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。     

基于集群智能粒子滤波的弹道导弹跟踪

针对弹道跟踪问题,提出人工鱼群算法优化粒子滤波的方法.将集群智能思想引进粒子滤波,解决其粒子权值退化及粒子需求量大的缺点.首先,阐述了粒子滤波原理及其存在的一些问题.然后将人工鱼群算法融合进粒子滤波,使粒子群体向高似然方向移动,从而克服粒子权值退化问题.仿真结果说明该算法中的滤波算法的有效性.     

一种离散人工鱼群优化的部分传输序列算法

基于组合优化鱼群算法和PTS方法,提出一种离散鱼群优化的部分传输序列(DAFSA-PTS)算法.该算法通过设计新的鱼群移动行为策略,改善组合优化鱼群算法的寻优特性,通过替换人工鱼当前位置向量与较优位置向量中相应元素实现位置更新,使相位因子序列快速准确的向最优方向收敛,进而求得最低峰均功率比(PAPR).仿真表明:DAFSA-PTS算法的PAPR性能逼近于传统PTS算法,当子块分组数为12时,相差0.4dB,复杂度降低了85.35%;并且在相同复杂度下,优于粒子群优化的PTS算法,精度提高0.2dB.     

一种基于自适应能力改进的AFSA算法研究

文章在分析基本人工鱼群算法(AFSA)的基础上,提出了一种基于自适应能力的改进人工鱼群算法,在不明显增加算法计算复杂性的前提下,引入自适应移动和visual、step参数自适应调整策略,这对于克服算法优化后期收敛速度慢,感知和移动距离随机性大、寻优精度低等缺点具有显著效果。仿真测试表明,改进后的人工鱼群算法在很大程度上摆脱了局部极值吸引的能力,寻优精度明显提高。     

具有未知参数的GPS/DR组合导航系统跟踪与辨识

该文针对GPS/DR(Global Positioning System/Dead-Reckoning)组合导航系统中存在参数不确定性问题,构建自组织状态空间模型,应用蒙特卡罗粒子滤波方法对新构建的系统模型进行滤波。并且对于在自组织模型中粒子滤波易使未知参数搜索陷入初始取样子集的问题,提出一种人工鱼群-粒子滤波算法。该算法不仅可以估计系统状态,而且还能使未知参数的取样分布向真实参数分布移动,最终辨识出未知参数的真值。仿真结果表明该方法的有效性。     

基于粒子滤波的蜂窝网移动台单站跟踪

仅使用单个基站测量信息对蜂窝网移动台进行定位跟踪实现简单并具有较高的可定位概率,但面临的挑战是如何提高定位精度。粒子滤波是基于贝叶斯推论的一种蒙特卡洛方法,特别适用于非线性非高斯信号处理。该文提出了基于粒子滤波的单站跟踪算法。仿真结果表明与快拍式定位方法相比,这种滤波算法大大提高了单站定位的精度;与扩展卡尔曼滤波相比,粒子滤波收敛速度快,性能稳健。     

一种改进粒子滤波的双站无源定位跟踪算法

在非线性非高斯状态空间下，粒子滤波器是一种有效的非线性滤波算法，它的关键问题包括粒子权重的计算、粒子重采样和状态估计等。本文根据粒子滤波算法思想和双站无源定位跟踪的非线性，将粒子滤波算法用于双站无源定位跟踪问题，给出了一种改进的粒子滤波算法，并对其关键问题根据双站无源定位跟踪的特殊性进行了改进。利用Matlab进行了仿真实验，与最小二乘算法、扩展卡尔曼滤波算法进行了比较，结果表明所提算法定位跟踪精度优于其他方法。     

移动传感器网络节点的运动行为控制算法研究

针对目前移动无线传感器网络节点的运动行为控制算法复杂、能耗大的问题,提出了一种复杂程度低、能耗小、鲁棒性强的控制算法。算法首先通过航迹推算与RSSI定位移动节点,然后在人工鱼群思想的基础上结合拥挤意愿模型的约束机制来控制节点的趋向目标行为、聚群行为、跟踪行为和避障行为。最后在Matlab环境下进行节点的运行行为仿真,实验结果表明所提出的算法能够正确完成移动节点的聚集、跟随及避障行为,证明了算法的正确性。     

