基于DSP的改进粒子滤波算法研究

介绍了粒子滤波基本原理,针对粒子滤波计算量大和难以用硬件实现等缺点对粒子滤波算法进行了改进,使其平均计算周期缩短为原来的90%,应用DSP实现了粒子滤波算法。改进粒子滤波算法主要优化了原粒子滤波算法中权值计算、重采样和输出步骤,使其计算速度和滤波精度有所提高。这种改进粒子滤波算法在DSP系统中进行仿真,结果证明它具有速度快,精度高的优点。     

基于UPF的GPS/SINS组合导航系统设计

建立了GPS/INS非线性误差模型,利用UPF滤波算法实现了该组合系统定位功能,一方面针对UKF估计误差协方差极易非正定的问题进行了正定化处理;另一方面在粒子滤波环节针对重采样导致的粒子多样性降低的问题,增加了MCMC移动步骤.实验结果表明:应用UPF实现的组合导航系统定位精度明显优于EKF和UKF,且定位误差波动幅度较小,既能够满足非线性系统的导航精度要求,又能够满足定位系统对滤波稳定性的要求.     

一种使用灰度预测模型的强自适应性移动节点定位算法

定位技术是无线传感器网络的关键技术,而关于移动节点的定位又是其中的技术难点。该文针对移动节点定位问题提出基于灰度预测模型的强自适应性移动节点定位算法(GPLA)。算法在基于蒙特卡罗定位思想的基础上,利用灰度预测模型进行运动预测,精确采样区域,用估计距离进行滤波,提高采样粒子的有效性,通过限制性的线性交叉操作来生成新粒子,从而加快样本生成,减少采样次数,提高算法效率。仿真实验中,该算法在通信半径、锚节点密度、样本大小等条件变化的情况下,表现出较好的性能与较强的自适应性。     

基于粒子滤波的RFID室内节点定位跟踪研究

为了解决复杂室内环境下的RFID动态节点定位跟踪问题,文中建立了动态节点的运动模型和信号测量模型。仿真采用基于信号RSSI定位方法,结合运用等边三角形定位算法。由于室内射频信号具有较高的噪声污染,因此首先对采集的信号运用粒子滤波技术进行滤波处理,然后运用高斯粒子滤波算法对室内移动的RFID进行了定位跟踪预测。仿真结果表明该算法可以有效地对室内动态节点进行定位跟踪,精度较高,稳定性好,结果进一步说明高斯粒子滤波能有效地抑制室内射频噪声。     

基于颜色的粒子滤波算法的改进与全硬件实现

传统基于颜色的粒子滤波算法在硬件实现中存在着跟踪效果不理想、实时性差等问题.该文结合硬件电路需要对基于颜色的粒子滤波算法进行了改进,在传统SR重采样算法的基础上将剩余粒子撒向目标点附近,以提高其在硬件环境下跟踪的准确性与稳定性.文中给出了改进算法的全硬件实现的电路架构,并在FPGA上完成了目标跟踪系统的实现.实验表明提...     

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。     

基于粒子滤波的室内机器人定位加速收敛算法

针对现有粒子滤波算法的缺陷,设计了一种改进的粒子滤波算法。该算法通过改善重采样环节,采用随机移动粒子并向目标区域聚集的方案来解决现有算法的粒子退化问题和粒子多样性丢失问题。在正常行走时,它能够通过粒子加速聚集来实现较快的定位收敛。在面临“机器人劫持”问题时,通过粒子群反向扩散的方式来实现机器人的重定位,表现出了很好的鲁棒性和收敛速度。该算法经过仿真和实验测试,结果与预期相符。     

基于粒子滤波和交互多模型的移动定位方法

为提高非视距情况下移动辐射源的定位精度,提出一种改进的交互粒子滤波算法.该算法对目标运动多模型和信号到达时间差测量噪声分布多模型联合建模.在交互多模型状态更新中利用粒子滤波对目标时变状态以及视距/非视距混合信道参数进行估计,抑制了非视距测量误差对移动定位的影响.仿真结果表明,改进算法的性能要优于现有的视距条件运动多模型和视距/非视距条件单一运动模型的定位算法,并且定位误差接近于推导的后验克拉美劳下界.     

