高斯-厄米特粒子滤波器

针对非线性、非高斯系统状态的在线估计问题 ,本文提出一种新的基于序贯重要性抽样的粒子滤波算法 .在滤波算法中 ,我们用一簇高斯 厄米特滤波器 (GHF)来产生重要性概率密度函数 .此概率密度在系统状态的转移概率的基础上融入最新的观测数据 ,因此更接近于系统状态的后验概率 .理论分析与实验结果表明 :在观测模型具有高精度的场合或似然函数位于系统状态转移概率的尾部时 ,用GHF产生重要性概率密度函数的粒子滤波即高斯 厄米特粒子滤波 (GHPF)的性能要明显地优于标准的粒子滤波、扩展的卡尔曼滤波、GHF .

机动目标跟踪的高斯-厄米特粒子滤波算法

闪烁噪声环境下的机动目标跟踪实质上是一个非线性非高斯系统滤波问题,为了提高跟踪精度,应用高斯-厄米特滤波方法来产生粒子滤波器(PF)的重要密度函数,解决了PF算法的粒子退化问题,并给出了基于高斯-厄米特粒子滤波器(GHPF)的闪烁噪声机动目标跟踪算法。仿真结果表明,各种PF算法对闪烁噪声机动目标的跟踪精度远远好于卡尔曼滤波方法;同时GHPF不仅提高了估计精度,而且减少了粒子数目,降低了算法的复杂度,因此其综合性能要好于其他PF算法,具有较高的跟踪精度和较好的实时性。

闪烁噪声环境下机动目标跟踪的改进的高斯-厄米特粒子滤波

针对闪烁噪声环境下机动目标跟踪的非线性、非高斯问题,提出了一种改进的高斯-厄米特粒子滤波算法。和传统的高斯-厄米特粒子滤波算法相比,在生成粒子集时,改进的高斯-厄米特粒子滤波算法采用高斯-厄米特滤波对当前时刻的各个粒子进行估计,将得到的估计值和协方差直接作为粒子滤波算法的粒子集及相应的协方差。仿真结果表明,改进的高斯-厄米特粒子滤波算法对闪烁噪声环境下的机动目标能够进行有效的跟踪,提高了跟踪精度。

基于高斯-厄米特粒子漂移的机动目标跟踪算法

为了提高对机动目标跟踪的实时性,提出了一种将均值漂移嵌入高斯-厄米特粒子滤波器的目标跟踪算法.通过粒子滤波产生一组带权粒子,在高斯-厄米特预测的基础上利用基于颜色直方图分布的均值漂移算法对各粒子进行迭代优化,由于在提高粒子质量的同时有效降低了维持"多峰"假设所需的粒子数,从而保证了算法的精度和效率.实验结果表明文中算法在保持较高精度的同时,大大提高了跟踪的实时性.

基于PNGV模型和高斯-厄米特滤波的SOC估算研究

为解决锂离子电池荷电状态(SOC)估算精度不高和初值鲁棒性差的问题,提出了一种基于新一代汽车伙伴计划(PNGV)等效电路模型和高斯-厄米特滤波(GHF)算法的锂离子电池SOC估算方法。首先,建立PNGV模型来模拟电池的动静态工作特性,列出该等效电路模型的状态空间方程;然后,利用混合动力脉冲能力特性测试试验,对模型中的动态参数进行辨识,并通过电流激励下的电压响应对比验证了模型及参数的有效性;最后,结合GHF算法得出了算法的系数矩阵和递推过程。在Matlab/Simulink平台上,对该SOC估算方法的估算效果进行了仿真分析与验证。结果表明,无论是在恒流、周期恒定电流和周期变电流工况下,还是在城市道路循环(UDDS)变电流工况下,SOC都能实时跟踪真实值的变化。同时,该算法对初值有较好的鲁棒性。在初始SOC为0.8的情况下,SOC估算最大误差不超过3.7%,具有较高的精度。该算法为锂离子电池SOC的估算提供了一种新的思路。

基于自适应高斯-厄米特滤波的锂电SOC估算研究

对锂电池荷电状态(state of charge,SOC)进行准确地估算十分重要。由于SOC呈非线性特征,并且受多种因素的动态影响,准确估计困难。本文利用高斯-厄米特滤波(Gauss-Hermite filter,GHF)的思想,结合Thevenin等效电路模型,提出一种自适应高斯-厄米特滤波(adaptive Gauss-Hermite filter,AGHF)算法对SOC实时估计更新。利用MATLAB/Simulink建立仿真模型,并与扩展卡尔曼滤波(extended Kalman filter,EKF)算法及传统的高斯-厄米特滤波算法相比较。通过分析对比可以发现该算法的估算精度较高,可以有效地控制滤波发散。

