基于修正无偏量测转换的粒子滤波算法研究

如何得到重要性密度函数是粒子滤波算法的关键问题之一。首先阐述了粒子滤波的一般方法;然后在分析修正无偏量测转换统计特征的基础上,提出了一种修正无偏量测转换粒子滤波(M-UCMPF)算法,推导了该算法的重要性概率密度函数;最后通过仿真实验对比分析了M-UCMPF算法、不敏卡尔曼粒子滤波(UPF)算法、修正无偏量测转换卡尔曼滤波(M-UCMKF)算法和不敏卡尔曼滤波(UKF)算法的性能。仿真结果表明,M-UCMPF算法具有运算量相对较小而滤波精度高的特点。     

一种扩展H∞粒子滤波方法

重要性函数的选择是粒子滤波算法的核心,本文提出一种基于扩展H∞滤波(EHF)产生重要性函数的扩展H∞粒子滤波(EHPF)算法,由于EHF滤波算法鲁棒性强、滤波精度高,且该滤波算法考虑了最新的观测数据,因此由其产生的重要性函数更接近于系统状态的真实后验概率分布.理论分析和仿真结果表明扩展H∞粒子滤波算法的滤波性能明显优于标准粒子滤波算法,扩展卡尔曼滤波算法和扩展卡尔曼粒子滤波算法,与不敏粒子滤波算法滤波精度相当,但计算复杂度要低于不敏粒子滤波算法,是一种有效的粒子滤波算法.     

UPF算法在状态估计中的应用

首先分析了基于贝叶斯理论的粒子滤波算法的原理：然后在分析采样-重要性-重采样算法基础上讨论了粒子滤波算法存在的主要问题,研究了一种使用UKF产生重点密度函数的粒子滤波算法（UPF）;最后通过实例将该算法与粒子滤波算法进行比较,仿真结果表明UPF算法运算时间低于粒子滤波算法.     

毫米波/红外多传感器融合跟踪算法研究

毫米波/红外(MMW/IR)传感器是各国发展多模复合制导技术的重点.针对平方根无迹卡尔曼滤波(SR-UKF)的估计算法存在线性化误差及粒子滤波中得到优化的重要性密度函数比较困难的问题,将平方根无迹卡尔曼滤波与粒子滤波相结合,提出一种序贯融合的平方根无迹卡尔曼粒子滤波(SRUKPF)算法.利用平方根无迹卡尔曼算法得到的状态更新矩阵和误差协方差矩阵,构造粒子滤波的重要性密度函数,这样重要性密度函数能够融入最新观测信息,进而更加符合真实状态的后验概率分布.为验证算法的有效性,以地空导弹中MMW/IR传感器复合制导为背景进行仿真研究与分析,结果表明,该算法克服了粒子滤波法难以得到优化重要性密度函数的缺陷,能有效提高多传感器系统状态估计的精度     

IMM迭代扩展卡尔曼粒子滤波跟踪算法

该文提出了一种交互式多模型(IMM)迭代扩展卡尔曼粒子滤波机动目标跟踪算法。该算法在多模型中使用了改进的粒子滤波器,通过对迭代扩展卡尔曼滤波(IEKF)的测量更新按照高斯牛顿方法进行修正,减小了非线性滤波带来的线性化误差,然后利用修正的IEKF来产生粒子滤波的重要性密度函数,使其融入最新观测信息。最后将所提算法与交互式多模型粒子滤波(IMMPF)进行了比较,仿真结果表明该算法具有更好的跟踪性能。     

改进粒子滤波算法在目标状态估计中的应用

针对粒子滤波算法(PF)建议性函数的选择问题和粒子匮乏现象,提出了改进粒子滤波算法.该算法利用无迹卡尔曼滤波(UKF)产生建议性分布,提高估计精度;采用马尔科夫蒙特卡罗法(MCMC)保持粒子多样性,抑制粒子匮乏现象.仿真结果表明该算法的目标状态估计精度明显优于PF、UPF、PF-MCMC和PF-EKF-MCMC算法.     

