基于混沌的改进粒子群优化粒子滤波算法

针对基本粒子滤波(PF)算法存在的粒子退化和重采样引起的粒子多样性丧失,导致粒子样本无法精确表示状态概率密度函数真实分布,提出了一种基于混沌的改进粒子群优化(PSO)粒子滤波算法。通过引入混沌序列产生一组混沌变量,将产生的变量映射到优化变量的区间提高粒子质量,并利用混沌扰动克服粒子群优化局部最优问题。利用单变量非静态增长模型(UNGM)在高斯噪声和非高斯噪声环境下将该算法与基本粒子滤波和粒子群优化粒子滤波(PSO-PF)的性能进行仿真比较。结果表明:该算法的性能在有效粒子数和均方根误差(RMSE)等参数都优于基本粒子滤波和粒子群优化粒子滤波,改善了算法的精度和跟踪性能。

一种基于改进粒子滤波的动态精密单点定位算法

提出一种改进的粒子滤波,试图提高粒子滤波的收敛速度,减弱非线性模型线性化误差和非正态分布随机误差对动态单点定位结果的影响。首先固定单差无电离层模糊度,以减少状态参数向量的维数,提高初始定位的精度和粒子滤波的收敛速度;采用Kalman滤波作为粒子滤波的预滤波,以提高粒子滤波的重点采样效率,并提高采样粒子精度,减缓粒子退化。利用一个实测动态GPS数据验证表明,改进的粒子滤波可以提高动态GPS的定位精度。

粒子群优化粒子滤波的接收机自主完好性监测

接收机自主完好性监测(RAIM)是航空卫星导航接收机必不可少的功能,为保持全球卫星导航系统(GNSS)在卫星发生故障时系统性能不降级,需要对卫星故障进行检测和隔离。针对接收机观测噪声非高斯分布的特点,提出一种基于粒子群优化粒子滤波(PSOPF)的故障检测和隔离算法。通过粒子群优化粒子滤波对状态估计进行一致性检验实现故障检测。采集实测数据验证算法的检测性能,并与基于基本粒子滤波的完好性监测算法进行比较,结果表明:本文所提算法在非高斯测量噪声下可检测并隔离全球定位系统(GPS)故障卫星,其性能优于基于基本粒子滤波的完好性监测算法性能,对研究北斗卫星导航系统(BDS)接收机自主完好性监测具有一定的意义。

基于高斯—施密特粒子滤波器的多机器人协同定位

多机器人协同定位需对各个机器人的运动模型和观测模型精确建模,需要运用非线性、非高斯系统。已经应用于本领域的各种非线性算法主要有两种:一种是扩展卡尔曼滤波算法(EKF),它对非线性系统进行局部线性化,从而间接利用卡尔曼算法进行滤波与估算;另一种是序列蒙特卡罗算法,即粒子滤波器(PF)。本文介绍了一种改进的粒子滤波器,即高斯-施密特粒子滤波器(GHPF),重点比较这三种算法在多机器人协同定位领域的应用效果。

一种基于粒子滤波的双极化雷达检测前跟踪算法

针对雷达在低信噪比(signal to noise ratio,SNR)条件下对运动目标的检测和跟踪难题,提出了一种基于粒子滤波(particle filter,PF)的双极化雷达运动目标检测前跟踪(track before detect,TBD)算法,又称联合粒子滤波检测前跟踪(joint particle filter-track before detect,JPF-TBD)方法.该算法借鉴传统的TBD算法处理框架,以经典PF算法为基础,使用双通道幅度相位似然比函数计算粒子权值,并实现了完整的PF过程.与同类研究相比,所提算法能够充分利用双极化雷达各通道幅度和相位信息,进一步扩展了PF算法的应用范围.仿真实验表明:在SNR>10 dB,虚警概率为10-6的情况下所提算法对目标的检测概率大于0.8.

基于粒子滤波的速度轨迹补偿

在膛内测速中,恢复经过特殊信号处理得到的速度缺失段时,会受到烟雾、火光和冲击波等因素的干扰,此干扰会导致实际获取的运动目标在出膛口时刻的多普勒信号能量特别微弱,速度出现相应的缺失,降低了测量的精度.针对此干扰,采用基于粒子滤波(PF)对速度轨迹做补偿的方法,避开速度缺失段对速度曲线进行采样插值,首先对插值后缺失段速度进行拟合,的方法得到缺失段速度模型,然后再利用此模型对速度进行恢复优化.由于膛口速度是判断目标出膛时刻的关键影响因素,而速度缺失段通常出现在运动目标出膛口时刻,因此采用基于粒子滤波(PF)对速度轨迹做补偿的方法对速度缺失段的恢复显得至关重要.

