粒子滤波

摘要： 目前,全球卫星导航系统(Global Navigation Satellite Systems,GNSS)在室外开阔环境可提供稳定可靠的定位服务,但由于卫星信号的遮挡和衰减,在GNSS弱信号环境依然存在着无法高精度定位的挑战.基于运动传感器的行人航迹推算(Pedestrian Dead Reckoning,PDR)是比较有效的定位补充方案,但是定位过程中需要校准初始航向角,且面临着误差累积的关键问题.数字地面多媒体广播(Digital Terrestrial Multimedia Broadcasting,DTMB)信号频率低、穿透力强,且信号发射塔在城市中的布设基本完善,在定位方面具有很大潜能.基于此,本文提出一种单基站DTMB信号约束的PDR运动参数修正方法.本文开发了一套完整的基于软件无线电的DTMB信号接收机,并研究了基于DTMB信号的无线测距方法.利用DTMB无线距离构建初始航向角的约束方程,通过求解该方程可对PDR的初始航向角进行校正.为了减少PDR运动过程中的累积误差,通过粒子滤波框架将PDR运动参数与DTMB无线距离进行融合,获得行人的修正定位结果.实测结果表明,本文方法在DTMB信号通视场景和非完全通视场景下均可有效定位,且定位误差为95%,相比PDR分别降低了41%和30%,验证了提出方法的可行性及有效性.

摘要： 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。

摘要： 粒子滤波(PF)、扩展粒子滤波(EPF)和无迹粒子滤波(UPF)在非线性状态估计方面表现出更好的性能。分析了PF、EPF、UPF 3种算法,UPF的估计状态依赖于测量值,对历史模型信息的敏感度较低,并避免了雅可比矩阵的计算,比EPF更容易进行模型设计;EPF在计算上虽然高效,但跟踪效果不稳定。以AUV水下三维目标跟踪为背景,在高斯噪声(GN)和散粒噪声(SN)环境下,仿真比较分析了PF、EPF、UPF 3种算法的性能。仿真实验结果表明,在高斯测量噪声中,PF和UPF获得了精确的估计,EPF误差较大;在散粒测量噪声中,EPF估计值更加不稳定;当测量噪声不变时,增大目标的状态噪声,EPF的跟踪性能优于PF和UPF。

摘要： 针对电池健康状态局部波动增加预测难度,采用粒子滤波和自回归整合移动平均模型分别预测由经验模态分解提取的健康状态趋势项和细节项,实现锂离子电池剩余寿命预测。提出的PF-ARIMA方法相对误差均值约4.0%,表明该方法能够较为准确地预测锂离子电池剩余寿命。

摘要： 无人机复杂飞行姿态下,其锂电池的放电电流大小会发生很大变化,难以准确估算无人机剩余电量等状态参数。针对这一问题,提出一种改进的灰狼算法优化粒子滤波算法(IGWO-PF),通过粒子分布进行SOC估计。该方法中用灰狼表征粒子,通过设置狼群位置更新机制,使粒子不断接近真实的概率分布。首先用二阶戴维南等效电路构建无人机锂电池模型,计算出观测方程和状态方程。其次在无人机动态工况下,通过基于遗忘因子的最小二乘法在线完成参数辨识。然后利用IGWO-PF算法进行无人机SOC估算。最后使用MATLAB分别对IGWOPF算法、PF算法和UKF算法在3种不同工况下进行仿真验证。结果表明:在3种工况下,IGWO-PF算法不仅在SOC估计结果上能很好地收敛到实际值,而且对于SOC估算误差能控制在1%之内比传统算法误差更准确稳定。

摘要： 针对现有飞蛾扑火优化算法精度低、全局搜索能力差的问题,提出一种自适应插值飞蛾扑火优化算法,并将其嵌入多特征粒子滤波中优化,构建自适应插值飞蛾扑火优化的多特征粒子滤波车辆跟踪算法.首先,在飞蛾的位置更新机制中加入自适应权值,改善所提算法的全局搜索能力.其次,采用改进的插值飞蛾扑火优化算法对采样过程进行优化,结合多特征自适应融合优化粒子滤波车辆跟踪算法,根据最新观测信息不断调整粒子分布,使低权值层粒子向权值较高的区域移动,增强粒子质量,避免样本退化.实验结果表明,本文算法能够有效降低状态预测所需的样本粒子数,提高算法的跟踪性能,在车辆目标发生遮挡、光照、姿态及尺度变化等干扰下仍然能够准确、稳定地跟踪目标车辆.