UPF算法及其在目标跟踪中的应用

分析了基于贝叶斯理论的粒子滤波算法的优缺点，研究了一种改进的粒子滤波(PF)算法UPF。将两种算法在目标跟踪中的性能进行了比较。仿真结果表明，改进算法UPF定位精度更高，抗噪声能力更强，实时性更好。     

一种结合小波变换的UPF改进算法

文中在非线性贝叶斯理论的基础上介绍了粒子滤波（PF）算法及其改进算法UPF算法。利用小波变换良好的去噪能力，提出了一种结合小波变换的UPF改进算法，该算法将小波变换的去噪原理应用于粒子滤波，用于降低重要性权值的方差，从而达到提高粒子滤波的精度和稳定性的目的。仿真结果表明改进的UPF算法与原UPF算法相比，收敛速度更快，滤波精度更高，因而是一种新型的粒子滤波改进算法。     

衰减记忆无迹卡尔曼粒子滤波算法研究

无迹卡尔曼粒子滤波算法作为典型的粒子滤波改进算法,有效提高了滤波精度.但旧的数据影响过大,导致滤波发散,借鉴衰减记忆无迹卡尔曼滤波算法的思想,通过引进衰减因子实现对当前测量数据利用的加强,减小历史数据对滤波结果的影响,提出了一种基于衰减记忆无迹卡尔曼滤波的粒子滤波算法.仿真实验表明,算法能够提供优于传统无迹卡尔曼滤波算法的跟踪精度.     

基于奇异值分解的Unscented粒子滤波及其应用研究

针对粒子滤波存在重要性密度函数难以选取和系统状态协方差阵可能出现负定性的问题,提出一种新的奇异值分解Unscented粒子滤波(SVDUPF)算法。该算法采用自适应因子调节动力学模型误差,通过奇异值分解抑制系统状态协方差矩阵的负定性,并以改进的UKF算法产生重要性密度函数,以弥补粒子滤波重要性密度函数难以选取的缺陷。将提出的算法应用到单变量非静态状态增长模型中并进行仿真验证,结果表明,提出算法的滤波精度明显优于EKF和UPF算法,能提高模型的解算精度。     

改进权值计算的EPF算法及在目标跟踪中的应用

扩展卡尔曼粒子滤波(EPF)在预测阶段通过EKF选取重要性函数而优化了粒子选取,但是传统EPF算法中粒子权值一般是通过正态分布的概率密度函数计算的.此方法没有突出不同噪声粒子的权值差别,在计算中引入了较大的相对误差.通过在更新阶段对权值计算所依赖的概率密度函数做出改进,得到改进的EPF算法.同时采用实际目标跟踪数据进行...     

平坦衰落信道下的粒子滤波算法

粒子滤波器能够处理非线性和非高斯的问题，所以引起了人们的关注。当重要函数分别选取先验重要密度函数和混合重要密度函数时，对于平坦瑞利衰落信道下粒子滤波算法，仿真试验结果表明，无论是在高斯噪声还是非高斯噪声环境中，混合重要密度函数要优于先验重要密度函数。     

基于角度约束采样的单站无源定位混合粒子滤波算法

为实现固定单站对运动辐射源的快速定位,该文给出了一种基于角度约束采样的混合粒子滤波算法。该算法从EKF(Extended Kalman Filter)滤波得到建议分布,利用角度测量对状态变量的约束关系从建议分布产生所需粒子,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能,降低运算成本。结合利用多普勒变化率和角度测量的单站定位方法,与EKF,UKF(Unscented Kalman Filter)以及一般混合粒子滤波算法的仿真比较表明,该算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差更接近Cramer-Rao下界。     

