Monte Carlo EM加速算法

EM算法是近年来常用的求后验众数的估计的一种数据增广算法,但由于求出其E步中积分的显示表达式有时很困难,甚至不可能,限制了其应用的广泛性.而Monte Carlo EM算法很好地解决了这个问题,将EM算法中E步的积分用Monte Carlo模拟来有效实现,使其适用性大大增强.但无论是EM算法,还是Monte Carlo EM算法,其收敛速度都是线性的,被缺损信息的倒数所控制,当缺损数据的比例很高时,收敛速度就非常缓慢.而Newton-Raphson算法在后验众数的附近具有二次收敛速率.本文提出Monte Carlo EM加速算法,将Monte Carlo EM算法与Newton-Raphson算法结合,既使得EM算法中的E步用Monte Carlo模拟得以实现,又证明了该算法在后验众数附近具有二次收敛速度.从而使其保留了Monte Carlo EM算法的优点,并改进了Monte Carlo EM算法的收敛速度.本文通过数值例子,将Monte Carlo EM加速算法的结果与EM算法、Monte Carlo EM算法的结果进行比较,进一步说明了Monte Carlo EM加速算法的优良性.

基于Monte-Carlo方法的井下无线传感网络定位算法

在无线传感器网络应用当中,位置数据向来是关键信息之一。怎样用最小的代价,使得定位算法更加稳定健壮、更精确、更高效,是目前无线传感网定位算法追求的一个方向。因为无线传感网络有着很强的应用相关性,Monte-Carlo中心定位算法以井下环境为背景,设计的一种基于Monte-Carlo算法的改进的定位算法,定位方法简单,定位计算量小。最后通过实验将该算法和Monte-Carlo算法进行了仿真,结果显示在井下环境条件下,该算法有很强的稳定性和更好的精度。

基于Monte Carlo的非测距传感器网络定位算法

针对无线传感器网络，提出一种基于Monte Carlo方法的非测距无线传感器网络节点定位算法。该算法通过计算随机散布的粒子与锚节点之间的距离再与最大射频传送距离比较，根据权值的改变进行滤波，确定未知节点可能存在的位置。在不同粒子数和锚节点个数下，对定位算法进行了仿真，同时对锚节点比率分别为0．1--0．5的情况下，比较了该算法和DV—Hop算法的定位性能，结果表明该算法充分利用对传感器节点定位估计的有用信息，计算复杂度小，定位精度较高、健壮性好。

基于Monte carlo法的Rayleigh波浅层横波速度结构反演方法研究

针对非线性全局优化反演算法在Rayleigh波反演中存在固有的计算效率低、收敛迭代慢、内存占用高等问题,这里首先引入改进的Haskell-Thomson矩阵传递正演算法,用以提高频散曲线正演的计算效率;其次采用Monte carlo反演策略代替非线性全局优化反演,进而改善反演效率低及内存占用高等问题;最后在MASW技术中,发展了一套基于Monte carlo的Rayleigh波局部线性化反演流程。通过典型模型试算表明相对于经典的阻尼最小二乘反演算法,本方法不仅能够有效提升计算效率、减少编程难度,还兼具较高的收敛速度和反演质量,反演过程较为稳定。

联合残差网络和最近点迭代的机器人重定位

针对机器人遭遇绑架、系统故障重启而产生的定位丢失问题,提出一种基于ResNet的机器人重定位方法。所提方法将重定位分为基于残差网络(residual network,ResNet)的粗匹配和基于最近点迭代(iterative closest point,ICP)细匹配2个阶段。在粗匹配阶段,将激光点云数据转换为图像,然后将相邻时间的图像堆叠成多通道图像作为ResNet的输入,以增强图像的时序特征。在细匹配阶段,ResNet输出机器人的预测位置,并将预测结果作为ICP算法的初值进行点云细匹配,从而获取最终位姿。对于相似环境,提出动态重定位方法,通过移动机器人进行多次重定位避免误匹配的情况。仿真实验结果表明:该方法与增强蒙特卡罗定位(augmented Monte Carlo localization,AMCL)算法进行了对比,定位用时降低了8.2s,定位成功率提升了43.4%,证明了该算法具有更好的重定位效果。

基于模糊需求和模糊运输时间的多式联运路径优化

考虑不确定性的模糊多式联运路径优化研究,可以在满足运输方案经济环保双重要求的同时,增强运输方案的鲁棒性,提高企业的抗风险能力.本文建立了模糊需求和模糊运输时间下低碳低成本多式联运路径优化模型,针对连续型元启发式算法无法直接求解离散型组合优化模型的问题,设计了基于优先级的通用编码方式.在此基础上,为进一步提高算法的求解质量,提出了带启发式因子的特殊解码方式,并且提出了一种带邻域搜索策略的自适应差分进化算法.结果表明,改进算法获得的最终方案在蒙特卡罗采样的大多数场景下满足约束,方案稳定性强,目标值最低.