摘要： 对象跟踪已在视频监视、流量管理、视频索引、机器学习、人工智能等领域广泛使用,为快速、实时和准确对视频运动目标进行检测与跟踪,本文提出了卡尔曼滤波算法与粒子滤波器相结合的优化算法。该算法是在卡尔曼滤波算法框架下结合粒子滤波器,嵌入具有更高精度的运动目标跟踪方法用于估计和预测运动物体的位置,提升运动目标的检测与跟踪精度,并对改进算法和传统卡尔曼滤波算法进行了实验对比。实验结果表明,改进的卡尔曼滤波算法具有检测精度更高、实时性更强、跟踪效果更好的特点,对于视频图像中运动目标的检测与跟踪具有较高的应用价值。

摘要： 针对无迹卡尔曼滤波(UKF)和粒子滤波(PF)状态估计精度低的缺点,把平方根形式的无迹卡尔曼粒子滤波(SRUPF)引入到电力系统状态估计中。在该方法中,无迹卡尔曼滤波作为概率密度函数进行更新,利用Markov链蒙特卡罗方法解决重采样后粒子的匮乏问题,利用平方根形式解决状态估计的收敛速度和稳定性问题。在保障精度的情况下,为了不牺牲大量的计算时间,适当的减少了粒子个数。最后在IEEE14进行了仿真验证,仿真结果表明SR UPF的引入可以有效提高电力系统的动态估计精度。

摘要： 针对传统Gmapping算法粒子数恒定导致在简单环境中运行速度缓慢,而在复杂环境中无法精确定位和建图的问题,提出了一种自适应采样算法(Adaptive Sampling,简称AS)。当二维激光点云波动量大于某个阀值时,增加采样粒子数,反之适当减少采样数。实验结果表明:该算法能够合理利用系统资源,有效改善由恒定粒子数导致的一系列问题。此外,为了增强系统在复杂环境中的建图效果,将萤火虫算法(AF)与之相融合,利用AF的高聚集能力改善采样粒子的分布,进而提高滤波器的估计能力。在ROS平台下的仿真结果表明,优化后的算法显著提高了系统的定位建图效果,同时也有效缩短了其平均建图时间。

摘要： 针对航空发动机气路故障诊断中非高斯噪声特性未知的情况,设计一种基于变分贝叶斯(VB)和核极限学习机(KELM)的边缘化粒子滤波方法。该算法采用学生t分布对非高斯噪声建模,并对噪声参数集进行边缘化处理,利用VB递推出噪声的统计特性;递推过程中采用KELM代替发动机迭代模型计算粒子的测量似然函数,显著降低了VB的计算复杂度。对航空发动机气路故障诊断仿真结果表明:在非高斯噪声特性未知情况下,该方法提高了健康参数估计的精度和鲁棒性,实现了复杂噪声背景下发动机气路故障诊断。

摘要： 低信噪比、强大海杂波环境下的海面弱目标探测问题是天波超视距雷达目标探测的主要难题.传统先检测后跟踪的方法通过降低检测门限或提高传感器灵敏度来提升弱目标的检测能力,容易造成目标漏检或对目标跟踪无法维持;检测前跟踪方法则通过对信号的相干积累增加实际应用的回波信号能量,通过多帧数据的积累可实现目标的检测与跟踪同时处理.鉴于粒子滤波在处理非线性状态系统、非高斯杂波环境下状态估计问题方面的优势,在海杂波预白化处理的基础上,将粒子滤波与目标检测前跟踪技术相结合,提出一种基于粒子滤波的雷达海面目标检测前跟踪算法.推导了粒子滤波检测前跟踪算法的跟踪过程和似然比检验方法,实现对雷达海面慢速目标的状态估计及目标状态联合后验概率密度求解;同时将重采样技术引入到基于粒子滤波的统计检验中,利用重采样后的粒子重新计算似然权值进而构造似然比检验值,以解决粒子滤波过程中的粒子退化问题,最后给出了算法流程.仿真结果表明,与基于网格积分的算法相比,该算法的似然比累积值更集中于目标单元且似然比值更高,同时最大后验概率也更集中于目标状态附近,干扰频率较少,更有利于目标的检测与跟踪,累积效果和检测性能均大幅提高,目标状态逼近最优估计.

