基于代价参考粒子滤波器组的多目标检测前跟踪算法

针对图像序列中多目标检测和跟踪算法结构复杂、计算量大、性能降低等问题,提出一种基于代价参考粒子滤波器组的多目标检测前跟踪(Cost-reference particle filter bank based multi-target track-before-detect, CRPFB-MTBD)算法,将多目标跟踪问题转换为序贯地检测和跟踪多个单目标的问题.首先,采用代价参考粒子滤波器组序贯地估计所有可能单目标状态序列;其次,基于所有可能单目标状态序列的欧氏距离和累积代价确定目标数量;最后,根据累积代价判断每个目标出现和消失的具体时刻.仿真实验验证了CRPFB-MTBD的优良性能,与基于传统粒子滤波的多目标检测前跟踪算法(Particle filter based multi-target track-before-detect, PF-MTBD)、基于概率假设密度的检测前跟踪算法(Probability hypothesis density based track-before-detect, PHD-TBD)和基于伯努利滤波的检测前跟踪算法(Bernoulli based track-before-detect, Bernoulli-TBD)相比, CRPFB-MTBD的目标状态序列和数量估计结果最佳,且平均单次运行时间极短.

基于多模态数据和粒子滤波器的移动机器人目标跟踪方法

在复杂环境中,目标可能受到遮挡、光照变化、背景干扰等因素的影响,导致移动机器人目标跟踪精度和效率低;为保证移动机器人目标跟踪效果,提出了基于多模态数据和粒子滤波器的移动机器人目标跟踪方法;采集移动机器人目标多模态数据,通过畸变校正、去噪、增强等步骤,完成移动机器人目标多模态数据的预处理;从边缘、颜色、纹理等多个方面,提取移动机器人目标多模态数据特征;以提取特征为研究对象,通过粒子滤波器的训练,得出移动机器人跟踪目标的检测结果,最终通过实时目标位置的更新,实现移动机器人目标跟踪;仿真结果表明,在单目标和多目标两种仿真场景下,设计方法的跟踪误差和跟踪时延较低,能够有效提高移动机器人目标跟踪精度和效率,具有较好的移动机器人目标跟踪效果。

基于改进多目标粒子群的HVDC交流滤波器优化设计

高压直流输电(HVDC)系统中的换流器在运行中会生成大量谐波电流,为减小其对交流系统的不利影响以及保证直流输电线路电能的有效传输,必须在换流母线上装设交流滤波器。针对现有HVDC系统交流滤波器设计方法的局限,建立了以滤波器投资成本和交流母线电压总谐波畸变率为目标、以电话谐波波形系数为约束的交流滤波器优化数学模型,并提出改进多目标粒子群算法(MOPSO)实现交流滤波器多目标优化设计,该算法使用自适应网格的二级存储库,且添加了约束处理机制和一种特殊的变异算子来提高算法的搜索能力;采用模糊决策方法对多目标优化设计最优解进行选取。建立了±500 kV HVDC系统仿真模型,仿真表明,多目标优化设计的交流滤波器既可有效滤除换流器谐波,又可节约成本,达到了滤波性能与投资成本之间的最佳平衡。

Rao-Blackwellised粒子滤波SLAM的一致性研究

Rao-Blackwellised粒子滤波SLAM(RBPF SLAM)算法的复杂度与特征个数呈线性关系,对于大规模SLAM有明显的计算优势,但是该算法不能长时间满足一致性要求,必须进行改进。采用归一化估计方差NEES对算法的一致性进行了分析,得出粒子耗尽是造成算法不一致的原因,并分别采用辅助粒子滤波及正则粒子滤波对算法进行改进,以得到一致的RBPF SLAM。最后,通过大量的Monte-Carlo仿真实验,验证了方法的有效性。

一种基于双重改进粒子滤波器的故障隔离方法

为了解决在基于解析冗余关系的故障诊断应用中难以实现故障隔离的问题,提出了一种基于双重改进粒子滤波器的故障隔离方法。该方法利用状态和参数估计粒子滤波器组成的联合估计模型,对系统状态和潜在故障参数值进行联合估计,通过对比潜在故障参数估计值与其标称值实现故障隔离。在联合估计模型中,一方面,在传统的随机扰动法的基础上,利用最大似然估计法获得参数时间更新梯度,使用一种改进随机扰动法实现参数时间更新;另一方面,在采样过程中考虑当前量测值,并引入粒子群和模拟退火优化思想,使用一种采样粒子质量改进方法实现粒子采样,以提升其估计性能。仿真结果表明:在假设的两类参数型故障下,基于双重粒子滤波器的联合估计模型在鲁棒性、计算速度和估计精度上均优于基于扩展状态空间的粒子滤波器联合估计模型,在基于双重粒子滤波器的联合估计模型上,使用所提出的改进方法能显著提升其估计性能。所提出的方法基本满足参数型故障隔离对计算效率和估计精度的要求,可作为基于解析冗余关系故障诊断中的故障隔离方法。

