北斗/INS组合导航中人工鱼群粒子滤波的应用

为解决粒子滤波中的粒子退化和枯竭问题,提出一种动态人工鱼群粒子滤波算法,该算法在粒子滤波重采样过程中引入人工鱼群算法的觅食和聚群行为,并依据概率密度的动态比值动态调整人工鱼的移动步长,此算法提升了粒子的多样性,克服了粒子退化及枯竭问题;推动粒子向优选区域逼近,并提高了粒子的全局搜索能力,避免粒子陷入局部最优。将改进的动态人工鱼群粒子滤波在北斗/INS紧组合的模型上进行应用,并通过仿真与人工鱼群粒子滤波及标准粒子滤波算法PF相比较。仿真结果表明,动态人工鱼群粒子滤波可显著提高估算精度,从而为在利用北斗和INS在紧组合导航时提供了新的方法。     

基于遗传粒子滤波的GPS定位数据处理算法

针对粒子滤波算法中的权值退化问题,提出了一种遗传算法辅助下的粒子滤波算法。利用遗传算法在选择继承性上的优势,将遗传算法中的选择、交叉和变异操作引入到粒子滤波算法中。在此基础上,将改进的粒子滤波算法与建立的全球定位系统(GPS)非线性动态状态空间模型结合应用于GPS定位数据处理问题,通过采集实测GPS数据将改进粒子滤波算法与基本粒子滤波算法做了比较。结果表明,遗传算法辅助下的粒子滤波可以增加有效粒子数目,有效解决粒子退化问题,可提高GPS定位数据处理精确度。     

自适应差分演化粒子滤波器

针对非线性、非高斯系统中的粒子滤波算法存在粒子权值退化和重采样后引起样本枯竭问题,提出一种自适应差分演化粒子滤波算法。用一种自适应参数控制策略对差分演化算法的参数进行控制,并以此代替粒子滤波中的重采样算法。通过对状态更新后的粒子做自适应差分变异、自适应杂交和选择等优化操作,利用权值大小选出下一时刻的粒子集合。实验表明,该算法能有效缓解粒子权值退化和样本枯竭问题,缩短算法运行时间,提高估计精度,同一般的差分演化粒子滤波算法相比,状态估计的精度更高。     

基于人工鱼群粒子滤波的信号源定位

针对传统粒子滤波算法精度不高、难以满足移动监测车对无线电信号源定位需求的问题,提出了一种基于人工鱼群粒子滤波的信号源定位方法。将人工鱼群算法的优化思想引入到粒子滤波中,通过觅食行为和聚群行为驱动粒子向最优位置移动,改善粒子的分布。结合移动监测车对信号源定位的需要,建立了信号源波达角定位( AOA)的数学模型,在Matlab环境下对人工鱼群粒子滤波算法的信号源定位进行了仿真。实验结果表明,在保证实时性的前提下,该方法定位结果的最大误差为0.101%,定位精度远大于粒子滤波定位方法的估计精度,是一种有效、可行的定位方法。     

基于遗传算法和神经网络的改进粒子滤波的GPS定位数据处理算法

针对GPS接收机观测噪声分布的特点和粒子滤波存在的粒子退化问题,提出基于遗传算法和神经网络的重要性权值调整粒子滤波算法。将遗传算法全局寻优的收敛性与BP神经网络局部寻优的快速性结合,改善粒子的分布。将改进粒子滤波应用于GPS定位精度改善,与神经网络辅助的粒子滤波进行比较,对比两者的有效粒子数目和训练误差。实测GPS数据处理验证表明,该算法增加了有效粒子数目,有效抑制了粒子退化,在改善GPS定位精度上取得了良好的效果。     