摘要： 电池的SOC估计是电池管理系统的最重要的功能之一,是对电动汽车行驶里程的量化评估.由于复杂的电池动态和环境条件,现有的数据驱动电池状态估计技术无法准确估计电池状态.为了克服这个问题,本文通过结合递归神经网络建模和基于粒子滤波的误差消除提出了一种新的SOC估计方法.首先,采用具有长短时间记忆的递归神经网络来学习电池SOC与锂离子电池的可测量变量(例如电流、电压和温度)之间的长期非线性关系.其次,采用粒子滤波对神经网络模型的估计误差进行去噪,来平滑估计结果.本文所提出的方法是无模型的并且能够捕获可测量变量和电池状态之间的长期依赖性.最后,通过在随机工况和不同温度下与传统数据驱动方法比较来验证所提出方法的优越性.

摘要： 多径信号是影响GNSS(Global Navigation Satellite System)导航接收机测量精度的显著误差源,多径环境下的伪距估计方法一直是卫星导航领域的研究热点.本文基于粒子滤波来研究多径环境下的伪距估计问题.文章在建立系统动态方程和观测方程的基础上,根据卫星导航信号多径效应的特点,对传统粒子滤波进行了改进.一方面,所提方法引入了新生粒子用来跟踪多径信号的出现和消失,改进了粒子的更新方法和产生策略,提高了粒子的有效性;另一方面,所提方法推导了观测方程对应的似然函数,并将其作为粒子的权值,有利于提高伪码的估计精度.仿真试验结果表明所提方法能精确跟踪和估计多径环境下的直达波伪距信息.

摘要： 本文提出一种基于粒子滤波的运动目标DOA快速跟踪算法，该算法在阵列信号观测模型和目标运动状态模型基础上，将PM算法中的谱函数作为粒子滤波似然函数，对运动目标进行有效、实时跟踪，仿真实验验证了所提算法的有效性。

摘要： 考虑到目标观测传统方法的局限性,提出了基于粒子滤波同化方法的目标观测新方法,即利用粒子滤波同化方法,通过计算predictivepower估计同化不同区域观测对集合成员不确定性的减小程度,同时利用集合离散度与集合平均误差的相关关系共同确定目标观测的敏感区.文中将新方法应用于两类厄尔尼诺事件的可预报性，揭示了CP-ElNi(n)o事件的预测对SST最敏感，且目标观测敏感区主要位于赤道中东太平洋;EP-El Ni(n)o事件SST和纬向风为潜在的目标观测敏感变量，SST的敏感区位于赤道中东太平洋，低层纬向风的敏感区位于赤道中西太平洋。从以上结论可以看出，无论是CP-El Ni(n)o事件还是EP-El Ni(n)o事件，用粒子滤波目标观测新方法确定的SST敏感区都位于赤道中东太平洋，而且通过回报实验检验，这些敏感区的目标观测在提高两类El Ni(n)o预报技巧中是有效性。因此，在实际预测中，若能优先在赤道中东太平洋内优先同化SST，可能会更有效地提前成功预测哪类El Ni(n)o事件将会发生。