厄米-余弦-高斯光束的传输特性

从广义惠更斯 菲涅耳衍射积分出发对厄米 余弦 高斯光束的传输特性作了研究,给出了厄米 余弦 高斯光束通过近轴ABCD光学系统的解析传输公式,以厄米 余弦 高斯光束通过自由空间和薄透镜系统为例做了数值计算和分析,结果表明厄米 余弦 高斯光束在自由空间传输时不能保持其形状不变。厄米 双曲余弦 高斯光束、余弦 高斯光束、厄米 高斯光束的传输公式可作为厄米 余弦 高斯光束的特例得出。

像散厄米-高斯光束的对称化和相关问题的研究

从比较两种对称化光学系统出发 ,使用三柱透镜对称化光学系统对像散厄米 -高斯光束作了详细分析 ,研究表明 :对称化光学系统的作用是将像散光束变换为对称化实宗量光束 ;并消去 x- y耦合项。这样 ,当光束继续在自由空间传输时 ,能保持其形状不变。然而 ,有 x- y耦合项的对称化复光束却不具有这种传输不变性。

偏心厄米-高斯光束通过失调一阶光学系统的传输特性

使用广义惠更斯—菲涅尔衍射积分 ,增广矩阵和 Wigner分布函数方法 ,研究了偏心厄米-高斯光束通过失调非对称一阶光学系统的传输特性 ,证明了偏心厄米 -高斯光束通过一阶光学系统时保持其封闭性 ,光束的二阶矩矩阵按通常的规律变换 ,一阶矩矩阵遵循几何光线的变换规律 。

采用平方根高斯核积分滤波的目标跟踪算法

为进一步提高目标跟踪精度,提出了一种新的平方根高斯核积分滤波算法(SGKQF)。选取比例因子重构高斯-厄米特积分点,利用高斯核构造的线性方程组计算相应权重,从而建立单变量高斯核积分规则;采用张量积方法将其扩展到多变量积分规则,以实现对多维积分的数值近似;将其引入非线性高斯递推滤波框架中,为增强算法的稳定性,在滤波过程中使用协方差的平方根形式,得到SGKQF算法。将所提算法应用于纯方位目标跟踪系统中,仿真结果表明,在选取合适高斯核带宽的条件下,相对于传统GHQF算法,SGKQF对目标位置和速度估计的精度分别提高了8.7%和11.8%,可获得更高的滤波估计精度。

矢量非傍轴厄米余弦高斯光束

引入了矢量非傍轴厄米余弦高斯(HCosG)光束的概念,从矢量瑞利-索末菲衍射积分公式出发,得出了矢量非傍轴HCosG光束在自由空间的解析传输公式,并将非傍轴HCosG光束在自由空间衍射时轴上、近场、远场以及在傍轴条件下的传输作为特例给出。数值计算和分析表明,对于矢量非傍轴HCosG光束,参数和偏心参数均对光束的非傍轴特性有重要影响。此外,其轴上光强分布与光束的阶数及其奇偶性有关。

分维自适应稀疏网格积分非线性滤波器

针对含加性高斯噪声的非线性离散系统,提出了可分别根据各维状态及量测方程的非线性函数特性来确定采样点及其权重的积分滤波器.设计了基于嵌入式高斯采样积分和稀疏网格法则的自适应多变量采样积分方法,可在匹配函数高阶泰勒展开项时,利用低阶采样点,提出了高效的数据结构和遍历算法,便于采用该积分方法分别估计系统状态/量测的预测均值和协方差矩阵.该滤波器既能根据各维非线性函数的特性确定采样点,又实现了对采样值和权重的完全复用,保证了算法效率.理论分析和仿真表明,该滤波算法中自适应调整的运算量小于计算非线性函数采样值.该滤波器与无迹卡尔曼滤波相比,提高了滤波精度,与固定形式的稀疏网格滤波器相比,提高了采样效率,且该方法为两者的广义形式.仿真实验也验证了状态估计的精确性和函数采样的高效性.

稀疏网格平方根求积分非线性滤波器

针对具有加性噪声的非线性高斯动态系统的状态估计问题,本文提出一种新的基于稀疏网格法的平方根求积分滤波器(SSRQF),该滤波器通过稀疏网格取点来近似计算多维积分并进行平方根滤波.与常规QF的积分点数随着维数呈指数增长相比,该方法的积分点数随着维数呈多项式增长,减少了计算量;理论分析表明,无味卡尔曼滤波器(UKF)只是稀疏网格求积分滤波器(SQF)的一个特例,因此SSRQF在精度和取点上比UKF更为灵活.仿真实验表明,SSRQF的滤波精度均高于UKF和扩展卡尔曼滤波器(EKF),是一种效率较高的高精度非线性滤波算法.