Self Recovery of Localization Loss for Indoor Mobile Robot

In order to solve the problem of localization loss that an autonomous mobile robot may encounter in indoor environment,an improved Monte Carlo localization algorithm is proposed in this paper.The algorithm can identify the state of the robot by real time monitoring of the mean weight changes of the particles and introduce more high weight particles through the divergent sampling function when the robot is in the state of localization loss.The observation model will make the particle set slowly approach to the real position of the robot and the new particles are then sampled to reach the position.The loss self recovery experiments of different algorithms under different experimental scenarios are presented in this paper.

基于蒙特卡洛模拟的声电联合局部放电定位阵列设计及快速定位方法研究

针对目前局部放电声电联合定位中传感器阵列和定位算法设计缺乏统一评价指标的问题,通过对到达时间差算法误差来源进行分析,提出通过蒙特卡洛模拟对阵列及定位算法的定位能力进行定量分析的方法。综合考虑空间限制和定位能力,应用上述方法对平面圆形阵列阵元数量和阵列半径进行了优化,并确定平面圆形阵列的最优阵列半径为35 mm,阵元数量为4~6个。随后基于所提方法,针对4阵元平面圆形阵列对到达时间差算法求解过程进行了优化,提出先通过一次方程组解得x、y后,回带误差最小二乘函数计算z坐标的方法,大幅减小了计算量。最后利用有限元仿真软件和油中放电实验平台,对所设计4阵元圆形阵列及局部放电定位算法进行了验证,定位误差小于65 mm。

双机协同无源定位算法

相较于有源定位,只能利用到达角(Angle of Arrival,AOA)的双机协同无源定位对目标的观测维度很低,这会导致对目标的定位精度低或迭代收敛速度慢等问题发生。对此,利用有限的测量值研究更优秀的算法以提高定位精度具有实际意义。首先,介绍了普通最小二乘法、加权最小二乘法、总体最小二乘法3种基于最小二乘算法的定位算法;然后,介绍了高斯-牛顿迭代法(Gauss-Newton iteration method,GNIM)和加权工具变量伪线性估计法(Weighted Instrumental Variable Pseudolinear Estimation Method,WIVPLE)2种基于最大似然估计的定位算法;最后,使用蒙特卡洛法在不同误差条件和几何构型下对这些算法的定位精度进行仿真实验。

基于蒙特卡罗定位算法的高层建筑物消防通道模糊BIM规划方法

为降低高层建筑物人员疏散难度,提升消防通道规划效果,研究基于蒙特卡罗定位算法的高层建筑物消防通道模糊建筑信息模型(Building Information Modeling,BIM)规划方法。在蒙特卡罗定位算法内添加遗传算法的交叉与变异操作,改进蒙特卡罗定位算法,加快定位效率。利用改进蒙特卡罗定位算法,定位高层建筑物消防通道的关键位置。通过区间直觉模糊广义λ-Shapley Choquet积分方法,选择消防通道规划时的模糊BIM软件。利用选择的模糊BIM软件,结合关键位置定位结果,规划消防通道路径,建立消防通道模糊BIM规划模型。利用Revit软件,以调节模型质量精细度与曝光度的方式,效果渲染消防通道模糊BIM规划模型,提升消防通道模糊BIM规划结果的逼真度。实验证明:该方法可精准定位消防通道关键位置;该方法可有效规划消防通道路径,构建消防通道模糊BIM规划模型;经过效果渲染后,该方法的消防通道模糊BIM规划结果的逼真度较优。

堆石体应力变形细观模拟的随机散粒体不连续变形模型及其应用

从细观角度建立堆石体的随机散粒体不连续变形(SGDD)模型,该模型采用蒙特卡罗法建立堆石体的随机分布模型,通过基于修正的增广Lagrangian算法的非线性接触算法模拟颗粒间的相互接触作用,可以有效模拟颗粒相互作用及尖端破坏等因素。对堆石体三轴试样进行细观数值模拟和试验验证,再现了堆石体内部的颗粒运动变形规律。数值计算结果表明,SGDD模型能够较好地反映堆石体试验的瞬时变形规律。对室内试验缩尺效应进行探讨,采用试验级配与真实级配的2组三轴堆石体试样,运用SGDD模型进行对比分析。计算结果表明,在没有考虑堆石体流变和湿化的条件下,采用原始级配的SGDD模型在相同的应力水平和围压下表现出较小的变形。

一种适用于移动传感器网络的增强型蒙特卡罗定位跟踪算法

该文提出一种在低锚节点密度的移动传感器网络中实现定位跟踪的方法。利用受控的洪泛方式提高锚节点利用效率,采用遗传交叉操作加快预测阶段的抽样,采用插值方法对节点运动速度及方向进行预测,利用位置估计精度优于自身的1跳邻居节点的信息强化滤波条件。仿真实验结果表明,该文算法与传统算法相比加快了收敛速度,提高了定位精度,改善了在低锚节点密度时的性能。