摘要： 由于智能手机扫描Wi-Fi信号消耗过多的电量,因此基于智能手机进行长时间室内定位提出了挑战.本文提出了一种结合惯性传感器和楼层平面图的混合定位方法.惯性定位系统积分加速度和角速度获得行人的相对位移.由于惯性传感器的偏差、非正交性以及用户抖动,惯性定位系统的主要问题是方向漂移.惯性定位误差随着时间进行没有边界的增长.考虑到用户不能越过墙壁等障碍物,我们提出了基于楼层平面图的粒子滤波来修正惯性定位系统的方向漂移问题.结合楼层平面图,所有的粒子被分为两类:没有越墙粒子和越墙粒子;如果粒子没有越过墙壁,粒子按照高权重参与重采样;当粒子越过墙壁时,降低粒子参与重采样的权重.为了减少越墙粒子,我们使用萤火虫算法修改越过墙壁的粒子.萤火虫操作修改越墙粒子的位置让越墙粒子变成没有越墙粒子.在萤火虫算法之后,采用一种自适应算法更新粒子权重.因此,本文提出了萤火虫粒子滤波来提高惯性传感器和楼层平面图的室内定位精度.在打电话和手持智能手机两种姿态下,定位结果显示走廊和自习室平均定位精度分别为2.24米和1.47米.

摘要： 室内位置服务在人们日常生活中扮演越来越重要角色,然而GPS,北斗,GLONASS,等卫星定位技术在室内难以获取精确位置信息.本文提出一种以粒子滤波算法为框架,融合了蓝牙定位结果,手机传感器信息和地图信息的室内定位算法.针对基于路径损耗模型的蓝牙RSSI(Received Signal Strength Indication)定位算法易受干扰,定位精度差问题,提出基于节点空间约束的蓝牙RSSI定位算法,以提高蓝牙定位精度;针对在粒子滤波的权重更新阶段,通过地图数据检测粒子是否穿过墙壁的过程中,计算量大问题,本文提出一种基于地图离散化的穿墙检测算法以减少该过程的计算量.实验结果表明基于节点空间约束的蓝牙RSSI定位算法定位误差比基于路径损耗模型的蓝牙RSSI定位算法,平均定位误差减少了32％;传统的穿墙检测算法所用时间是基于地图离散化的穿墙检测算法所用时间4.32倍;融合定位算法平均定位误差为0.97m.

摘要： 针对蓝牙定位结果跳变问题和行人航位推算(Pedestrian dead reckoning,PDR)误差累积问题,本文提出了一种基于二阶级联扩展卡尔曼滤波(Extended Kalman Filter,EKF)和粒子滤波(Particle Filter,PF)的蓝牙、PDR和地图信息的融合定位算法.该算法第一级利用EKF融合蓝牙和PDR,其中蓝牙的定位结果作为EKF的观测量辅助PDR定位,从而得到较准确的用户位置;第二级利用PF融合PDR、第一级得到的定位结果和地图信息,其中第一级得到的结果和地图信息用来计算PF的权重,最终得到更精确的用户位置.实验结果表明,本文提出的融合算法的定位结果比蓝牙定位和PDR定位结果的鲁棒性分别提高40.5％和51.4％;而且本算法的平均定位误差是1.031m,比基于EKF融合定位算法的精度提高20.2％,比基于PF融合定位算法的精度提高25.1％.

摘要： 目标跟踪是当今智能信息处理的研究热点,智能信息处理在日常生活中得到重视,与之相关的应用也得到发展.视频物体目标跟踪是计算机视觉领域的热门话题,在很多实际场景中得到广泛应用.本文首先对目标跟踪的具体过程进行详细的介绍,在运动模型部分简单介绍了几种,如均值漂移、粒子滤波和卡尔曼滤波,还有基于特征点的光流算法等,在观测模型部分介绍了产生式和判别式模型;接着介绍了几种跟踪效果较好的跟踪方法;在本文结尾,总结了目标跟踪和其以后的发展方向.

摘要： 定位是移动机器人实现自主要解决的关键问题之一.传统的蒙特卡洛定位算法在进行全局定位时需要产生大量的粒子覆盖整个环境,计算量可能变得非常巨大.为了提高全局定位的效率和准确性,本文对环境中不同区域的特性进行分析,提出了一种基于区域相似性的改进蒙特卡洛定位方法,使样本分布在地图中的高似然区域,而非均匀地分布在整个地图中,从而减少机器人定位需要的粒子数.试验结果表明在不降低定位精度的前提下,本文算法能够有效地控制粒子集的规模.