平方根求积分卡尔曼滤波器

针对具有加性噪声的非线性高斯动态系统的状态估计问题,本文提出一种近似递归的高斯滤波器:平方根求积分卡尔曼滤波器(SRQKF).该滤波器是在求积分卡尔曼滤波器(QKF)基础上的平方根实现形式,使用统计线性回归的方法,通过一套参数化高斯密度的高斯-厄米特积分点来线性化非线性函数的;滤波器采用平方根的实现方法,不仅增强了数值的鲁棒性,确保了状态协方差矩阵的半正定性,而且在一定程度上提高了滤波精度.仿真实验表明,SRQKF的滤波精度比QKF提高约12%,且均高于无味滤波器(UF)和扩展卡尔曼滤波器(EKF),但这二者的计算复杂度均比UF和EKF大.对滤波精度要求比较高的非线性场合,新滤波器是一种很有效的非线性滤波算法.

高斯-厄米特滤波器在捷联惯导系统初始对准中的应用

为提高静基座初始对准精度,缩短对准时间,采用了基于大方位失准角的对准模型,引入了高斯-厄米特滤波器(GHF)。针对GHF中均值和协方差阵的多元非线性高斯积分求解问题,利用初始对准误差方程的非线性是由大方位失准角导致的特点,通过状态的线性变换,求其线性状态解析解,将高维积分转化成一元数值积分,在不损失精度的前提下,解决了GHF在对准应用的"维数灾难"问题。将此算法用于实际系统,对比于扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF),结果表明在大方位失准角条件下,GHF方法偏航角的对准精度提高了16%,对准时间缩短了75%。

自适应非线性GM-PHD滤波及在无源跟踪中的应用

首先针对无源传感器目标跟踪中的非线性问题,将高斯-厄米特求积分规则运用于高斯混合概率假设密度滤波,提出一种求积分卡尔曼概率假设密度滤波。其次,针对未知时变过程噪声,将基于极大后验估计原理的噪声估计器运用到概率假设密度滤波中,同时依据目标状态一步预测与状态滤波结果之间的残差,提出一种对滤波发散情况判断和抑制的算法。最后通过无源传感器双站跟踪仿真表明:相较于已有的非线性高斯混合概率假设密度滤波,所提算法有更高的精度,并且在未知时变噪声环境中具有较好跟踪效果。

矢量非傍轴厄米-拉盖尔-高斯光束的光束质量

基于矢量Rayleigh-Sommerfeld衍射积分,推导出矢量非傍轴圆偏振厄米-拉盖尔-高斯(HLG)光束的远场解析表达式.矢量非傍轴圆偏振高斯光束可作为一般公式的特例给出.将桶中功率(PIB)概念推广到非傍轴范畴,用以描述矢量非傍轴光束的远场光束质量,其中光强用时间平均坡印廷矢量的z分量取代.数值计算和分析表明,矢量非傍轴HLG光束的PIB不仅与束腰宽度与波长之比w0/λ有关,而且还与α参数,模指数n和m以及所取桶的尺寸有关.

厄米-余弦-高斯光束通过负折射率平板材料的传输特性

采用广义惠更斯-菲涅耳衍射积分公式推导出厄米-余弦-高斯光束通过负折射率平板材料的传输公式,并利用其解析式进行数值计算和分析。研究结果表明:负折射率平板材料中的负折射率只影响光束的两次聚焦位置;光束参数不仅会改变厄米-余弦-高斯光束的轴上光强分布,还会改变横向光强的分布,但对厄米-余弦-高斯光束轴上最大光强和横向最大光强的位置均没有影响。

自适应GHPF及其在组合导航中的应用

研究组合导航系统精度优化问题,针对粒子滤波存在重要性密度函数难以选取的问题,提出一种新的自适应GHPF算法,通过高斯-厄米特滤波来获取状态均值和协方差阵,计算自适应因子并利用自适应因子调节均值和方差,得到一种参数可调节的重要性密度函数。重要性密度函数考虑了最新量测的影响,提高了滤波精度,使滤波性能明显改善,能更好地解决非线性非高斯系统模型的滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,仿真结果表明,提出的滤波算法能提高导航计算的精度,定位性能明显优于与扩展Kalman滤波、粒子滤波以及高斯-厄米特粒子滤波。

雷达多目标跟踪的关联粒子滤波研究

在整个导弹防御系统中,多目标跟踪是很重要的一项技术,要求系统快速机动地跟踪导弹目标,但系统存在非线性问题,使用传统方法使跟踪偏差大。为解决上述问题,提出在非高斯条件下,把高斯-厄米特粒子滤波算法和联合概率数据关联方法相结合,对多目标跟踪的数据进行关联处理并进行状态估计。利用高斯-厄米特滤波计算的均值、协方差产生密度函数,并生成具有后验特征的粒子。用联合概率数据关联方法进行杂波剔除和数据关联,并对综合的关联粒子滤波算法进行仿真。仿真结果表明,改进方法可以有效解决多目标的准确跟踪问题。