基于遗传算法的智能粒子滤波重采样策略研究

智能粒子滤波通过借鉴遗传算法思想能够减轻粒子退化现象。在基于遗传算法的智能粒子滤波基础上,该文提出对低权值粒子的改进的智能粒子滤波(IIPF)处理策略。在对粒子进行分离、交叉后,优化遗传算子,对低权值粒子进行自适应处理。低权值粒子根据权值大小自行判断是否为底层粒子;底层粒子将直接进行变异,其余低权值粒子将根据变异概率随机变异。仿真结果表明,改进的智能粒子滤波(IIPF)性能优于智能粒子滤波、一般粒子滤波算法和拓展卡尔曼滤波。在1维仿真实验中,改进的智能粒子滤波误差较一般粒子滤波算法和智能粒子滤波分别降低了10.5%和8.5%,且具有更好的收敛性;在多维仿真实验中,改进的智能粒子滤波较智能粒子滤波在高度均方根误差和平均误差上分别降低了8.5%和7.5%,在速度均方根误差和平均误差上分别降低了11.5%和7.6%;在乘性噪声和非高斯随机噪声中,改进的智能粒子滤波依旧有10%以上的性能优势。     

Face detection and tracking using a Boosted Adaptive Particle Filter

A novel algorithm, termed a Boosted Adaptive Particle Filter (BAPF), for integrated face detection and face tracking is proposed. The proposed algorithm is based on the synthesis of an adaptive particle filtering algorithm and the AdaBoost face detection algorithm. An Adaptive Particle Filter (APF), based on a new sampling technique, is proposed. The APF is shown to yield more accurate estimates of the proposal distribution and the posterior distribution than the standard Particle Filter thus enabling more accurate tracking in video sequences. In the proposed BAPF algorithm, the AdaBoost algorithm is used to detect faces in input image frames, whereas the APF algorithm is designed to track faces in video sequences. The proposed BAPF algorithm is employed for face detection, face verification, and face tracking in video sequences. Experimental results show that the proposed BAPF algorithm provides a means for robust face detection and accurate face tracking under various tracking scenarios.     

多模型粒子滤波在机动目标跟踪中的应用

针对在非线性机动目标跟踪中存在的滤波器易发散,跟踪误差大等问题,在双机协同跟踪的基础上,提出了利用交互式多模型粒子滤波(IMMPF)对空中机动目标进行跟踪的算法。该算法将粒子滤波和交互多模型有效结合,基本解决了非线性机动目标跟踪中存在的问题。通过仿真表明,与扩展卡尔曼滤波(EKF)和交互式模型扩展卡尔曼滤波(IMMEKF)相比,IMMPF能够降低跟踪误差,提高收敛速度,且有很强的鲁棒性。     

容积信息粒子多传感器融合算法

为提高多传感器融合的精确度,提出一种容积信息粒子多传感器融合算法。算法将容积信息滤波(CIF)和粒子滤波(PF)结合一起,采用CIF传递PF的粒子,通过引入信息贡献向量和信息贡献矩阵,将多个传感器的量测信息更新到PF的粒子中,提高粒子与真实状态后验概率分布的逼近程度,改进多传感器融合精确度。同时将CIF估计值作为粒子,消除随机扰动对融合的影响,提高粒子有效度,进一步提高融合精确度。仿真与实验表明,算法能够有效处理集中式多传感器融合问题,具有较高的滤波精确度。     

常用非线性滤波方法比较研究

几乎所有的现实系统都是非线性的,因而非线性估计问题显得尤为重要.通过分析3种常用的非线性滤波器:扩展卡尔曼滤波器、Unscented卡尔曼滤波器以及粒子滤波器的原理,确定其适用性.用单变量非平稳模型及再入目标跟踪模型,通过Monte-Carlo仿真计算估计的均方误差及时耗,进而对上述3种滤波器滤波精度、一致性以及运算量进行比较.     

插值粒子滤波在静基座捷联惯导系统初始对准中的应用研究

推导了大方位失准角条件下,捷联惯导系统(SINS)静基座初始对准非线性误差模型,提出一种基于插值粒子滤波(DDPF)的 SINS 静基座初始对准方法。分析了插值非线性滤波原理,结合插值滤波和粒子滤波的特点,利用二阶插值滤波算法得到粒子滤波的重要性密度函数。 在静基座状态下分别基于 DDF 和 DDPF 滤波算法进行初始对准仿真实验。仿真结果表明,大方位失准角的情况下,DDPF 非线性滤波具有更快的收敛速度和更高的对准精度。