分布式电驱动车辆的无味粒子滤波状态参数联合观测

针对目前分布式电驱动车辆动力学领域中存在的状态参数观测体系不完善、观测精度低的问题,利用分布式电驱动车辆多信息源的特点,提出无味粒子滤波状态参数联合观测方法。基于非线性车辆动力学模型对分布式电驱动车辆的纵向速度、质心侧偏角、横摆角速度及各轮侧向力进行联合观测。同时,为提高侧向力的观测精度,采用非线性动态轮胎模型。在完成模型搭建的基础上,考虑到所搭建的车辆动力学模型具有强非线性,设计适用于强非线性模型的无味粒子滤波器对多个状态变量进行联合观测。而为进一步提高状态观测精度,进行量测噪声协方差的自适应调节。仿真和试验结果表明,所提出的状态观测方法能够提高分布式电驱动车辆状态参数观测精度和鲁棒性。     

基于FCM聚类的粒子滤波多目标跟踪算法

针对多目标跟踪中相似目标的发散问题和跟踪核函数窗宽固定的缺陷,提出一种基于FCM(fuzzy C-means)聚类的粒子滤波算法.该算法结合经典粒子滤波理论,使用可变椭圆作为粒子区域,在粒子滤波的重要性重采样后,通过Mean-Shift算法获得每个目标的聚类中心,使用FCM聚类算法完成粒子聚类,获得相应目标的粒子子群,最后通过粒子子群估计各目标的最终状态并修正核窗口宽度.实验表明,与传统粒子滤波算法相比,该算法解决了传统粒子滤波的发散问题,减少了粒子数量,能够准确地对多目标进行跟踪,具有很好的鲁棒性和实时性.     

基于改进粒子滤波算法的人眼跟踪方法

针对粒子滤波计算量大、粒子匮乏等问题,提出了2种策略来改进粒子滤波算法,一方面基于Galerkin投影法产生良好的粒子滤波参考分布函数;另一方面将BP神经网络引入粒子滤波,提出了一种提高粒子多样性的重采样策略。在此基础上,将改进的粒子滤波算法应用于人眼跟踪问题,运用颜色和纹理复合的观测模型,实现了人眼的准确跟踪。实验结果表明,改进算法有效提高了粒子滤波的估计精度和运算速度,避免了粒子退化和样本匮乏现象。     

增量深度学习目标跟踪

由于现有目标跟踪算法在复杂环境下易发生目标漂移甚至跟踪丢失,故本文提出了以双重采样粒子滤波为框架,基于增量深度学习的目标跟踪算法。该算法在粒子滤波中引入粒子集规模自适应调整的双重采样来解决粒子衰减及贫化问题,并利用无监督特征学习预训练深度去噪自编码器以克服跟踪中训练样本的不足。将深度去噪自编码器应用到在线跟踪中,使提取的特征集合能够有效表达粒子图像区域。在深度去噪自编码器中添加了增量特征学习方法,得到了更有效的特征集以适应跟踪过程中目标外观变化。该方法还用线性支持向量机对特征集合进行分类,提高对粒子集合的分类精度,以得到更精确的目标位置。在复杂环境下对不同图片序列进行的实验表明:该算法的跟踪综合评价指标为94%、重叠率为74%,平均帧率为13frame/s。与现有的跟踪算法相比,本算法有效地解决目标漂移甚至跟踪丢失问题,并且对遮挡、相似背景、光照变化、外观变化具有更好的鲁棒性及精确度。     

基于粒子滤波的无人机电视导引系统目标跟踪算法研究

为了实现直接攻击无人机的自动导引,设计了一种适用于小型攻击无人机的可见光电视导引系统,介绍了系统硬件构成。针对图像跟踪中的非线性滤波问题,采用了粒子滤波算法。在分析了粒子滤波算法中的退化现象后,设计了一种新的重采样算法。算法中样本的权值将直接决定这个样本是否应该被保留或者放弃,和这个样本以后的使用次数,权值大小的区分采用基于统计学分析的起始值。在粒子滤波的框架下,具体提出了一种基于粒子滤波的相关跟踪算法。算法仿真表明新的粒子滤波算法跟踪精度比以前的算法有较大提高。     

径向基粒子滤波状态跟踪测量算法

状态跟踪测量的过程噪声降低了目标信噪比,增加了自适应滤波跟踪的难度。当误差较大时,基本粒子滤波算法的预测累积误差效应将导致系统发散。无迹粒子滤波算法利用无迹卡尔曼滤波提高重要性函数估计精度,减少后验概率密度分布误差,但同时也将大幅增加运算时间。提出一种基于径向基函数网络(RBFN)的改进型粒子滤波算法PF-RBF,利用RBFN通过目标状态观测值和全局预测值拟合状态变化趋势,更新各粒子状态,提高先验概率密度分布估计精度,消除过程噪声引起的估计误差。与无迹粒子滤波(UPF)算法相比,该算法无需构造无迹卡尔曼滤波(UKF)重要性函数,提高了运算速度。机动目标跟踪试验表明,径向基粒子滤波算法在线性和非线性观测方程下的状态跟踪测量精度和算法稳定性均优于UKF、PF和UPF算法,可有效实现对状态变化的实时鲁棒跟踪。当参与运算的粒子数增加时,PF-RBF算法执行时间的增长速率较UPF算法更低,可满足高精度状态跟踪应用。     

