基于目标跟踪的粒子滤波重采样算法研究

传统粒子滤波（PF）中,重采样步骤里存在着粒子的＂平均化＂现象,导致粒子本身概率大小的因素被忽略,没有充分利用粒子集所包含的信息。通过改进抛弃小权值粒子的原则,以及充分利用粒子权值大小所代表的意义来进行粒子复制的两点进行算法改进,采用一维非线性目标跟踪模型和新的二维动态跟踪模型分别研究改进PF算法对于平均RMSE的影响。通过仿真,证明了改进后的算法可以显著降低变量的平均RMSE,特别是在二位动态跟踪模型中,使位置坐标和速度两种变量的平均均方根误差（RMSE）都有所改善,从而提高了滤波性能。     

基于似然分布调整的粒子群优化粒子滤波新方法

传统基于粒子群优化的粒子滤波（PF）算法（PSOPF）在移动粒子向高似然区域移动的过程中,由于破坏了预测分布,当似然函数具有多峰时,其在具有大计算量的同时滤波性能并没有明显提升。针对该问题,提出了基于似然分布调整的粒子群优化粒子滤波新方法（LA-PSOPF）。在保留预测分布的前提下,运用PSO算法调整似然分布,提高有效粒子数量,进而提高滤波性能;同时引入局部优化策略,缩减参与PSO优化的粒子群规模,从而减少运算量,达到滤波精度与速度的平衡。仿真结果表明,当量测误差较小,似然函数具有多峰值时,改进算法的滤波精度和稳定性都优于PF算法和PSOPF算法,同时运算时间少于PSOPF算法。     

基于蜂群算法和新阈值函数的信号去噪算法

针对阈值和阈值函数的调节参数取值问题,提出一种基于人工蜂群优化算法的带参新阈值函数的信号去噪算法。首先,验证带参新阈值函数的连续性、高阶可微性、参数可调性;其次,根据最小均方误差（MSE）策略,利用人工蜂群优化算法优化各分解层的阈值和调整参数,得到最优去噪信号;最后,利用信噪比（SNR）、MSE指标验证信号的去噪效果。实验结果表明,人工蜂群优化算法选取的阈值参数和新小波阈值函数可以有效地对带噪信号去噪。     

车载光电测量平台晃动监测数据分析

车载环境下由于加速度计自身和外界环境干扰等因素的影响,真实的加速度信号叠加了大量干扰信号。针对加速度计信号特点,采用小波阈值去噪对加速度计信号进行了滤波处理。建立一个振动信号模型,将真实的加速度计的输出噪声作为干扰成分叠加到该模型上,选择较优的小波参数,对仿真信号进行小波阈值去噪,去噪后信噪比（SNR）由4．24dB提高到20．45dB,均方根误差（RMSE）由0．051改善到0．0081。据此对真实加速度计输出信号进行去噪处理,实验结果表明：小波阈值去噪对加速度信号具有良好的滤波效果。     

光纤温度传感系统中信号去噪方法

针对光纤温度传感系统采集的温度信号噪声较大的问题,分析了温度采集过程中干扰噪声信号的特点、滑动平均滤波和小波变换两种方法对信号去噪的效果.针对采集的温度信号,选择合适的小波去噪方法,并确定了最优的小波基和分级层数,将经过平移滑动滤波算法处理后的温度信号,进一步进行小波去噪处理,并将均方根误差(RMSE)、信噪比(SNR)及去噪信号的平滑度指标R,作为判定去噪效果的依据.实验结果表明:综合去噪算法能够有效去除有用信号中的干扰噪声,在信号无失真的情况下信噪比可以提升10～12 dB.     

基于自适应分解层数和阈值的小波去噪算法

为了更好地降低电能质量扰动信号中的噪声,提出了一种基于自适应分解层数和阈值的小波去噪算法.通过计算小波细节系数的峰值比,自适应地确定最佳小波分解层数,根据各层细节系数中有用信息和噪声信息的分布特性以及细节系数的正、负峰值比,动态调整各层细节系数的上、下阈值.应用Matlab对暂态振荡和脉冲信号进行去噪处理,并与传统硬、软阈值算法和一种改进小波阈值算法相比.结果表明:本文提出的自适应分解层数和阈值的小波去噪算法得到的信噪比和均方根误差均优于以上3种方法,重构后信号更接近原始信号,并且较好地保留了扰动期间信号的特征信息.     