动态无线传感器网络的改进蒙特卡罗定位算法

针对于无线传感器网络中移动节点的定位问题,在传统蒙特卡罗定位算法的基础上,提出了一种改进算法。该算法通过构建接收信号强度指示测距模型来限制样本区域以求提高采样效率。仿真结果表明,与MCL、MCB等其他蒙特卡罗定位算法相比,改进算法在不同的时间、不同的锚节点密度、不同的节点移动速度等情况下,都具有更好的定位精度。

基于萤火虫算法改进移动机器人定位方法研究

针对传统蒙特卡洛定位中粒子退化以及粒子贫乏造成的移动机器人定位精度下降问题,提出了利用萤火虫算法改进蒙特卡洛定位的方法。利用改进后的萤火虫算法优化粒子的采样过程,使粒子在权值更新前趋向高似然区域,并且改进了重采样策略,新的重采样可以使粒子的多样性更好。将改进后的新算法用于机器人定位实验中,结果表明新算法相比扩展卡尔曼粒子滤波在粒子数分别为10、30、50的情况下性能分别提高了20%、34%、29%,并且使用的时间更少。

融合异质传感信息的机器人粒子滤波定位方法

针对机器人采用视觉传感器和激光测距传感器单独定位的缺陷,提出一种融合视觉传感器和激光测距传感器感知信息的移动机器人Monte Carlo自定位方法。视觉目标识别过程中,只采用激光测距信息单独进行粒子集更新;当视觉目标识别完成,利用码盘信息对视觉定位信息进行修正,然后融合激光测距信息进行粒子集的同步更新。视觉信息的全局性和激光测距的快速性得到互补。实验表明,运用异质传感器信息融合明显地加快了粒子集的收敛,提高了移动机器人的自定位精度。

避免非视距影响的蒙特卡罗移动节点定位方法

为避免引入移动传感器网络中受到非视距影响的信息,提出了基于节点一跳邻居的广播信息进行定位的算法,采用信息洪泛的方式来提高节点的利用效率.在采样阶段,将已定位节点作为虚拟锚节点,并优化已定位节点邻居的采样箱,提高在低锚节点密度下的定位精度;在滤波阶段,利用连通性理论和未知节点的位置信息改进滤波条件,提高节点的采样效率;利用虚拟锚节点一跳信息逐层实现网络所有节点的定位.仿真结果表明,无论有无障碍物,该算法与传统算法相比,定位精度均得到提高,尤其在低锚节点密度的网络中具有较好的定位效果.

MSMC跟踪算法在目标跟踪中的应用

针对序贯蒙特卡罗(Sequential Monte Carlo,MC)算法存在的计算量大的缺点,提出了一种新的Mean Shift MonteCarlo(MSMC)目标跟踪算法。在传统的MC算法中采取Mean Shift这种梯度最优下降法来寻找局部最大样本值,以目标的颜色特征建立目标状态空间模型,并用Bhattacharyya系数作为评价函数给出样本的权值。算法以少于300个样本(实验用200个样本)来保持对目标运动状态预测的多样性,有效地克服了MC算法收敛速度较慢的弱点,将算法的计算时间从76 ms/frame降低到了35 ms/frame(跟踪窗口为28 pixel×26 pixel)。实验结果表明,提出的算法能够在发生遮挡的情况下实现较稳定的目标跟踪,使算法应用于实际工程成为可能。

搜救环境中的仿生蛇形机器人SLAM方法

针对搜救环境中蛇形机器人实时地图构建中计算量大、实时性差等问题,提出一种MiniSLAM算法。采用基于Monte-Carlo定位的粒子滤波算法对机器人位姿进行估计和更新,采用改进的Bresenham算法对环境地图进行更新。实验平台采用基于激光测距仪的自主研制的变结构仿生蛇形机器人,实验结果表明,与传统SLAM相比,该算法计算量较少,实时性高,在复杂环境中精度高,适用于搜救环境下蛇形机器人的应用。

WSN中一种基于RSSI的移动节点改进定位算法

移动无线传感器网络的节点定位算法中,基于RSSI的MCL定位算法利用接收信号强度的对数正态模型对定位的预测和滤波过程进行了改进,改善了定位性能,但是仍存在计算量较大、功耗较大等不足。因为物体的运动状态不会发生突变,因而可以利用前几个时刻的轨迹,预测当前时刻的运动参数。采用Hermite插值法,对当前时刻的运动轨迹作了很好的预测。仿真结果表明,该算法与传统的算法相比,减小了采样范围,提高了采样准确率,从而提高定位精度,降低功耗。

基于蒙特卡罗算法煤矿井下人员定位研究

对比分析几种常用的无线传感器网络节点定位方法。针对煤矿井下节点移动性可能导致普通的定位算法变得不精确,提出了蒙特卡罗定位(Monte Carlo Localization)算法。该方法利用物体运动的连续性,通过选取合适的模型完成移动节点位置预测与定位。经仿真验证在低密度锚节点环境下,蒙特卡罗方法位置估计误差明显低于其它方法,提高了移动节点定位算法的准确性。