基于迭代卡尔曼粒子滤波器的锂电池SOC估算算法研究

荷电状态(SOC)估算是电动汽车电池管理系统中最为核心的一个参数,对其精确估计能有效提高锂电池寿命及使用效率。考虑到基于扩展卡尔曼滤波(EKF)波算法存在的不足,应用粒子滤波算法对锂电池SOC进行在线估计,有效降低EKF过程中高阶损失误差。针对粒子退化问题,提出基于IEKF算法在采样阶段对每个粒子计算其均值及协方差以优化建议密度函数,随后利用该均值及协方差指导粒子重采样。采用1C恒流工况及动态测试工况(DST)对实验结果进行分析验证,实验结果表明相比于粒子滤波(PF)及扩展卡尔曼滤波算法(EKF),改进的粒子滤波具备更好的估算精度。

基于无序量测粒子滤波的无人船导航

针对粒子滤波(particle filter,PF)的局部量测模糊问题,提出一种基于无序量测的模糊更新方法,并将其应用于无人船的组合导航中。根据模糊量测更新的观测量与滤波器估计的先验分布之间的耦合关系,求取基于序贯重要性重采样的PF框架的无序量测解;当量测量模糊或不足时,跳过此时间步长对应的量测更新,用无序量测解弥补跳过的量测更新,进而以较低的协方差获得准确的位置估计。通过无人船导航实验验证该方法的有效性。与其他常用的滤波方法相比,该方法在位置估计均方根误差指标上的表现更优。

基于引力场粒子滤波算法估算锂电池健康状态

针对粒子滤波算法(PF)估算锂电池健康状态(SOH)时易发生粒子退化的问题,提出基于引力场算法优化的粒子滤波算法估算锂电池SOH,估算锂电池SOH。实验与仿真结果表明,与优化前的粒子滤波算法估算结果比较,该混合算法的仿真结果有更多的数据落在合理区间[0.045,0.055]内,更具优越性。

粒子滤波联合目标跟踪分类算法

针对现有联合目标跟踪分类(JTC)算法计算量大实时性差的缺陷,本文在JTC求解中引入粒子滤波,替代数值积分,大大缩短了计算时间;利用低分辨率常规雷达(LRR)提供的目标运动学信息和电子支援措施(ESM)提供的目标电磁设备信息,同时提高了目标的识别概率和跟踪性能。仿真验证了粒子滤波联合目标跟踪分类算法的实时性和有效性。

一种改进的人工鱼群粒子滤波算法

粒子滤波(Particle Filter,PF)相对于其他滤波算法在处理非线性非高斯类型的系统中具有明显的优势,但是标准粒子滤波本身并不完美,因此提出了一种改进的人工鱼群算法去优化粒子滤波算法。先改进人工鱼群算法中鱼群移动的步长,再将人工鱼群算法的觅食行为和聚群行为引入粒子滤波,使其驱动粒子向高似然区域移动,进而改善粒子分布,有利于解决粒子退化和粒子贫化的问题。最后,将改进的人工鱼群粒子滤波算法与粒子滤波法以及扩展卡尔曼滤波器(Extended Kalman Filter,EKF)算法进行仿真实验对比,结果表明改进的人工鱼群粒子滤波算法在各方面均优于其他两种算法。

改进权值计算的EPF算法及在目标跟踪中的应用

扩展卡尔曼粒子滤波(EPF)在预测阶段通过EKF选取重要性函数而优化了粒子选取,但是传统EPF算法中粒子权值一般是通过正态分布的概率密度函数计算的。此方法没有突出不同噪声粒子的权值差别,在计算中引入了较大的相对误差。通过在更新阶段对权值计算所依赖的概率密度函数做出改进,得到改进的EPF算法。同时采用实际目标跟踪数据进行仿真对比实验,结果验证了此方法有效可行,并且减小了预测误差。

基于OOSM-PF的微弱目标检测前跟踪

由于量测数据预处理以及通信延迟等因素的影响,集中式融合跟踪系统面临着无序量测的问题。针对低信噪比和无序量测情况下的微弱目标检测与跟踪,提出了一种基于无序量测和粒子滤波的检测前跟踪方法,然后将该方法的性能与顺序量测滤波方法以及丢弃无序量测方法的性能进行分析对比。仿真结果表明,该算法可以有效处理无序量测问题,实现对微弱目标的有效检测和跟踪,其目标跟踪精度接近顺序量测滤波的跟踪精度。