基于噪声方差小波阈值去噪算法研究

为了克服小波阈值去噪中硬阈值小波系数不连续和软阈值估计小波系数与分解小波系数之间恒定偏差的缺点,改进的阈值去噪方法被相继提出。文章根据高斯白噪声和信号在小波变换以后得到的小波系数呈现不同的特性,基于噪声方差提出一种新算法。最后通过MATLAB仿真验证该算法在信噪比、均方根误差、相关系数、信噪比增益4个去噪指标的效果。     

基于自适应阈值的脑电信号去噪方法

脑电采集后得到的脑电信号(Electroencephalogram,EEG)中含有噪声信号,为了有效去除噪声并保留有用信息,本文在软阈值去噪的基础上,提出一种改进阈值去除EEG噪声的算法。利用小波变换对EEG信号分解,得到多层的高频系数和低频系数;根据分解层次不同,对小波系数进行自适应的阈值处理;将缩放后的小波系数重构,得到去噪后的EEG信号。以信噪比、均方根误差作为去噪效果的定量指标,将改进算法与硬阈值法、软阈值法、Garrote阈值法进行比较,结果表明,改进阈值法优于其他3种阈值法。     

改进权值非局部均值超声图像去噪

目的 超声图像斑点噪声会影响诊断的准确性和可靠性。通过分析超声图像斑点噪声统计模型,结合非局部均值滤波算法,提出一种基于超声斑点噪声模型的改进权值非局部均值（NLM）滤波算法。方法 算法针对超声图像灰度信息对图像进行预处理,利用超声图像斑点噪声模型改进传统NLM算法的权值计算函数,基于图像特征确定最优采样间隔进行下采样,利用改进后的权值计算函数对图像进行NLM去噪处理。结果 分别采用人工合成与真实超声图像对本文算法性能进行测试,并与传统非局部均值滤波算法、非局部总变分（NLTV）等算法进行去噪效果比较,同时采用均方误差、峰值信噪比和平均结构相似性作为滤波算法性能的客观评价指标。本文算法能快速完成超声图像的去噪处理,峰值信噪比较其他算法可以提高0.2 dB以上,可以降低均方误差,提高平均结构相似性,缩短处理时间,并得到较好的图像质量和视觉效果。结论 根据超声图像斑点噪声模型对NLM算法的权值计算函数进行优化,使得NLM图像滤波算法能更好地适用于超声图像的去噪,基于超声斑点噪声模型的改进权值NLM算法相较于其他算法,滤波效果更佳,适合超声图像去噪。     

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.     

GIS隔离开关操作接地网电位差干扰抑制方法

气体绝缘变电站隔离开关操作产生接地网电位差干扰,易与故障信号混淆,致使继电保护装置误动作。针对干扰信号的高频瞬变特性,提出基于最小二乘支持向量机/改进集合经验模态分解的自适应抑制方法。设置阈值启动函数检测干扰信号起始位置,通过极值延拓、多尺度排列熵改善集合经验模态分解算法的端点效应和熵值,采用粒子群算法优化最小二乘支持向量机,将干扰信号经过改进集合经验模态分解算法分解的本征模式分量作为训练样本,构造最优决策函数,对二次电缆耦合信号的本征模式分量序列进行干扰信号自适应识别与抑制。仿真实验表明,所提出的自适应抑制方法能准确识别和滤除接地网电位差干扰信号,保留故障信号特征,信噪比提高了221%,增强继电保护的抗干扰能力。     

基于自适应蝙蝠粒子滤波算法的WSN目标跟踪

为了解决粒子滤波(PF)的无线传感器目标跟踪中样本贫化导致的精度较低的问题,提出了自适应蝙蝠粒子滤波的WSN目标跟踪方法。通过自适应的蝙蝠算法的滤波算法优化粒子重采样过程,结合最新的观测值定义粒子的适应度函数,引导粒子整体上向较高的随机区域移动。同时利用动态自适应惯性权重探索新的粒子位置更新为设计机制,引入动态适应惯性权重值, 有效调整全局探索和局部探索适应能力、改善粒子贫化和局部极值问题,增加粒子群多样化从而提高跟踪性能。实验结果表明,自适应蝙蝠粒子滤波算法重采样方法可以防止粒子的退化,增加粒子的多样性,减少跟踪误差,可以减少算法的运行时间,实时追踪性能大幅提高。与BA-PF算法和PF算法相比较,IBAPF 算法的计算时间是最短的,IBA-PF算法的位置和速度的平均平方根误差最小(位置0.0311、0.0202、速度0.0262、0.0101),PF算法的跟踪精度是最低的,而IBA-PF跟踪精度较高,IBA-PF算法被证明具有良好的跟踪性能。     

Efficient Particle Swarm Optimized Particle Filter Based Improved Multiple Model Tracking Algorithm

