基于云进化的遗传粒子滤波算法

针对粒子滤波器存在的粒子贫乏问题,提出了一种基于云模型改进的遗传重采样方法。选择操作采用相隔一定代数进行随机采样的方式,防止选择压力过大导致粒子贫化;利用Y云发生器实现变异操作,根据粒子的观测概率自适应控制搜索范围,在现有粒子的附近搜索精良粒子,在提高粒子有效性的同时增加了粒子的多样性。仿真结果表明：改进后的算法有效地解决了粒子的贫乏问题,提高了滤波性能。     

一种改进的SIR粒子滤波方法

SIR粒子滤波算法在重采样无法进行时可能失效,详细分析了算法失效的原因,并针对此问题提出了基于PSO的改进方法,该方法利用PSO的智能寻优机制引导重要性抽样的粒子移向高似然区,从而确保重采样过程的顺利进行。仿真试验表明,提出的改进方法可以有效解决SIR算法因重采样无法进行而导致的失效问题。     

基于高斯和粒子滤波的AUV水下地形辅助导航方法

针对自主式水下无人航行器(AUV)长时间潜航时的精确导航定位需求,以多波束测深系统为水下地形测量设备,提出一种基于贝叶斯估计的AUV水下地形匹配导航模型。针对贝叶斯滤波后验概率密度函数的求解问题,用高斯混合密度函数近似状态的后验概率密度函数,提出了基于高斯和粒子滤波的水下地形匹配导航方法。基于多波束测深数据的回放式仿真试验表明,提出的方法可以有效近似地形匹配的贝叶斯滤波模型,具有良好的实用性。     

粒子滤波的重采样方法

粒子滤波是基于递推的Monte Carlo仿真方法的总称,原则上可用于任意非线性、非高斯随机系统的状态估计.但粒子的退化现象是粒子滤波器的最大缺陷,减轻这一现象影响的方法之一就是对粒子进行重采样.阐述了几种重要的重采样算法及其改进策略,并对其进行总结与展望.     

一种基于和声搜索的改进粒子滤波算法及应用

针对传统粒子滤波算法在粒子生成阶段存在的粒子选取盲目性问题,提出了将和声搜索算法与粒子滤波算法相结合的设计思路,得到了一种改进型粒子滤波算法.随后,针对某载体的导航问题,将该算法应用于组合导航滤波并进行了仿真,仿真结果验证了所提出滤波算法的正确性和有效性.     

一种改进的均方根容积粒子滤波算法

传统的粒子滤波算法在重要性采样估计时忽略了当前量测影响。在非线性场景下,传统的粒子滤波导致个别粒子具有大权值,造成估计结果精度差。针对该问题,结合均方根容积卡尔曼滤波(SCKF)算法和Gating技术,提出了一种新的重要性函数估计算法。本算法将后验概率作为重要性采样函数,通过利用SCKF和统计距离,建立粒子与量测的关联关系,实现对重要性采样函数的均值和协方差矩阵的估计。而后,使用粒子滤波算法,对多目标状态和数目进行估计。实验表明,在非线性跟踪场景下,本算法估计精度高,估计结果稳定。     

一种基于改进粒子滤波算法的盲信号分离

提出把粒子滤波算法应用于信号的盲分离,采用Rao-Blackwellisaion策略减少状态空间抽样维数,引入可逆的跳马尔科夫链蒙特卡洛方法(RJMCMC)有效地抽样不同维数的参数子空间,并采用了基于Epanechnikov核的建议分布。仿真结果表明该算法能够在线跟踪信号源个数的变化并且具有较好的分离性能。     

粒子滤波算法的关键技术应用

针对基于贝叶斯原理的序贯蒙特卡罗粒子滤波器出现退化现象的原因,以无敏粒子滤波(UPF)、辅助粒子滤波(ASIR)及采样重要再采样(SIR)等改进的粒子滤波算法为例,对消除该缺陷的关键技术(优化重要密度函数及再采样)进行了分析研究.说明通过提高重要密度函数的似然度、引进当前测量值、预增和复制大权值粒子等方式,可以有效改善算法性能.最后通过对一无源探测定位问题进行仿真,验证了运用该关键技术后,算法的收敛精度和鲁棒性得到进一步增强.     