基于粒子滤波跟踪方法研究

文章针对道路上的车辆跟踪问题,提出了粒子滤波跟踪算法。粒子滤波通过非参数化的蒙特卡罗模拟方法来实现递推贝叶斯滤波,适用于任何能用状态空间模型表示的非线性系统,以及传统卡尔曼滤波无法表示的非线性系统,精度可以逼进最优估计。粒子滤波方法的使用非常灵活,容易实现,具有并行结构,实用性强。文章的主要研究内容包括粒子滤波理论及其实现方法;利用粒子滤波理论来解决目标跟踪问题,构建基于粒子滤波的跟踪框架。     

传感器阵列预测空域多信号分类目标定位跟踪

目标定位跟踪技术广泛应用于军事民用领域,是当前研究的热点与难点.提出了一种空域多信号分类-自回归粒子滤波(multiple signal classification autoregressive particle filter,MUSIC-ARPF)方法,定位跟踪地面目标.该方法使用多信号分类(multiple signal classification,MUSIC)算法估计目标波达方向(direction of arrival,DOA)并计算目标信号源位置,利用自回归(autoregressive model,AR)模型和粒子滤波(particle filter,PF)算法预测信号源下一时刻位置,进而自适应选择通带与阻带扇面进行空域滤波,同时调整MUSIC算法中谱峰搜索区域,提高DOA估计的分辨率,减少目标定位的扫描域.实验结果表明,空域MUSIC-ARPF方法能够减少目标定位时间,提高目标跟踪精度.     

基于Rao-Blackwellizedli粒子滤波的多特征融合多光谱目标自适应跟踪

针对复杂背景下视频目标跟踪的实时性和可靠性问题,提出了基于Rao-Blackwellized粒子滤波的颜色矩形特征和方向边缘信息融合的自适应跟踪算法。该算法采用Rao-Blackwellized粒子滤波提高滤波算法性能,采用积分图像快速计算颜色特征和方向边缘信息,根据跟踪实际情形,利用模糊逻辑自适应调节各特征权值,提高算法的跟踪速度和精度。视频跟踪仿真试验表明该算法是稳健的,能够在复杂的背景下对可见光及红外等运动目标进行有效、可靠的跟踪。     

基于电子稳像跟踪技术的运动滤波算法

为了在摄像机平台不稳的情况下获取稳定的图像序列,实现基于电子稳像的目标跟踪,对摄像机主动扫描运动与随机抖动分离方法进行了研究,提出了用均值偏移和粒子滤波结合的运动滤波算法(MSPF)来实现运动分离.算法通过粒子滤波预测粒子,然后利用单次均值偏移迭代移动粒子,使粒子更接近于目标真实位置区域,削弱了计算结果精度对粒子数的依赖.对于现实中的复杂背景,利用MSPF算法分离摄像机的主动扫描运动和随机抖动,采用运动补偿图像差分法检测出运动目标,从而实现图像的稳定跟踪.实验结果表明,MSPF算法使用50%的粒子就能起到传统粒子滤波算法同样的效果,缩短了计算时间,有利于实现实时稳像跟踪,适用于车载、船载、机载等稳定跟踪系统中.     

Particle Filter for Estimation and Tracking

In recent years, the particle filter technique has been widely used in tracking, estimation and navigation. In this paper, the authors described several practical filters including the general practical, the extended Kaman practical, and the unscented particle filters. And they explained the degeneracy problem in the practical filter process, and introduced some solved methods. Finally they demonstrated the estimation of different particle filters in non-liner and non-Gaussian situation respectively. The result proved the unscented particle filter had the best performance.     

噪声混响下说话人跟踪的多特征自适应 UPF 算法

为了提高噪声混响环境下说话人跟踪系统的精度和稳健性,提出了一种多特征自适应无迹粒子滤波(MFAUPF)算法。该算法以语音信号的多特征作为观测信息,采用多假设和频选函数构建了时延选择机制和波束输出能量优化机制,并在两种机制融合的基础上构建了似然函数,弥补了单特征不能同时稳健噪声和混响的不足。由于说话人运动具有随机性,建立了声源跟踪的自适应CV模型,在此基础上将无迹卡尔曼滤波(UKF)与抗差估计理论相结合作为提议分布,提高了模型的适配能力。文中仿真和实测结果表明,在AUPF下,多特征算法比SBFSRP算法位置平均RMSE减少了18%以上,在多特征观测下,AUPF算法比CV算法位置平均RMSE减少了14%以上,所提算法具有跟踪精度高和数值稳定性强的特点。     