宽带波达方向估计的辅助粒子滤波算法

针对粒子滤波宽带波达方向估计中因采样粒子权值不稳定导致估计误差较大的问题,提出了基于辅助粒子滤波的宽带波达方向估计算法。该算法利用贝叶斯重要性采样算法,在权值大的粒子基础上引入辅助粒子变量,重新定义重要性采样分布函数。经过两次加权计算,进而改善粒子退化问题,并引导粒子向高似然区域移动,使粒子在真实状态周围分布更均匀,粒子权值比仅用重采样的粒子权值变化更稳定。仿真实验表明,该算法在均方根误差和检测概率性能上优于粒子滤波算法。      

基于人工鱼群粒子滤波的TLD改进算法

在面对光照变化、部分遮挡、背景杂乱和平面内外旋转等跟踪难点时,跟踪学习检测算法(Tracking-Learning-Detection,TLD)容易产生漂移导致跟踪失败,其跟踪性能还有待提高。在传统TLD算法的基础上,提出一种基于人工鱼群粒子滤波的TLD改进算法。首先使用人工鱼群粒子滤波跟踪器代替金字塔光流跟踪器,将颜色直方图特征和方向梯度直方图特征进行融合,建立目标表观模型,引入图像金字塔多尺度思想进行尺度匹配,提高目标跟踪的稳健性。然后通过粒子滤波过程预测目标区域,将TLD算法检测模块的全局扫描改进为局部扫描,剔除大量非目标区域,提高检测模块的检测效率。实验结果表明:基于人工鱼群粒子滤波的TLD改进算法具有良好的跟踪性能,与传统TLD算法相比,其平均成功率和精准度分别提高了19.04%和28.00%,平均跟踪速度可达33.87FPS,提高了38.78%。     

基于序列二次规划的粒子滤波算法

针对传统粒子滤波(PF)没有引入当前信息,并存在粒子退化的问题,提出了一种基于序列二次规划(SQP)多级优化的PF 算法。首先,基于残差分布特性采用置信区间剔除较大偏差粒子,调整粒子权值分布;然后,将重采样后的粒子映射到集合U,根据集合U 中各粒子复制次数建立多级优化模型,通过SQP 求解模型的参数值,当前后两级模型优化参数差异小于门限时,输出最后一级优化参数为滤波结果;最后,为防止过度采样导致粒子退化,利用滤波值及其协方差采样新粒子。仿真实验表明:SQP鄄PF 算法在跟踪精度,粒子多样性方面优于传统PF 算法。     

基于信号特征序列的粒子滤波跟踪算法

 为了实现基于无线传感器网络的高精度目标跟踪,提出一种对物理层透明的基于信号特征序列的粒子滤波跟踪算法.采用信号特征序列实现由物理层信号到抽象信号的转变,利用信号特征序列的距离作为粒子滤波权值的更新依据;针对经典粒子滤波算法容易退化、贫化、粒子偏离后验分布等问题,综合运用轨迹预测、遗传交叉、重采样等方法使粒子分布有效的表征目标后验分布;同时,采用多维滤波对数据进行处理改善算法的噪声抑制能力.仿真结果表明算法的各种措施有效地提升了跟踪精度.     

基于CPFDE的目标跟踪算法研究

在目标跟踪中,为了克服粒子滤波的粒子退化和贫化问题,提高滤波精度,文中将差分演化算法与容积粒子滤波相结合,形成了差分演化容积粒子滤波算法。在粒子进行先验更新时, 使用容积卡尔曼滤波算法融入当前时刻的量测信息并用其来产生重要性密度函数,并且在重采样阶段,用差分演化算法对根据重要性密度函数抽取的采样粒子做优化操作,从而克服粒子滤波存在的粒子退化及贫化问题,提高滤波性能。实验结果表明,和粒子滤波、无迹粒子滤波、容积粒子滤波相比,该算法有着更高的滤波精度和更好的稳定性,并且能够提高雷达机动目标跟踪的精确性。     

一种改进的人工鱼群算法

本文介绍了基本人工鱼群算法,并在步长及觅食行为这两方面对基本人工鱼群算法做出了改进,提出一种改进的人工鱼群算法（IAFSA）。实验结果证明,改进的人工鱼群算法具有较好的收敛性。     

