无偏转换,一定程度上解决了量测偏差过大的问题;针对野值影响采用具有重尾特性的学生t分布取代高斯分布建模新的量测,利用变分贝叶斯方法通过最小化Kullback-Leibler散度函数迭代逼近实现测量协方差和目标状态的联合估计,从而提高野值干扰环境下滤波器的跟踪精度。仿真结果表明,提出的算法与EKF,UCMKF,EMUCMKF和MUCMKF相比位置均方根误差分别减少了48.9%,50.2%,1.9%,44.1%,速度均方根误差分别减少了60.6%,66.6%,9.7%,47.3%,降低了野值干扰带来的影响。

基于变分贝叶斯推断的DPGMM风电机组异常数据识别研究

为了准确识别和剔除风电机组在实际运行过程中产生的异常数据,以便为功率预测等工作提供有效的数据支持,通过分析风电机组运行数据散点在风速-功率(v-P)坐标系中的分布特征,提出了基于变分贝叶斯推断的狄利克雷过程高斯混合模型异常数据识别方法。将试验机组E17实测数据散点沿水平功率方向以一定间隔划分区间,采用能自适应确定最佳分量个数的狄利克雷过程高斯混合模型对每一个功率区间内的数据散点进行聚类,结合各高斯分量置信椭圆参数及数据散点在v-P坐标系中的分布特征,对试验机组E17各功率区间内的高斯分量及其聚类散点进行异常标识。结果表明:该模型克服了传统高斯混合模型需要人为确定分量个数的缺点,能够对风电机组异常数据进行准确识别。

基于变分贝叶斯的连续-离散最大相关熵CKF算法

针对纯方位目标跟踪中测量噪声协方差未知和非高斯测量噪声突变问题,提出了一种平方根连续-离散变分贝叶斯最大相关熵容积卡尔曼滤波(SRCD-VBMCCKF)算法。将目标跟踪模型建立为连续状态空间-离散测量空间模型,提高了目标跟踪的解算精度;由变分贝叶斯准则对未知的时变测量噪声进行估计,提升了算法的自适应性;考虑到测量中出现的非高斯突变噪声,由最大相关熵准则构建抗差因子,进一步增强了算法对异常测量值的鲁棒能力。仿真结果表明:所提算法能够对测量中的未知时变噪声和非高斯重尾突变噪声有效抑制,且相比于传统滤波算法,所提算法兼具自适应性和鲁棒性。

基于可变遗忘因子的渐消记忆变分贝叶斯自适应滤波算法

针对全球卫星导航系统/捷联惯性导航系统(GNSS/SINS)组合导航中GNSS信号易受干扰,造成量测噪声突变的问题,提出一种基于可变遗忘因子的渐消记忆变分贝叶斯自适应Kalman滤波(VBAKF)算法。针对自适应滤波中突变噪声难以准确探测,构建基于初值的噪声突变检验准则;为解决自适应滤波估计突变噪声的拖尾现象,将变分贝叶斯自适应滤波的超参数传递结构转化为协方差阵修正结构,通过构造可变遗忘因子函数动态调节自适应滤波中的遗忘因子。仿真和实测数据表明:所提算法可在GNSS/SINS噪声突变时快速估计量测噪声,提高组合导航精度。

基于变分贝叶斯自适应鲁棒滤波的动对动相对定位算法

针对两个相对运动目标之间基线矢量实时变化导致整周模糊度难以固定,从而导致定位精度偏低的问题,提出一种基于变分贝叶斯自适应鲁棒滤波的北斗四频动对动相对定位算法。结合四频中存在电离层延迟和观测噪声因子小且具有整数特性,建立“宽巷+窄巷+伪距”的无几何模糊度解算模型。设计一种基于变分贝叶斯的自适应鲁棒滤波算法,利用M估计鲁棒化处理观测中的野值,利用变分贝叶斯近似估计时变的观测噪声和系统状态量,以逼近真实后验分布。最后采用最小二乘模糊度降相关平差法进行模糊度固定。实验结果表明,所提算法的模糊度固定率达到99.7%以上,E、N和U三个方向的定位精度均达到厘米级,实现了高精度的动对动相对定位。

基于变分贝叶斯双尺度自适应时变噪声容积卡尔曼滤波的同步定位与建图算法

为解决移动机器人在同步定位与建图(SLAM)中因系统噪声和观测噪声时变导致状态估计精度降低的问题,该文提出一种基于变分贝叶斯的双尺度自适应时变噪声容积卡尔曼滤波SLAM算法(DSACKF SLAM)。该算法采用逆Wishart分布对一步预测误差协方差矩阵P_(k|k–1)和观测噪声协方差矩阵R_(k)建模,分别用来降低系统噪声和观测噪声的影响,并利用变分贝叶斯滤波实现对移动机器人状态向量X_(k),P_(k|k–1)和R_(k)的联合估计。分别在系统噪声和观测噪声时变和时不变的条件下进行仿真实验,结果表明与基于无迹卡尔曼滤波的SLAM算法(UKF SLAM)、自适应更新观测噪声的容积卡尔曼滤波的SLAM算法(VB-ACKF SLAM)相比,所提DSACKF SLAM算法在噪声时变时,平均位置误差分别减小1.54 m,3.47 m;噪声时不变时,平均位置误差分别减小0.62 m,1.41 m,证明DSACKF SLAM算法有更好的估计性能。