四轮独立驱动汽车多工况路面附着系数识别研究

四轮独立驱动（Four-wheel independent drive, 4WID）电动汽车具有较好的动力学稳定性协调控制潜力,轮胎-路面附着系数的识别是汽车操纵性能控制的基础。基于视觉传感器的路面识别方案成本高,传统卡尔曼滤波算法观测精度低且难以适应含有时变结构的非线性系统。众多研究已详细介绍均一路面附着系数的估计方法,尚未充分考虑对接和对开路面的观测方案。本研究将强跟踪理论（Strong tracking theory, STT）引入无迹卡尔曼滤波（Unscented Kalman filter, UKF）算法,构造强跟踪无迹卡尔曼滤波（Strong tracking unscented Kalman filter, STUKF）观测器,提高识别算法的识别精度,以及对时变附着系数的适应能力。考虑多重渐消因子计算过程的复杂性,本研究降低四轮路面识别模型的维数,构造两个含单重渐消因子矩阵的二维观测器,实时观测四个轮胎-路面附着系数。仿真和试验结果表明,与传统四维UKF算法相比,改进的并联STUKF算法能够更加有效地追踪转向或直行工况下均一路面、对接路面和对开路面的四轮附着系数。     

基于 JPDA 算法的多机动目标航迹跟踪研究

针对传统多机动目标航迹跟踪算法精度不高的问题,提出基于 JPDA 的多机动目标航迹跟踪算法。首先计算两目标的互联概率,然后对加权值进行处理,最后得到目标航迹,并对航迹进行仿真。结果表明,本文所提出的算法具有较高的跟踪精度,可为多目标航迹跟踪实现提供了参考。     

轮式移动机器人轨迹跟踪控制算法的研究

为解决轮式移动机器人平面运动控制问题,将平面几何理论应用于轨迹跟踪控制中。建立了机器人平面运动模型,并以此为基础研究了直线和圆弧的轨迹跟踪控制算法;提出了导航圆方法,将机器人实时位置信息和目标轨迹之间的角度偏差及位置偏差综合成一个角度,然后对该角度进行了PID调节;在实验中,将直线、圆弧轨迹跟踪算法实际运用于机器人的运动控制。研究结果表明,该算法能将机器人轨迹的偏差有效地控制在±1 cm以内。     

移动蛇形机械臂空间路径跟踪策略研究

移动蛇形机械臂具有结构细长和多自由度的特点,其运动学逆解不唯一且计算量大成为研究的难点之一。针对某14自由度的移动蛇形机械臂,采用几何推导法设计了基于末端跟随算法的运动控制策略,实现了机械臂末端的精确位置跟踪,避免使用复杂的逆运动学算法进行求解。该策略考虑了机械臂关节角度和基座移动距离的约束,保证在无约束时机械臂各关节都处在前一时刻的关节轴线上,从而缩小机械臂的位形偏移量,使机械臂的运动更加平滑。通过三维空间轨迹跟踪数值仿真,验证了算法的有效性。通过计算效率和运动幅度,对比该策略与基于雅可比矩阵的数值优化法、人工智能优化算法的性能,说明了该策略的适用性。     

移动机器人自适应抗差无迹粒子滤波定位算法

针对机器人定位过程中传感器感知信息存在野值,加剧粒子退化,导致机器人状态参数滤波值失真,甚至出现定位失败的问题,提出一种机器人自适应抗差无迹粒子滤波定位算法。在重要性采样阶段利用无迹卡尔曼滤波产生优选的建议分布函数,降低系统估计误差,同时有效提升系统的抗噪声能力。同时利用抗差估计原理构造抗差方差分量统计量,并由该统计量引入的自适应因子调节增益矩阵,减弱野值对滤波的影响。实验结果表明,当观测数据中存在野值时,该算法能够有效地控制观测异常误差的影响,定位精度得到了很大提高,并在不同系统噪声和观测噪声方差下,具有较强的鲁棒性和实时性。     

一种适合焊接专机的激光焊缝跟踪应用

为确保焊接过程中焊枪始终沿焊缝运动,提升焊接质量,采用基于主动视觉传感技术的新一代激光视觉传感器实时采集焊缝轮廓的图像,由传感器控制柜按在PC界面上选定的算法进行图像处理与特征识别,提取焊缝跟踪点的位置坐标,并根据标定的参考位置和预设的比例关系转化为模拟电压量输出,进而驱动十字滑台上的伺服电机带动焊枪做出相应的纠偏动作。可编程逻辑控制器(PLC)被用来实现焊枪初始定位、滑台的手动控制与自动跟踪模式切换、安全互锁等功能。最终建立了一套适用于焊接专机的焊缝自动跟踪应用系统。实验结果表明,该系统安全实用,具备了良好的实时跟踪能力。