改进的粒子滤波算法

针对标准粒子滤波算法重采样后粒子多样性丧失问题,提出一种在粒子补偿的基础上,利用预测值与观测值的方差进行粒子重采样的改进粒子滤波算法。该算法是在标准粒子滤波算法的基础上,加入粒子补偿的步骤,然后利用预测值与观测值的方差在权值较高的粒子周围进行重采样来改善标准粒子滤波算法中粒子多样性丧失问题。实验结果表明:在相同条件下,改进粒子滤波算法比标准粒子滤波算法具有更小的平均均方误差(RMSE)和更高的目标跟踪精度,数据表明,其目标跟踪精确度提高30%以上。     

一种改进重采样的粒子滤波算法

粒子滤波算法中重采样是解决粒子退化的一种重要方法,但重采样会导致粒子多样性的损失。针对这一问题,对基本重采样算法进行了改进。改进算法首先按基本重采样思想找到权值大的粒子进行复制,然后借鉴遗传算法进行交叉和变异操作,其中变异由变异尺度因子和粒子集的均值来实现。利用改进重采样的粒子滤波算法对经典纯方位目标跟踪问题进行了仿真,仿真结果表明,改进算法具有更好的跟踪精度。     

基于粒子滤波的红外目标跟踪新算法

粒子滤波是一种在非线性和非高斯情形下进行状态估计的有效方法。提出一种基于粒子滤波的红外目标跟踪的新算法。阐述了粒子滤波算法的原理,将粒子滤波引入到红外目标跟踪中。考虑到传统的粒子滤波跟踪算法存在计算量大,误码多的缺点,对传统算法进行了改进。对采样粒子进行优化选择,改进了重采样环节。实验结果表明,改进算法较传统粒子滤波算法能更准确,更有效的跟踪红外目标。     

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.     

基于传统重采样的局部系统确定性算法

在自主驾驶中粒子滤波被广泛用于追踪目标。但是粒子滤波的一个问题是随着循环次数的增加会出现粒子退化的现象,这是因为少数粒子的权值会越来越高导致多数粒子失去跟踪价值。而重采样则可以在运行过程中不断对粒子权值进行调整。目前已经有很多的重采样方法被提了出来,但是由于编程过程中复杂性的问题,很多重采样方法被视为计算的瓶颈。为了解决这个问题,一个改进的重采样算法被提了出来。首先介绍粒子滤波中最频繁使用的几种重采样算法。并对他们进行了理论分析,从而揭示了这些重采样算法之间的区别,包括他们的重采样效率和计算复杂度。通过模拟,确认了理论分析的结果。结果表明,局部系统确定性重采样是适用于大量的对象跟踪的情况。     

一种导向粒子滤波跟踪算法

粒子滤波算法在运动目标跟踪方面有着广泛的使用,粒子滤波中的重采样是解决粒子退化的一种重要方法,但是重采样会导致粒子的多样性的丧失。针对这个问题,改进粒子滤波算法,改进过程中结合了导向滤波的基本思想,因此将这种方法称为导向粒子滤波跟踪算法。导向滤波是近几年提出的一种新的滤波方式,与传统滤波相比,它在滤波的时候会引入一幅指导图像,鉴于这个思想,我们在进行粒子滤波的时候,引入一种导向粒子作为一个指导量,来保留一些目标图像上的信息。实验证明了这种算法可以更好地对目标进行定位跟踪。     

基于改进重采样的粒子滤波红外车辆跟踪算法

针对传统粒子滤波算法状态方程无法利用多帧信息及重采样阶段的粒子种类缺失问题,提出基于改进重采样的粒子滤波红外车辆跟踪算法,对图像进行预处理,增强图像;引入图像准则并结合多帧信息对粒子滤波的状态方程予以改良,在保证以目标帧间变化为基础的前提下将图像信息更多的结合在状态方程中,提高算法的抗干扰能力;在重采样阶段利用粒子权值设定阈值,在保留原始大权重粒子的基础上引入受小权重粒子影响的新粒子,抑制粒子权重过于集中,保证粒子的多样性。经过实验验证,提出的算法在精确性与抗干扰性方面与传统粒子滤波方法相比有较大提升。     

基于改进SFLA-PF算法的OFDM系统的目标跟踪

在OFDM通信系统中,为了解决非线性的目标跟踪问题,提出了基于改进混合蛙跳算法(SFLA)和粒子滤波算法(PF)相结合的方法来研究动态目标跟踪技术.首先利用高斯变异的局部搜索能力强和柯西变异的全局搜索能力强等优点对混合蛙跳算法进行改进,然后用改进后的混合蛙跳算法来优化粒子滤波算法进行动态跟踪,其优点不需要重采样步骤,有效地保持了粒子的多样性和有效性.仿真结果表明,该算法能够有效实现动态目标跟踪,并且跟踪效果优于同等条件下的混合蛙跳算法和粒子滤波算法.     

基于粒子滤波的烧结断面图像火焰区域跟踪

在铁矿石烧结过程中,烧结机尾断面图像中的火焰区域蕴含着大量烧结特征信息.为有效识别烧结断面火焰核心区域,提出了改进的粒子滤波算法对烧结断面图像进行火焰区域跟踪.在经典粒子滤波算法中引入RGB颜色空间生成带权粒子.同时,烧结过程中火焰区域可能合并、分裂及脱落,对粒子滤波算法中重采样方法进行权值优化、粒子舍弃与重采样策略优化,避免由粒子退化现象与样本贫乏问题引起跟踪失败.结果表明,改进的粒子滤波算法能够对烧结断面图像火焰区域进行有效、快速地跟踪.     

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.