摘要： 本发明公开了一种基于粒子滤波嵌套粒子滤波算法的重力匹配定位方法，能够抑制矢量匹配算法中的误差。包括：通过惯性导航系统获取载体的曲线航迹，根据所述航迹的判断第i时刻的真实位置与第i‑1时刻的真实位置的相对位置，记为向量其中Oi‑1、Oi分别表示惯性导航系统在第i‑1时刻和第i时刻指示的所述载体所在的位置；i为时刻；第i‑1时刻的粒子群为其中表示第i‑1时刻的第j个粒子，j为整数；对于每个加上相对距离得到即在附近进行撒点得到粒子群求解每一个粒子的归一化权值，经过滤波得到求出与粒子群中每一个对应的组成粒子群对粒子群进行粒子滤波得到第i时刻的匹配点。

摘要： 本发明公开了一种基于粒子群的粒子滤波视频目标跟踪方法，主要解决点粒子描述精确性与量测模糊性之间不匹配的问题。其实现步骤是：1.在粒子滤波框架下将普通点粒子拓展为粒子群，通过目标状态预测得到粒子群中心；2.确定每一个粒子群中的粒子，并提取对应的候选目标；3.通过计算候选目标特征与模板之间的距离，对粒子群中心进行更新，并得到粒子群对应权值；4.对粒子群中心进行重采样，进而融合得到目标的状态估计，实现对目标的可靠跟踪。本发明更为高效的实现了对目标状态空间的覆盖，提高了目标跟踪的性能，提高了对大动态范围小目标的搜索和捕捉性能，可用于视频监控、无人机航拍跟踪、机器人导航等系统。

摘要： 本发明公开了一种自适应粒子群优化粒子滤波运动目标跟踪方法，属于图像处理与智能视频监控技术领域。本发明方法在用粒子滤波方法进行运动目标的跟踪过程中，利用粒子群优化方法对粒子的位置进行优化；在利用粒子群优化方法对粒子的位置进行优化时，根据全局最优粒子的位置变化情况对粒子的数量进行自适应调整。相比现有技术，本发明不但可有效减轻粒子群优化中的局部最优现象，提高目标跟踪的准确度，同时又具有算法复杂度低，实时性好的优点。

摘要： 本发明公开了一种基于加强粒子群优化的粒子滤波目标跟踪方法，主要解决粒子滤波视频跟踪算法在跟踪过程中出现的粒子匮乏问题。其实现步骤是：1.在粒子滤波框架下，通过目标状态预测得到候选目标；2.通过提取候选目标的局部二值特征LBP统计直方图作为候选目标特征；3.通过计算候选目标特征与模板之间的距离，得到对应权值；4.通过加强粒子群优化算法对预测粒子进行优化；5.对优化后的粒子进行重采样；6.将重采样后的粒子进行融合得到目标的状态估计值，实现对目标的可靠跟踪。本发明能有效提高粒子对目标状态的描述能力，增加粒子多样性，解决了粒子滤波过程中的粒子匮乏问题，可用于智能视频监控、机器人导航、道路交通管制系统。

摘要： 本发明公开了一种基于粒子滤波嵌套粒子滤波算法的重力匹配定位方法，能够抑制矢量匹配算法中的误差。包括：通过惯性导航系统获取载体的曲线航迹，根据所述航迹的判断第i时刻的真实位置与第i‑1时刻的真实位置的相对位置，记为向量其中Oi‑1、Oi分别表示惯性导航系统在第i‑1时刻和第i时刻指示的所述载体所在的位置；i为时刻；第i‑1时刻的粒子群为其中表示第i‑1时刻的第j个粒子，j为整数；对于每个加上相对距离得到即在附近进行撒点得到粒子群求解每一个粒子的归一化权值，经过滤波得到求出与粒子群中每一个对应的组成粒子群对粒子群进行粒子滤波得到第i时刻的匹配点。