一种新的自适应粒子滤波算法*

在对实时性要求高的系统中,粒子数的选择对粒子滤波至关重要,需要在滤波精度与计算复杂度乏间取折衷.提出了一种基于决策规则的自适应粒子滤波算法,在定义综合性能代价函数的基础上,推导出粒子数与滤波误差方差之间的关系,使得在粒子滤波过程中,可以根据实际滤波情况在线调节粒子数,以使滤波的综合性能达到最优.通过Monte Carlo仿真实验表明,新算法在与基本粒子滤波算法(PF)保持同等精度的条件下,大大降低了算法的计算量,约为PF的六分之一.     

基于分治采样粒子滤波的三维跟踪算法

粒子滤波在处理三维机动目标跟踪问题时,粒子点难以均匀覆盖目标状态空间,较低的样本多样性和算法冗余直接影响跟踪性能。针对该问题提出一种基于分治采样粒子滤波的跟踪算法,算法通过划分独立的状态子空间,使随机样本在各子空间内单独抽样,对目标机动实现降维处理,提高跟踪性能。仿真实验表明,相对于标准粒子滤波,该算法有效提高了样本多样性,具有更好的跟踪性能,对复杂机动状况适应性更强。     

基于水下地形匹配的捷联系统误差估计方法

潜器进入匹配区时捷联系统已积累了一定的误差,有效利用匹配信息对误差进行修正是保证后续航行精度的基础;通过建立水下地形匹配辅助导航系统误差模型,以地形匹配模块和深度压力传感器测量的位置信息和深度作为量测量,设计了卡尔曼滤波器。仿真研究证明:所设计的滤波器具有良好的估计精度;同时,通过设计潜器航行动作证明了相关误差量的估计效果与潜器运动激励有关,为匹配区内进行误差估计时潜器所采用的运动状态提供了参考。     

基于神经网络的地形匹配方法研究

提出了基于神经网络实现多特征融合的地形匹配算法,充分利用地形的各种不同的统计特征和几何特征,构造了一种地形匹配网络模型.通过对实时图和基准图的分析,给出了计算网络节点之间的权值函数,建立了网络系统能量方程,通过求系统的最小能量得到最佳匹配位置.由于网络能融合地形的不同统计特征和几何特征,所以算法大大提高了系统的抗干扰能力和定位精度,适合于实时图容易发生畸变的地形匹配领域.实验结果表明,定位精度和抗干扰能力均优于传统的地形匹配方法.     

水下地形辅助导航技术的研究与应用进展

在简要介绍水下地形辅助导航基本概念的基础上,从地形辅助导航算法、水下数字地图技术、水下地形辅助导航试验等方面,详细介绍了水下地形辅助导航所涉及各方面的主要问题及研究进展,并对下一步研究方向及应用做出指引与展望。     

基于观测预测粒子滤波的雷达组网目标状态估计

雷达组网系统跟踪目标时,观测数据与目标跟踪状态成严重非线性关系,难以用卡尔曼滤波最优估计方法,处理非高斯非线性系统滤波估计问题的粒子滤波算法容易产生粒子退化问题。因此,使用观测预测粒子滤波算法解决这个问题,该算法基于观测似然进行重要性采样,结合一步预测信息计算粒子权值,保证了采样粒子处于高观测似然区,并充分利用了一步预测信息。仿真验证表明,将观测预测粒子滤波算法应用于目标状态估计,避免了粒子退化,收敛快,估计精度高。     

退化速率跟踪粒子滤波在剩余使用寿命预测中的应用

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好地解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化,并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

基于Haar小波的海底地形匹配方法研究

提出了一种基于地形的小波场特征的相关匹配的方法.在小波场的相关匹配技术中,由于小波的垂直分量和水平分量反映了图像的边缘等高频信息,所以分解后的小波特征场相关性小,有比较高的匹配精度;同时,由于数据量压缩,提高了匹配速度,适应于地形匹配的快速实现.     

基于退化速率跟踪粒子滤波的剩余使用寿命预测框架

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好的解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。本文针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化。并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

基于Gram-Schmidt正交化算法的水下目标回波检测

提出了一种基于Gram-Schmidt正交化算法的水下目标回波检测方法.该方法利用Gram-Schmidt正交化算法实现对干扰背景的预白化,通过归一化匹配滤波器可完成对水下目标回波的检测.对仿真数据和实验数据的处理验证了该方法的有效性.