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。     

基于频谱监测数据的联合时差定位方法

在分析电磁频谱监测网辐射源定位需求和现有时差定位算法特点的基础上,介绍了联合时差定位流程。对Chan算法定位、Chan算法与Taylo级数展开相结合的联合定位及粒子滤波对定位的改善情况进行了分析和仿真,并对仿真结果进行了比较。提出了一种基于频谱监测数据、采用Chan-Taylor算法和粒子滤波的联合定位方法,可有效利用电磁频谱监测网络各节点的监测定位数据,提高对目标信号的定位精度。     

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.     

基于智能单粒子与信号变化度的盲源分离算法

提出了一种新的基于智能单粒子优化的有序盲源分离算法。采用信号变化度作为分离的目标函数,利用球坐标变换方法对分离向量进行变换,使用智能单粒子优化算法对目标函数进行求解,通过去相关方法从混合信号中去除已分离出的源信号成分,最终实现按照信号变化度降序分离出各源信号。仿真结果表明,本算法能够有效实现对源信号的有序分离,且分离精度很高。     

基于代价参考粒子滤波器组的检测前跟踪算法

基于粒子滤波的检测前跟踪方法是检测和估计非线性调频信号的有效方法之一。但此类方法运算量大,难以并行执行。此外,由于粒子滤波算法收敛较慢,基于粒子滤波的检测前跟踪方法的检测和状态估计能力有待提高。针对上述问题,该文首先提出一种代价参考粒子滤波器组。该滤波器组收敛快速,具有完全的并行结构,可快速准确地估计非线性调频信号的瞬时频率。其次,提出基于代价参考滤波器组的检测前跟踪算法,可在给定虚警率下,在各个时刻检测目标和估计目标状态。两类非线性调频信号检测和估计的仿真结果表明,基于代价参考粒子滤波器组的检测前跟踪算法的检测性能、估计性能和运行速率均优于类似的方法,如基于粒子滤波的检测前跟踪方法,基于Rutten粒子滤波的检测前跟踪方法等。     

基于UT的混合粒子滤波单站无源定位算法

为利用无源固定单站对运动辐射源快速定位,将粒子滤波和UT(unscented transformation)应用于单站无源定位,给出了一种基于UT的角度约束采样混合粒子滤波无源定位算法,该算法从UKF滤波得到建议分布,从该建议分布采样时引入角度测量对状态变量的约束,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.与EKF、UKF(unscented kalman filter)以及基于EKF的混合粒子滤波算法的仿真比较表明,本文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,估计误差可以接近Cramer-Rao下界.     

RSSI和粒子群混合VLC室内精确定位方法

传统的基于可见光通信(VLC)的室内定位算法,精度相对较低,误差较大。提出一种RSSI和粒子群混合VLC室内精确定位方法,该方法通过RSSI算法进行未知节点的初定位,并利用高斯分布函数剔除误差较大的定位数据,减少了其对最终定位结果的影响。同时,通过自适应权重粒子群算法搜索未知节点的最优解,使得该算法前期较长时间具有最优全局搜索能力,后期较长时间具有最优局部搜索能力,能尽快找到未知节点的精确位置。仿真结果表明,该定位方法比传统的RSSI算法和粒子群算法的定位误差小,可以大大提高VLC室内定位的精度。     

基于复似然比的粒子滤波改进算法

针对低信噪比微弱目标的实时检测与跟踪问题,提出了基于复似然比的粒子滤波改进算法。该算法弥补了传统粒子滤波利用幅度似然比计算粒子权重而忽略相位信息的缺陷,推导了基于复似然比的粒子权重表达式,从而更好地利用了目标原始信息。同时,基于幅度似然比的权重计算需要多次进行贝塞尔函数运算,而基于复似然比的权重计算只需进行一次贝塞尔函数运算,可以有效降低计算复杂度。仿真结果表明：改进算法不仅在检测与跟踪性能上优于传统粒子滤波算法,所需计算时间也明显降低。