粒子滤波算法综述

对粒子滤波算法的原理和应用进行综述．首先针对非线性非高斯系统的状态滤波问题．阐述粒子滤波的原理；然后在分析采样-重要性-重采样算法基础上．讨论粒子滤波算法存在的主要问题和改进手段；最后从概率密度函数的角度出发．将粒子滤波方法与其他非线性滤波算法进行比较．阐明了粒子滤波的适应性．给出了粒子滤波在一些研究领域中的应用．并展望了其未来发展方向．  

进化粒子滤波算法及其应用

样本贫化现象是应用粒子滤波算法的一个主要障碍,对估计长时间维持不变量的影响尤为严重.通过分析产生该现象的原因,本文引入进化规划算子构成进化粒子滤波算法,增加样本集的多样性而缓解样本贫化现象的影响,改善其估计与跟踪能力,仿真结果显示所提出的算法是可行的.  

粒子群优化粒子滤波方法

针对粒子滤波方法存在粒子贫乏以及初始状态未知时需要大量粒子才能进行鲁棒状态预估等问题，将粒子群优化思想引入粒子滤波中．该方法将最新观测值融合到采样过程中，并对采样过程利用粒子群优化算法进行优化．通过优化，可使粒子集朝后验概率密度分布取值较大的区域运动，从而克服了粒子贫乏问题，并极大地降低了精确预估所需的粒子数．实验结果表明，该算法具有较高的预估精度和较好的鲁棒性．  

利用颜色的非刚性物体跟踪方法

提出了一个利用颜色特征实时跟踪非刚性物体的方法.首先.建立了一个颜色分布模型,该模型对部分遮挡具鲁棒性,对放缩和旋转具不变性,且计算简单.对非刚体物体的实时鲁棒跟踪是一个非常有挑战性的课题,本文提出了利用颜色特征实时跟踪非刚体物体的方法.首先，建立了一个颜色分布模型,该模型对部分遮挡具有鲁棒性,对放缩具有不变性,而且计算简单.然后,采用粒子滤波的方法将颜色分布模型集成到一个动态状态估计的概率框架中.为了处理光照变化等引起的外貌变化,进一步引入自适应模型更新过程.同时,本文还讨论了初始化策略用以处理跟踪物体的消失或消失后再出现的情况.  

基于进化粒子滤波器的混合系统故障诊断

在混合系统中，需要同时估计系统的混合状态和系统参数．针对存在这类故障的混合系统的混合状态和参数估计问题提出一种解决方案，对混合系统使用混合自动机建模，并使用粒子滤波算法对其混合状态进行估计，对可能发生变化(故障)的参数使用进化粒子滤波算法进行估计，从而实现了混合系统的故障诊断．将这二者结合起来构成混合系统故障诊断的应用框架，实现了混合系统的混合状态和系统参数的在线估计．仿真结果表明所提出的应用框架和方法是可行的．  

基于辅助粒子滤波的红外小目标检测前跟踪算法

研究低信噪比复杂环境下的红外小目标检测和跟踪问题,提出了基于辅助粒子滤波的检测前跟踪算法.首先使用形态学滤波算法对图像进行白化预处理;然后在跟踪阶段采用辅助粒子滤波算法估计目标运动状态,在检测阶段利用跟踪滤波器的输出构造似然比,并进行似然比检验.对真实红外图像序列的实验表明,该算法可成功跟踪和检测信噪比为2的小目标,且其性能优于传统的检测前跟踪算法.  

基于自适应粒子群优化的新型粒子滤波在目标跟踪中的应用

针对基于粒子群优化的粒子滤波(PSO-PF)算法精度不高,实时性差,难以满足雷达机动目标跟踪的需求,提出一种基于动态邻域自适应粒子群优化的粒子滤波(DPSO-PF)算法.该算法可以动态调整粒子邻域环境,其中每个粒子按照邻域的环境和自身的位置信息自适应地调整相互间的邻域粒子数量,使邻域粒子数量更为合理,达到寻优能力与收敛速度的最佳平衡.最后利用不同模型对该算法进行了仿真实验,实验结果表明所提出的算法能够提高雷达机动目标跟踪的实时性和精确性.  

移动机器人的概率定位方法研究进展

综述了近几年来流行的移动机器人基于概率定位的各种方法，对它们的性能进行了分析比较，所有这些方法都应用贝叶斯规则作为理论基础.首先，介绍了位置跟踪广泛应用的卡尔曼滤波方法和在全局定位方面取得一定成功的马尔可夫定位方法.然后,介绍了计算效率更高的粒子滤波定位方法，即蒙特卡洛法，以及最近自适应采样的粒子滤波方法，它比简单的粒子滤波效率更高.最后， 对概率定位方法的关键技术进行了分析，并探讨了未来的发展趋势.  

单目视频中无标记的人体运动跟踪

提出一种人体运动跟踪算法，从无关节标记的单目视频中获取人体运动，利用一个带外观模板的人体关节模型，通过学习得到的运动模型及基于外观模型的相似性计算，巧妙地利用粒子滤波的概率密度传播策略鲁棒地跟踪普通单目视频中的人体运动，当出现跟踪丢失时，能在后续序列中自动恢复正确跟踪，且能较好地处理遮挡和自遮挡问题，实验表明，该算法鲁棒性好，跟踪结果令人满意。  

一种改进的粒子滤波目标跟踪算法*

传统的Condensation跟踪算法使用状态转移分布作为采样粒子的建议分布函数，没有考虑当前的观测值，大量的粒子运算浪费在了那些具有小似然性的区域。针对该问题，提出一种基于Mean Shift以改进建议分布函数的粒子滤波跟踪方法。实验表明，由于有效地利用了当前观测值，改进的算法具有较强的鲁棒性和实时性。