拟蒙特卡罗-高斯粒子滤波算法研究及其硬件实现

该文针对粒子滤波计算量大,难以在工程中应用的问题,用拟蒙特卡罗采样(QMC)代替蒙特卡罗采样(MC),减少了运算量。分析并给出了拟蒙特卡罗-高斯粒子滤波(QMC-GPF)算法的并行结构。在该并行结构的基础上,研究了基于FPGA的QMC-GPF的设计与实现。在实现过程中选取2作基数来产生Faure序列,将乘法运算、求模运算简化为便于在FPGA中实现的按位异或运算;采用查找表实现指数函数等复杂函数的计算,充分利用了FPGA中大量的BlockRAM资源;给出了Cholesky分解矩阵各元素的并行计算结构。以红外图像弱小目标跟踪实验为例,验证了本设计的有效性和实时性。

采用拟蒙特卡罗法的被动多传感器目标跟踪

使用拟蒙特卡罗采样方法替代传统的蒙特卡罗采样方法,改善了高斯粒子滤波器的性能,结合多传感器集中式融合策略,提出了一种基于拟蒙特卡罗-高斯粒子滤波器的被动多传感器目标跟踪算法,较好地解决了被动跟踪中的强非线性和弱可观测性问题.该算法在降低计算复杂度的同时提高了跟踪的精度和稳定性,使算法快速收敛,并且具有并行结构,有利于用超大规模集成电路来实现.

一种非线性非高斯随机系统的故障诊断方法

针对非线性非高斯随机系统在线故障诊断的问题,运用粒子滤波器提出了一种基于方差自适应粒子滤波器的非线性非高斯随机系统的故障诊断方法,可以用来解决系统的参数偏差型故障诊断问题。通过对连续搅拌釜式反应器(CSTR)的仿真研究,可以看出,该算法实现简单,易于对系统进行在线估计,对于发生缓变和突变的参数偏差型故障的检测与估计均较为有效。

马赫-曾德尔干涉仪中位相测量系统的误差分析

利用蒙特卡罗(Monte-Carlo)方法对一端输入相干态,另一端输入真空态的马赫-曾德尔(Mach-Zehnder)干涉仪的位相测量误差进行了研究.通过分析粒子数差的测量结果,验证该测量方法所测得的位相值的误差依赖于待测位相θ:当θ靠近0或π时,测量误差较大,当θ靠近0.5π时,可达到测量误差的最小极限(散粒噪声极限).理论分析发现,待测位相与测量结果之间的函数关系f-1的非线性导致位相的估计出现偏差.

基于高光谱技术的红茶茶多酚可视化研究

目的 利用高光谱技术实现对英红九号红茶茶多酚含量的快速无损、可视化检测。方法 采集128个红茶光谱数据并进行光谱预处理后,引入蒙特卡罗-高斯分布方法寻找异常样本。经两次异常样本剔除,各模型预测集决定系数r^(2)均有0.2~0.4的大幅提升。为解决大样本模型训练时间长、数据冗余问题,采用连续投影算法进行波长筛选,共得到14个能反映红茶茶多酚含量的特征波长,并比较了最小二乘回归、支持向量机回归、BP神经网路、粒子群优化最小二乘支持向量机回归(particle swarm optimization least squares support vector regression, PSO-LSSVR) 4种模型预测红茶茶多酚含量的精度。最后以最优模型建立茶多酚可视化模型。结果 合理剔除样本并以光谱特征为输入,结合PSO-LSSVR方法建立的模型效果最佳,其校正集决定系数为0.921,预测集决定系数为0.903,预测精度达到了90%以上,基本实现了茶多酚含量可视化检测。结论 可视化算法有效地反映了红茶茶多酚分布情况,适用于茶叶快速无损检测。

一种新的红外弱小目标检测前跟踪算法

针对低信噪比复杂环境下红外弱小目标检测问题,提出了一种基于拟蒙特卡罗抽样的检测前跟踪算法.采用新的基于拟蒙特卡罗抽样的高斯粒子滤波算法(QMC-GPF)估计目标运动状态和红外小目标幅度状态,同时利用该滤波算法中迭代更新的协方差矩阵的收敛特性构建判断逻辑,实现目标"软判决"检测.对仿真红外图像序列的实验表明,该算法可快速有效地跟踪和检测信噪比不小于1dB的弱小目标.

基于QMC—GPF的被动测角目标跟踪算法

针对被动测角目标跟踪系统中存在的非线性问题，提出了一种基于拟蒙特卡罗．高斯粒子滤波（QMC-GPF）的跟踪算法。通过高斯粒子来近似目标与观测的边缘关联概率，利用高斯粒子滤波（GPF）对目标状态进行预测及更新，同时，将拟蒙特卡罗（QMC）积分方法引入计算目标状态的预测和更新分布，最后将所提算法应用到被动多传感器目标跟踪，仿真结果表明该算法比传统的扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）具有更高的跟踪精度。