基于频率和波达角无源定位及其滤波算法研究

为了解决机动模型的无源定位问题,在二维平面机动模型的基础上提出了利用频率和波达角进行无源定位的方法,进行了可观测分析,给出了可观测分析结果。同时将EKF(extended Kalman filter),UKF(unscented Kalman filter),PF(particle filter)等非线性滤波方法应用到无源定位系统模型中。仿真结果表明,EKF滤波方法用时最短,PF滤波方法精度最高。

基于PF-DC的多传感器目标跟踪算法

针对传统的粒子滤波(PF)的多传感器目标跟踪算法存在计算量过大的问题,研究了一种基于PF和数据压缩(PF-DC)的多传感器目标跟踪算法。仿真结果表明,与传统的串行多传感器PF算法相比较,该算法可以极大的降低算法的计算量,从而有效地提高算法的实时性。

应用加权马氏距离与退化模型预测丝杠副寿命

为了提高数控机床的可靠性、安全性并减少维修费用,提出一种基于模型的滚珠丝杠副剩余寿命预测方法,主要包括健康指标构建与剩余寿命预测。在健康指标构建部分,为了更好地表征滚珠丝杠副的退化状态,通过对多信息域特征进行选择与加权融合,提出一种新的健康指标———加权马氏距离(WTMD)。在寿命预测部分,利用指数模型描述滚珠丝杠副的退化过程,通过粒子滤波(PF)算法结合状态监测信息与模型,更新模型参数,完成剩余寿命预测。采用滚珠丝杠副加速性能退化实验中获取的数据对提出方法进行验证。实际结果表明,相对于传统马氏距离而言,WTMD对滚珠丝杠副的损伤发展更为敏感,能够更好地表征其健康状态。同时,基于指数模型的剩余寿命预测方法能够有效地预测滚珠丝杠副的寿命,其预测误差小于基于线性模型和非线性模型的方法。

基于特征融合的粒子滤波目标跟踪新方法

针对传统粒子滤波(PF)算法采用单一颜色特征建模跟踪目标性能差的缺陷,提出一种颜色特征与纹理特征相融合的PF目标跟踪新算法。首先,采用一种具有抗噪声和保护纹理边缘的全局中值二值模式(GMBP)纹理算子,对模板图像进行局部差绝对值处理,得到幅值序列模板,将幅值序列模板内的中值作为模板的阈值,与模板邻域比较获得新的纹理图像;然后,与具有光照不变特性的局部二值模式(LBP)纹理算子结合,形成一种(GMLBP)新的纹理描述算子。最后,分别计算GMLBP纹理特征粒子权值和HSV颜色特征粒子权值,并依据权值大小确定融合系数,对纹理特征粒子权值和颜色特征粒子权值进行线性融合,再对融合后粒子权值进行归一化处理,从而得到目标位置状态的最终估计值。对比实验结果表明,相对于单一颜色特征的目标跟踪算法,所提算法捕捉目标位置准确且具有更低的平均跟踪误差,其平均误差降低了近2倍。

基于均值漂移和粒子滤波的红外目标跟踪

为了提高红外目标跟踪的准确性和稳健性,提出了基于均值漂移(mean shift)和粒子滤波(PF)相结合的红外目标跟踪方法。在PF理论框架下,使用均值漂移为一种迭代模式寻找过程,对随机粒子样本进行重新分配,使粒子向目标状态的最大后验核密度估计方向移动,在均值漂移迭代过程中对样本权值进行更新。红外目标的状态后验概率分布用重新分配的加权随机样本集表示,对随机样本集使用PF算法实现红外目标运动的跟踪。实验结果表明,和一般PF和均值漂移相比,本文方法具有优越性和更强的稳健性。

基于改进粒子滤波的鲁棒目标跟踪算法

为了克服样本贫化现象导致的滤波发散,本文对重采样后的粒子进行有方向性的变异操作,在增加样本集的多样性同时使粒子集更集中均匀的分布在目标的邻域。同时把Mean Shift算法引入粒子滤波(PF)框架中,对PF估计结果迭代得到最优的目标状态,并用迭代得到的状态值控制粒子变异的方向。仿真实验表明,本文提出的方法具有更高的估计精度,并且在目标状态突变时能够有效跟踪。

基于模拟退火的粒子滤波在目标跟踪中的应用

针对目标跟踪中的机动目标跟踪,提出了一种基于模拟退火(SA,simulated annealing)的粒子滤波(PF,particle filter)跟踪算法(SAPF)。通过采用SA方法改进重要抽样密度函数,在状态转移基础上增加扰动量,依据Metropolis准则解决粒子的贫乏问题,扩展粒子的局部搜索范围;以降温设计促使粒子向高似然区域移动,建议分布产生的粒子更能反映系统状态的后验概率分布。实验结果表明,与PF相比,SAPF具有更高的跟踪精度。