基于变分贝叶斯隐马尔科夫模型的股票价格指数预测

本文将传统的隐马尔科夫模型中用于参数学习的Baum-Welch算法改进为变分贝叶斯算法,并将变分贝叶斯隐马尔科夫模型应用于股票价格指数预测,分别选取国外市场美股S&P500指数以及国内市场沪深300指数进行预测,并与传统的隐马尔科夫模型、BP神经网络、ARIMA模型相比较,得出结论变分贝叶斯隐马尔科夫模型对于大规模数据处理更有优势,运算速度快且预测精度更高。

基于变分贝叶斯的视觉散焦光图像快速盲复原算法

为实现数字图像的高精度应用,降低外界光线对视觉成像的影响,提出一种基于变分贝叶斯的视觉散焦光图像快速盲复原算法。通过梯度和卷积处理,计算视觉散焦光图像后验概率期望,利用Sobolev空间函数分布方法提取最优初始图像和散焦光模糊函数先验概率。以变分贝叶斯的近似分布思想,无限逼近实际的后验概率;使用相对熵计算多个分布间距离,最大程度贴近真实值;将最小损耗代价函数输入双边滤波器内,即以近似清晰图像为指导图,剔除剩余高频噪声,得到最优图像盲复原结果。实验结果表明,所提算法盲复原后图像对比度高,边缘细节清晰,复原速度快,具有极高的应用价值。

基于多重渐消因子变分贝叶斯的陀螺阵列融合算法

针对由多个MEMS陀螺仪组成的阵列系统在动态情况下噪声时变导致输出精度低的问题,提出了新的动态滤波模型和滤波方法。通过分析MEMS陀螺的误差特性和对角速度进行动态建模,构建了基于角速度估计的阵列陀螺随机误差动态滤波模型。由于动态情况下模型的不确定性导致传统方法精度较差,设计了一种多重渐消因子变分贝叶斯自适应卡尔曼滤波算法,利用变分贝叶斯思想和强跟踪理论提高了滤波器量测噪声估计精度、收敛速度和鲁棒性。最后在高精度转台上进行了静态实验和动态实验。实验结果表明:在静态条件下,“虚拟陀螺”方差降低为单个陀螺的4%,零偏不稳定性降低为47.2%;在动态条件下,“虚拟陀螺”能有效跟踪角速度的变化且角速度残差方差降低为单个陀螺的6.2%。该滤波算法能有效提高MEMS陀螺阵列系统的输出精度。

分贝仪APP在共鸣管测声速中的应用

共鸣管是一种常用的测量声速的仪器,但传统的共鸣管测量声速实验中需要使用耳朵听声音最大时刻,学生做实验时往往会受教室中其他共鸣管发出声音的影响,导致测量结果不准确。分贝仪APP可通过手机麦克风测量声音分贝,对其原理进行分析,探讨其在共鸣管测声速中的应用,通过实验验证其可行性及准确性。实验结果表明,使用分贝仪APP对共鸣管进行测量可得到更为准确的声速值,具有测量方便、操作简单等优点,可在实验教学中推广使用。

基于变分贝叶斯与子空间辨识的融合定位算法

面向全球导航卫星拒止环境下无人机室内高精度高可靠定位导航需求,室内电磁环境复杂导致的传感器噪声时变和无人机高灵动性导致的无人机运动过程噪声时变,降低了定位状态估计值的精度和稳定性的问题,而传统变分贝叶斯滤波方法仅能估计过程或观测噪声,为此,提出了基于变分贝叶斯与子空间辨识的无人机融合定位算法,在变分贝叶斯框架下基于子空间辨识理论,实现了时变过程噪声的动态估计,解决了现有变分贝叶斯框架无法同时估计时变观测和过程噪声的问题,最后通过实测数据集的UWB/IMU/光流融合定位测试验证结果表明,该方法提升了无人机室内定位的精度和鲁棒性。

二值probit回归模型的坍缩变分贝叶斯推断算法

给出了二值probit回归模型的坍缩变分贝叶斯推断算法.此算法比变分贝叶斯推断算法能更逼近对数边缘似然,得到更精确的模型参数后验期望值.如果两个算法得到的分类错误一致,则该算法的迭代次数较变分法明显减少.仿真实验结果验证了所提出算法的有效性.