基于System Generator的简化粒子滤波算法设计及硬件实现

针对粒子滤波计算量大、硬件实现困难的问题,提出了一种用于纯方位跟踪的简化粒子滤波算法,并通过Xilinx System Generator在FPGA上实现。首先,对通用粒子滤波算法进行适当简化,使其减少计算量并且易于硬件实现;其次,采用模块化设计,利用状态机综合并实现各个模块的时序控制;最后,转换为硬件语言,完成硬件仿真。仿真结果表明,所设计的简化粒子滤波算法各个模块工作正常,且具有较好的跟踪精度及运行速度,可用于非线性、非高斯系统的粒子滤波实现,对于粒子滤波的硬件实现方面具有一定的参考价值。     

基于跳距修正粒子群优化的WSN定位算法

针对DV-Hop算法在节点随机分布的网络拓扑环境中存在较大误差的问题,提出了一种基于跳距修正粒子群优化的定位算法WPDV-Hop(weight PSO DV-Hop)。本算法通过对锚节点广播的数据分组结构进行了改进,对参考锚节点的平均每跳距离的误差进行加权处理以及用改进的粒子群(PSO)算法对定位中的迭代过程进行优化,实现WPDV-Hop定位算法的全面改进,以提高定位精度。仿真结果表明,改进的算法与原始算法相比,定位精度和算法的稳定性有明显提高。     

用于纯方位跟踪的简化粒子滤波算法及其硬件实现

针对粒子滤波运算量大,硬件复杂性高的问题,该文提出了一种用于纯方位跟踪的简化粒子滤波算法,该算法引入了一种新的基于阈值的重采样方法,降低了硬件实现的复杂度。在算法研究的基础上,论文研究了基于FGPA的硬件电路实现方法,给出了系统的整体硬件结构及重采样/采样模块的实现方案,讨论了粒子滤波硬件实现的资源优化及时间优化问题。仿真结果表明,对于纯方位跟踪问题,该粒子滤波算法具有优于扩展Kalman滤波器(EKF)的性能;硬件电路实验表明,该滤波器可以实现对被动目标的纯方位跟踪,并具有比通用粒子滤波器较快的处理速度。     

一种改进的MCMC移动步骤的U粒子滤波算法

粒子退化是标准粒子滤波算法的主要缺陷。针对这一缺陷,提出了一种改进算法,在提出的具有MCMC移动步骤的U粒子滤波算法上进行性能分析,从样本产生和对MCMC移动步骤的使用两个方面对算法进行改进,减小了算法的计算量,提高算法的运算速度。仿真结果表明,改进后的算法大大减少了运算量,从一定程度上提高了运行效率。     

基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法

标准粒子滤波重采样过程中对粒子的直接删除会导致粒子贫化,并且综合性价比不高,难以满足高频段精密跟踪雷达的需求.针对上述问题,本文提出了基于自控蝙蝠算法优化粒子滤波的机动目标跟踪方法.该方法首先在粒子滤波中引入蝙蝠算法,用粒子表征蝙蝠个体,模拟蝙蝠群体搜索猎物的过程,使粒子向高似然区域移动.同时,改进算法将粒子接受新状态的比例作为反馈量,设计了自适应闭环控制策略对算法的全局搜索能力和局部搜索能力进行全程动态控制,使得粒子分布更加合理,从而进一步提高了粒子滤波的精度.最后在分别在基础非线性滤波模型和强机动强干扰目标跟踪模型中对改进算法的性能进行了测试.实验结果表明,改进算法提高了目标跟踪的精度.     