基于粒子群优化Gabor滤波器的钢板表面缺陷检测

为了解决钢板表面缺陷形态差别大、对比度低,无法准确检测的问题,提出一种基于粒子群优化(PSO)-Gabor滤波器的钢板表面缺陷检测方法。为了消除图像噪声,突显缺陷目标,首先,对缺陷图像进行自适应中值滤波和对数变换;然后,通过PSO算法对二维Gabor滤波器的频率、方向、尺度和滤波窗口进行参数寻优;并基于最优Gabor滤波器对图像进行滤波,获得缺陷能量图;最后,根据所得能量图进行缺陷分割,从而完成缺陷检测。实验结果表明:基于PSO-Gabor滤波器的缺陷检测方法对钢板表面4种缺陷检测准确率达93.75%,检测耗时为0.05 s,可实现对低对比度钢板表面缺陷图像快速、准确地检测,为钢板表面缺陷实时在线检测提供理论依据和技术支持。

基于Rao-Blackwellised粒子滤波的相控阵导引头指向误差斜率在线估计

针对相控阵导引头指向误差斜率对导弹制导系统带来的寄生回路振荡问题,该文提出一种指向误差斜率在线估计的算法,并能同步估计出目标状态。基于Rao-Blackwellised粒子滤波(RBPF),将指向误差斜率和目标状态同步估计问题分解为两个问题:一个是指向误差斜率的后验估计问题,另一个是以指向误差斜率估计为条件的目标状态估计问题。该文给出了算法的推导过程,并进行了数字仿真验证。仿真结果表明,该文所提算法对于相控阵导引头指向误差斜率的估计性能优良;并能同时准确估计出目标状态信息。采用此信息形成导引指令,可以消除指向误差斜率对制导系统的不利影响,提高系统的稳定性和制导精度。

遗传重采样粒子滤波器

粒子退化现象是影响粒子滤波器性能的一个重要因素.奉文针对粒子退化,将遗传机制应用于粒子重采样,以进化设计解决退化问题.分析并给出了平衡粒子集的有效性与多样性的手段以取得最佳性能的遗传粒子滤波结构的方法.

基于卡尔曼/粒子组合滤波器的组合导航方法研究

粒子滤波在组合导航系统非线性非高斯条件下的滤波估计中获得广泛关注,但捷联惯导误差模型维数较高,直接应用粒子滤波会带来维数灾难。设计了用于SINS/GPS组合导航的卡尔曼/粒子组合滤波算法,采用卡尔曼滤波和粒子滤波分别对系统的线性和非线性状态进行估计,降低粒子滤波器状态维数,避免维数灾难。采用系统残差采样法的规则化粒子滤波器,有效缓解粒子贫化问题,并减少计算负担。仿真结果表明卡尔曼/粒子组合滤波方法的估计性能与粒子滤波相当,但计算复杂度前者要低得多。

复杂环境下基于自适应粒子滤波器的目标跟踪

提出一种基于目标颜色特征的自适应粒子滤波算法,在非遮挡情况下,根据运动预测的准确程度自适应选择粒子数量和运动模型中高斯噪声的方差,保证跟踪的实时性和粒子的有效性;遮挡情况下改变目标的运动模型,使粒子只做布朗运动,并且各粒子经均值漂移算法的一步迭代进行优化,从而可以减少粒子数量以及更快恢复正确的跟踪.实验结果表明该算法具有较强的鲁棒性,能有效实现复杂场景下的目标跟踪.

基于粒子群优化算法的混合有源滤波器中无源滤波器的多目标优化设计

混合有源滤波器是非常有应用前景的滤波装置,但其综合性能受无源滤波器参数优化程度的影响很大。该文基于课题项目中谐波源的特点,针对已有优化设计方法的各种缺点,提出了基于改进粒子群优化算法的混合滤波装置中无源滤波器的多目标优化设计方法。通过将无源滤波器的无功补偿容量、初期投资及补偿后滤波效果作为优化目标,利用简便、有效的粒子群优化算法对其参数进行了优化设计,大大减少了人工的计算量,而且明显提高了算法的寻优速度。最后仿真及现场模拟实验表明,此优化设计无源滤波器的成本比经验设计方法有所降低,滤波效果有明显的提高。

粒子群优化算法在FIR数字滤波器设计中的应用

本文针对有限脉冲响应(FIR)数字滤波器的设计实质上是一个多参数优化问题,提出了一种用粒子群优化算法(PSO)设计FIR数字滤波器的方法.首先将滤波器的设计问题转化为滤波器参数的优化问题,然后利用粒子群优化算法对整个参数空间进行高效并行搜索以获得参数的最优化.FIR数字低通、带通滤波器设计实例证明了该方法的有效性和优越性.