自适应视野的人工鱼群算法求解最短路径问题简

针对基本人工鱼群算法的参数视野固定不变导致算法后期收敛速度慢、运算量大、易陷入局部最优等问题,提出自适应视野的改进人工鱼群算法。改进后的算法只对人工鱼的觅食行为的视野进行调整,使其随着算法的迭代次数的增加而逐渐减小,但当视野小于初始值的一半时,停止减小,使其等于初始值的一半。将提出的改进型人工鱼群算法应用到求解基于道路网络的最短路径问题中,并通过实验证明了改进后的人工鱼群算法比基本人工鱼群算法及蚁群优化算法收敛速度快、计算量小,而且更加准确和稳定。     

基于网格划分策略的改进人工鱼群算法

人工鱼群算法是一种新型的随机搜索优化算法，初步研究表明该算法具有许多优良的性质。通过引入网格划分策略和禁忌搜索算法．对基本人工鱼群算法进行了改进，减少了迂回搜索的无用计算，同时也使人工鱼可以在解空间内进行更为全面的搜索，提高了搜索效率，加快了系统满意解域的确定；通过对变量空间进行网格划分，提供了获取系统最优解的方法，而且加强了对鱼群公告板信息的使用。实验表明，与基本人工鱼群算法相比，该方法具有明显的优越性。     

基于人工免疫的OFDM系统自适应资源分配算法研究

针对多用户OFDM系统自适应比特功率分配优化问题,由于信道的时变性,为更好地分配资源,改进了一种人工免疫的OFDM算法,此算法通过抗体与抗原的亲和来消除抗原的原理,由选定种群数量、编码方式,计算亲和度、浓度、激励度,选择免疫体,抗体保护克隆变异保护,克隆变异,克隆抑制,抗体刷新这些步骤达到优化OFDM系统的目的。选定适应度函数,在误比特率和速率一定的情况下,使得总功率最小,即在某个总功率下,速率达到最大。通过和遗传算法、人工鱼群算法进行仿真比较,证明人工免疫算法是最优的。     

基于人工蜂群算法的粒子滤波目标跟踪

针对基于粒子滤波的视频目标跟踪算法中由于粒子重采样过程而导致粒子贫化的问题,提出了一种基于人工蜂群算法的粒子滤波目标跟踪算法,利用群体智能的特点使得粒子集在重采样前得到优化,保持了粒子的多样性,从而解决了粒子贫化问题,同时增加了有效粒子的数目.实验结果表明,基于人工蜂群算法的粒子滤波跟踪算法,比标准粒子滤波跟踪算法所需粒子数更少,对目标遮挡、较复杂背景有较好的跟踪效果.     

MCMC粒子滤波算法研究及应用

粒子滤波算法是一种基于贝叶斯估计的蒙特卡罗方法,适用于非线性非高斯系统的分析,被广泛应用于跟踪、定位等问题的研究中。为了解决粒子滤波算法在重采样后,丧失粒子多样性的问题,本文在粒子滤波算法的重采样步骤后,加入了马尔可夫链蒙特卡罗（Markov Chain Monte Carlo,简称MCMC）移动步骤,增加粒子的多样性。利用粒子滤波算法和MCMC粒子滤波算法对目标跟踪问题进行了仿真,并且通过分析仿真实验结果,比较了两种算法的性能,结果说明加入MCMC粒子滤波算法的性能优于粒子滤波算法。     

Artificial fish-swarm based coverage-enhancing algorithm for visible light sensor networks

An artificial fish-swarm based coverage-enhancing algorithm(AFCEA) for visible light sensor networks is proposed.In AFCEA,the improved optimization algorithm is used into the solution for coverage-enhancing in directional visible light sensor networks with the rotational direction model.Compared with other classic directional sensor networks coverageenhancing algorithms,AFCEA can achieve a higher directional sensor networks coverage with less iterative computing times.