基于改进粒子群算法的自动机性能评估

由于自行高炮自动机状态监测中缺乏行之有效的机构性能评估手段,引入了改进粒子群算法。建立了自动机动力学模型,对后坐过程进行了动力学仿真,确定了反映机构性能的浮动曲线特征量。针对粒子群算法收敛速度慢、精度低等缺陷,对其进行改进,并结合曲线特征量对自动机性能参数进行了评估。结果表明:改进后粒子群算法的算法收敛性和结果精度都有明显的改善,有效实现了自动机的性能参数评估。     

粒子滤波算法在单站无源定位中的应用

单站无源定位是目标跟踪领域的一个研究热点问题.首先介绍了采用增加观测信息量的方法来实现单站无源定位的技术,即方位/多普勒频率联合定位方法,对其定位原理以及实现进行分析讨论.引入一种新的滤波器-粒子滤波器方法(Particle Filter,PF)探讨了海面上运动的观测平台对远距离运动目标定位的应用背景,对目标的原始定位结果进行滤波处理,以减弱测量噪声的影响,提高定位的精度.仿真结果表明了这一处理算法的有效性以及高精度.     

α粒子库仑散射公式的两种简要推导方法

本文分析介绍利用冲量定量和机械能守恒定律推导α粒子的库仑散射公式的两种简单方法。     

一种基于灰色粒子滤波算法的机动AUV航深内测方法

本文提出了一种将灰色预测和小波变换与标准粒子滤波相结合的灰色粒子滤波算法（GPF）,并将其应用于机动AUV的航深内测。GPF针对机动AUV航深内测过程中由于AUV运动状态未知和测量噪声不断变化而导致的滤波失效问题,在粒子采样过程中结合了标准采样和灰色预测采样,保证了采样得到充分多的有效粒子。在计算粒子权重时,利用小波变换跟踪测量噪声统计特性的变化,提高了各粒子似然概率计算和权重分配的正确性。最后以外测法测得的高精度的机动AUV航深作为真实航深,对该GPF算法进行了实验对比验证,并与EKF和MMPF算法的结果作对比,实验结果表明了本文方法的有效性和实用性。     

基于粒子群优化的点云场景拼接算法

多视点三维点点云场景拼接是解决激光三维主动成像目标自遮挡或被遮挡情况下目标数据不完全问题的一种有效方法,它将直接影响到后续的目标检测与识别处理。本文提出了一种基于粒子群优化（PSO）的点云拼接算法,该方法通过投影分布熵对待拼接场景姿态进行估计,由此获取场景拼接的初值,然后利用PSO实现多视点场景的精确拼接。仿真实验结果表明,本文方法是一种有效可行的方法。     

基于迭代卡尔曼粒子滤波的目标跟踪算法研究

粒子滤波在基于图像序列的目标跟踪中获得了广泛应用．针对其计算量较大的问题,提出一种迭代卡尔曼粒子滤波算法,将非线性跟踪问题分解为线性子结构的全局状态空间模型和非线性子结构的局部状态空间模型,利用粒子滤波在卡尔曼滤波估计值的局部范围内搜索目标,逼近真实目标状态．将实验结果与粒子滤波进行比较,结果表明,迭代卡尔曼粒子滤波减少了粒子数,降低了计算量,能够对高机动目标进行实时稳定的跟踪．     

基于粒子群优化的模糊交通控制器设计研究

城市中往往存在着一些关键路口,其交通通畅与否会对周围的路网的交通流起着很大的影响,需要优先保持此路口的通畅.针对以上情况,设计了基于上下游交通信息的二级模糊交通控制器来对路网进行协调控制.在此基础上,本文提出了针对交通特性改进的粒子群优化算法(TIPSO),并采用TIPSO对第一级模糊规则进行优化,实验结果表明TIPSO对模糊规则具有较好的优化效果,能够离线训练获取到比人工设定的更优的模糊规则.     

融合地理信息的粒子滤波被动跟踪算法

在粒子滤波机动目标跟踪中,为避免粒子集退化现象,通常采取大量的初始粒子数,因而带来了运算量大、跟踪精度低的问题.融合目标舰可能的航线及地理位置先验信息,将约束条件加入到粒子更新迭代中,对粒子的分布和权值进行调整.通过仿真对比加入约束前后算法的跟踪性能,可以看出融合地理信息后,较好地解决了粒子滤波计算量大的难题,提高了纯方位跟踪定位的精度.     

果蝇算法和5种群智能算法的寻优性能研究

截止到目前为止进化式算法主要有遗传算法、蚁群算法、鱼群算法、免疫算法、粒子群算法.这些算法已经被广泛地用于寻优,但都有各自的缺点,导致其不易被用于解决实际问题.某学者提出了一种新群智能算法——果蝇算法.对该算法的起源进行分析,并将该算法与其他算法对比,通过仿真分析各个算法寻优性能.重点分析果蝇算法的寻优性能,得出果蝇算法简单、参数少、易调节、计算量小、寻优精度较高,从而较容易被用于解决实际问题,对于复杂问题算法可能不稳定.指出该算法的缺点,提出应改进的地方,对其应用前景作了概括.     

基于二分粒子群优化的阵列天线方向图综合

在阵列方向图综合中,粒子群优化技术通过简单的算法就可以达到很好的综合效果.然而基本的粒子群算法存在易于陷入局域最优值、迭代次数大的缺点,针对这些缺点,提出了一种新的算法——二分粒子群优化算法.该算法利用基本粒子群算法中的随机因素将其下一代的粒子分裂为2个粒子,在这2个粒子中选优处理.仿真结果表明,改进算法改善了基本粒子群算法容易收敛到局域最优值和迭代次数大的缺点,在阵列方向图的综合中取得了良好的效果.