基于粒子群优化的数字多频陷波滤波器设计

数字多频陷波滤波器用于同时滤除或抑制数字信号中的多个频率分量,粒子群优化是模拟鸟群迁徙行为的元启发式搜索方法。以改进的粒子群优化算法为基础,提出了数字多频陷波滤波器的设计方法,它通过优化配置陷波系统的极点位置,实现了具有稳定特性的陷波系统的优化设计。所提设计方法的有效性和实用性,得到了一系列仿真实验的具体验证。

基于自适应量子粒子群算法的FIR滤波器设计

针对量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法的参数控制方式,提出了一种自适应调节方法,该方法根据粒子之间的位置关系来设定参数值,给出了具体的设计思想与实现步骤。然后针对有限脉冲响应(finite impulse response,FIR)数字滤波器的优化设计实质,即多参数优化问题,通过适当的编码方式将改进的QPSO算法(adaptive QPSO,AQPSO)应用在其优化设计中,设计了低通和带通FIR数字滤波器。实验结果表明,AQPSO在收敛速度、鲁棒性及优化效果等方面都优于遗传算法(genetic algorithm,GA)、PSO算法及QPSO算法,说明了AQPSO算法的有效性和可行性。

角闪烁背景下基于粒子滤波器的跟踪研究

角闪烁噪声具有相关性和非高斯特性,处理相关非高斯噪声下的目标跟踪问题时,传统的的卡尔曼滤波器性能将会严重下降。文中将粒子滤波器应用到角闪烁背景下的目标跟踪问题中,与扩展卡尔曼滤波器进行了仿真比较,结果表明粒子滤波器的跟踪性能大大优于扩展卡尔曼滤波器,具有较高的工程实用价值。

基于粒子滤波器的SLAM的仿真研究

机器人同时定位与精确地图创建能力是自主移动机器人的先决条件。SLAM的很多实现方法无法解决有大量环境特征的环境。应用粒子滤波器和卡尔曼滤波器分别估计机器人位姿和环境特征的后验概率分布。这个算法的基础是把后验概率分解成路径的后验概率和环境特征的后验概率分布。为避免衰竭问题,在粒子滤波器的重采样阶段,除了用权值选取粒子,还在更新阶段直接注入从传感器数据生成的少量粒子。仿真结果显示这个算法可以用100个粒子处理5000个环境特征的优越性。

改进粒子滤波器的移动机器人同步定位与地图构建方法

传统的基于粒子滤波器的移动机器人同步定位与地图构建(SLAM)方法往往随着迭代次数的增加会产生粒子退化的问题,提出了一种基于人工鱼群算法与定向重采样思想的改进的粒子滤波器用于移动机器人SLAM问题。方法首先将人工鱼群算法引入到粒子滤波器中,从而使得粒子分布在重采样之前就更加接近真实情况,然后利用定向重采样的方法,使得新产生的粒子更加接近于真实的运动情况,从而提高了机器人的位置估计精度与地图创建精度。仿真实验结果证明了该方法能够得到更多的有效粒子,而且能够提高粒子的多样性,并且提高SLAM性能。

粒子滤波器重采样算法的分析与比较

重采样算法解决了粒子滤波器的退化问题。从重采样实现原理、均匀分布理论和计算复杂度的角度对目前广泛应用的四种重采样算法(包括多项式重采样、残差重采样、分层重采样和系统重采样)进行了理论分析,同时引入有效样本数,设定重采样阈值,将四种算法应用于经典纯方位跟踪,通过仿真比较不同重采样算法条件下的运行时间和跟踪性能,并分析重采样阈值的设定对滤波性能的影响。仿真表明,四种算法在跟踪性能上很接近,系统重采样和分层重采样算法下的运行时间很接近,优于其余两种算法,设定重采样阈值后,整体跟踪误差减小了约50%,但并未明显减慢跟踪误差随时间推移的发散趋势。

桥梁极值应力的改进高斯混合粒子滤波器动态预测

为合理地动态预测在役桥梁的极值应力信息,应用桥梁健康监测(BHM)系统的长期日常监测极值应力数据,建立非线性动态模型,引入扩展卡尔曼滤波器(EKF)与高斯混合粒子滤波器(GMPF)相结合的改进高斯混合粒子滤波器(IGMPF)预测算法,对监测极值应力的一步向前预测分布参数及其状态变量的后验分布参数进行预测分析,并进行了实例验证.IGMPF不仅可以得到实测极值应力状态的合理重要性函数,还可以解决传统预测方法的短期性和精度不高的问题,为实际BHM系统的动力响应预测提供了理论基础.

非高斯噪声下基于U-粒子滤波器和似然比的非线性系统故障诊断

针对普通粒子滤波器在非线性系统随机系统故障诊断中的'退化'现象和估计精度的不足,进而影响诊断准确率的问题,提出应用U-粒子滤波器(Unscented particle filter,UPF)进行改进的方法。在建立正常/异常UPF滤波器模型的基础上,推导基于UPF的似然概率密度函数和似然比(Log likelihood ratio,LLR)计算方法,构造故障的检测律和诊断律,并给出完整的故障诊断算法,不仅能准确预报故障发生的时刻,而且可以诊断出故障的类型。最后在某直升机非线性舵回路上进行了试验验证,结果证明了该方法的有效性和优越性。