抗激光散斑干扰的粒子滤波跟踪算法硬件实现

针对传统的电视跟踪系统在激光散斑干扰下跟踪效果不佳的问题,对抗干扰性较强的粒子滤波跟踪算法进行了硬件实现并改进。首先基于"DSP+ARM"技术架构设计了电视跟踪仿真平台;然后对裂变自举粒子滤波跟踪算法进行了研究,并结合仿真平台进行了工程化改进、优化和实现,提高了运算速度,满足了高效性和实时性的跟踪要求。实验结果表明,该仿真平台能够运行改进的裂变自举粒子滤波算法,达到实时稳定的跟踪要求,具备一定的抗激光散斑干扰的能力。     

DLMS高速自适应滤波器的FPGA实现

在分析传统自适应滤波算法的基础上,针对自适应滤波器的硬件实现,采用一种适合FPGA实现的DLMS算法。使用VHDL语言完成设计,仿真实验验证了设计的正确性,经过编译和布局布线后对改进算法和传统算法进行了比较,结果表明改进算法在增加硬件消耗较少的情况下有效提高了系统工作频率。     

基于改进的鲁棒机器人蒙特卡罗定位算法

针对粒子滤波过程的粒子退化问题和提高粒子的细化能力,提出一种基于改进的鲁棒机器人蒙特卡罗定位（Improved Robust Robot Monte Carlo localization,IRR-MCL）算法.首先利用扩展卡尔曼滤波来精确设计粒子滤波器的提议分布,将当前观测信息融入顺序重要性采样过程,以改善滤波效果,减小所需粒子数;然后,给出IRR-MCL定位算法的实现细节,实验结果表明,该算法与传统的方法在定位精度和鲁棒性方面都有显著提高.     

基于粒子滤波步行长度预测的移动ad hoc网络路由算法

针对移动ad hoc网络拓扑结构变化大、路由复杂度高、数据传输性能低等问题,提出了一种新的移动通信系统自适应路由算法。为了使得网络拓扑结构更接近移动网络间歇性连接的特点,该算法在网络结构上采用了一种改进的Levy Walk移动模型。采用一种粒子滤波步行长度预测的方法,通过蒙特卡罗抽样得到递归贝叶斯滤波器,并在粒子滤波后进行步行长度预测,确定消息的副本数量,从而减少由于节点转发过多消息副本带来的能量消耗量,提高消息的传递效率。实验仿真结果表明：与基于改进蚁群优化和利润优化模型的路由算法相比,该算法的消息传递成功率分别提高了0.08和0.04,节点平均能量效率提高了17.9%和13.4%,在提升数据传输成功率和节能上具有较好效果。     

一种改进的EKPF算法在固定单站无源定位中的应用

本文针对EKPF算法在固定单站无源定位目标跟踪的应用中运算量大、实时性差的问题,通过对部分粒子进行EKF采样,将EKPF算法进行改进,改进的EKPF算法不仅有效降低了运算量,同时增加了粒子的多样性,使粒子集更能体现概率密度函数的真实分布。Matlab仿真表明,与传统的EKPF算法相比,改进算法在保证滤波性能基本不变的前提下,算法运算量大幅下降。     

UPF改进算法在单站无源定位中的应用

针对UPF算法在固定单站无源定位目标跟踪应用中存在运算量大、实时性差的问题,通过借鉴简化UKF的思想采用超球面单形采样策略、针对应用背景下状态模型的线性特性采用KF代替状态模型的Sigma点采样、在粒子滤波中对部分粒子间隔进行UKF采样三个方面的改进,提出一种改进的UPF算法。改进的UPF算法既有效降低了运算量,又增加了粒子的多样性,使粒子集更加逼近真实的后验概率密度函数。计算机仿真表明,改进的UPF算法在保持原有滤波精度的同时,有效减少了运算时间,可用相当于EKPF的运算效率得到UPF的滤波精度,适用于固定单站无源定位跟踪系统。     

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。