摘要： 本发明涉及一种全局最优粒子滤波方法及全局最优粒子滤波器，属于信号处理领域，克服了现有的粒子滤波器会造成采样样本与真实后验概率密度样本存在较大偏差的缺点，有效地解决了粒子滤波处理非线性和非高斯信号的问题。主要技术手段是利用拉马克遗传自然法则，构造了一种全局最优的粒子滤波器，包括：产生初始粒子集；使用不敏卡尔曼滤波对初始粒子集进行重要性采样，得到采样粒子；对每一个采样粒子进行浮点数编码，得到编码后的粒子集；设置初始种群；将初始种群作为原始试验种群，依次进行拉马克重写操作、实数解码操作以及精英保留操作；将实数形式的最优候选粒子作为下一时刻的预测样本，得到系统的状态估计值。本发明适用于机器学习。

摘要： 本发明提供了一种基于粒子群优化粒子滤波算法的SOC估算方法所述方法包括以下步骤：S1、在指定工况下对电池进行充放电实验，并通过分析处理实验数据构建电池等效电路模型；S2、根据辨识所得的等效电路模型，构建用于电池SOC估算的状态方程和测量方程；S3、利用粒子群优化粒子滤波估算电池SOC的变化；S4、利用粒子群算法优化粒子滤波中的粒子所处位置；S5、再次通过S3估算下一时刻电池SOC，直至估算过程结束。本发明的优点在于：粒子群算法优化粒子滤波的电池SOC估计方法在迭代中不断优化粒子所处位置，用新的粒子集估算下一时刻的SOC值，从而解决了粒子贫化的问题，提高了SOC的估算精度。

摘要： 本发明公开了一种基于粒子漂移的粒子滤波点云定位方法，基于粒子滤波定位算法，提升定位的精度，包括将初始粒子集根据当前时刻的里程计数据转换为预测粒子集，并根据漂移算法，获取漂移粒子集，并根据所述漂移粒子集中权重大的漂移粒子和坐标信息，输出定位结果。同时，还提供一种基于粒子漂移的粒子滤波定位系统和基于粒子漂移的粒子滤波定位装置；所述基于粒子漂移的粒子滤波定位系统和基于粒子漂移的粒子滤波定位装置应用所述基于粒子漂移的粒子滤波点云定位方法提升定位的精度。

摘要： 一种基于粒子滤波模型的单粒子功能中断截面评估方法，通过下述方式实现：进行重粒子加速辐照试验，统计对应LET0值离子辐照下，平均一次功能中断的离子注量率L0和平均一次功能中断累积辐照总注量N0，并作为基准数据；同时，利用配置存储区回读机制，统计平均试验中平均翻转的bit数，记为i0；假设在预评估LET1值下，辐照试验的重离子注量率设为L1，建立粒子滤波模型，预估发生SEU次数的期望值定义系统等效的功能耦合因子为λ，λ表示系统发生任意单bit翻转时候，造成系统功能出错的概率；根据λ的定义，对系统功能中断截面σsys进行等效；根据上述预估的发生SEU次数的期望值以及基准数据，评估未知LET1值下的系统功能中断截面。

摘要： 本发明属于信号处理领域，涉及信号处理领域的粒子滤波问题，具体为一种粒子滤波器的粒子数自适应方法，用于在估计过程中实时调整样本集的大小，以提高粒子滤波器的跟踪性能。本发明方法的关键思想是约束由粒子滤波器的基于采样表示引入的近似误差，并且通过时变的粒子后验分布来自适应容器大小，如果粒子的后验分布集中在状态空间的一小部分上，本发明方法会选择小的容器，适当增加样本数量来提高跟踪精度，如果粒子状态不确定性很高，本发明方法会选择大的容器，来削弱粒子数的激增。使用分布式和集中式目标跟踪作为测试实例的实验表明，本发明方法比固定样本集大小的粒子滤波器产生了显著的改进。