To meet the requirements of modern radar maneuvering target tracking system and remedy the defects of interacting multiple model based on particle filter, noninteracting multiple model (NIMM) and enhanced particle swarm optimized particle filter (EPSO‐PF) are proposed. The improved maneuvering target tracking algorithm (NIMM‐EPSO‐PF) in this article combines the advantages of NIMM with those of EPSO‐PF. NIMM is used to figure out the index of particles to avoid the high computing complexity resulting from particle interaction, and EPSO‐PF can not only improve the equation of particle update through the rules individuals develop an understanding of group but also enhance particle diversity and accuracy of particle filter through the small variation probability of superior velocity. Besides, the random assignment of inferior velocity is capable of upgrading filter efficiency. As shown by the experimental result, the NIMM‐EPSO‐PF not only improves target tracking accuracy but also maintains high real‐time performance. Therefore, the improved algorithm can be applied to modern radar maneuvering target tracking field efficiently.     

一种改进的LMS滤波器在DCG去噪中的应用

研究了LMS自适应滤波器在动态心电信号去噪中的应用。提出了一种适合动态心电信号预处理的变步长LMS改进算法,该算法用误差信号对期望信号的相对误差的平方根来调节步长。实验表明,这种改进滤波器在收敛速度和信噪比两方面都优于固定步长的滤波器。     

一种改进的形态-小波阈值降噪方法

现场采集的旋转机械振动信号中一般存在强脉冲干扰和白噪声,小波阈值滤波对白噪声的滤波效果好,但对脉冲干扰的滤除效果不佳,而形态滤波虽然可以有效地剔除脉冲干扰,但不易滤除白噪声。针对这些问题,提出了一种基于形态滤波和改进的小波阈值滤波相结合的综合滤波方法。该滤波方法结合了两种滤波方法的优点,能够同时有效地滤除旋转机械振动信号中的脉冲干扰和白噪声。通过仿真信号和现场采集的转子振动信号进行了实验验证,结果表明,形态滤波与改进的小波阈值滤波相结合的滤波方法很好地滤除了转子振动信号中的噪声成分,进而提取出淹没在噪声中的转子振动信号。     

基于SSPF算法的移动机器人全局定位研究

传统粒子滤波器(PF)算法在移动机器人全局定位时会出现粒子退化和粒子耗尽问题,导致定位失败。提出了一种改进的PF算法即智能采样PF(SSPF)算法,该方法采用Unscented卡尔曼滤波器(UKF)算法和基于相关熵的自适应重采样算法相结合的方法,较好解决了传统PF算法所引起的粒子退化问题。由于重采样的一种极端情况会带来粒子耗尽问题,采用MH(metropolis hastings)算法,较好地解决了粒子耗尽问题。与以往方法相比,该方法可以实现准确性较高的移动机器人全局定位。     

基于改进布谷鸟粒子滤波算法的WSN目标跟踪

为了解决粒子滤波(PF)的无线传感器目标跟踪中样本贫化导致的精度较低的问题,提出了改进布谷鸟粒子滤波的WSN目标跟踪方法。通过改进布谷鸟算法的滤波算法取代粒子滤波重采样过程,主要通过改进布谷鸟算法中的搜索步长值 和发现外来鸟卵的物种的概率 的自适应调节,同时在步长更新方程中实时引入函数值的变化趋势,引导粒子整体上向较高的随机区域移动, 有效调整全局探索和局部探索适应能力、改善粒子贫化和局部极值问题,增加粒子群多样化从而提高跟踪性能。实验结果表明,改进布谷鸟粒子滤波算法重采样方法可以防止粒子的退化,增加粒子的多样性,减少跟踪误差,可以减少算法的运行时间,实时追踪性能大幅提高。与CS-PF算法和PF算法相比较,ICS-PF 算法的计算时间是最短的,ICS-PF算法的位置和速度的平均平方根误差最小(位置0.0306、0.0213、速度0.0253、0.0102),PF算法的跟踪精度是最低的,而ICS-PF跟踪精度较高,ICS-PF算法被证明具有良好的跟踪性能。     

基于EMD的脉冲星信号消噪算法

为了提高脉冲星辐射信号的信噪比,提出了一种基于经验模态分解(EMD)的脉冲星信号去噪算法。利用经验模态分解将信号分解为一组固有模态函数(IMF)。针对EMD阈值消噪算法性能不稳定这一问题,该算法滤除固有模态函数噪声时,利用相邻信号标准差作为噪声水平的判断准则,并采用自适应阈值,对于噪声含量较高的信号采用低通滤波器消噪。实验结果表明,与EMD阈值消噪方法相比,该算法能获得更高的信噪比,并具有较好的稳定性。