一种基于差分演化的粒子滤波算法

针对粒子滤波(Particle Filter, PF)存在的粒子退化和贫化问题,该文提出一种基于差分演化(Differential Evolution, DE)的PF算法。首先,为了充分利用最新的观测信息,采用无迹卡尔曼滤波(Unscented Kalman Filter, UKF)来产生重要性分布,对重要性分布产生的采样粒子不再做传统重采样操作,而是直接把采样粒子当作DE中的种群样本,粒子权重作为样本的适应函数,对粒子做差分变异、交叉、选择等迭代优化,最后得到最优的粒子点集。试验结果表明,该算法有效缓解了传统PF算法中的粒子退化和贫化,提高了粒子的利用率,具有较好的估计精度。     

基于单目视觉的AUV 实时定位算法研究

在未知的环境中,自主水下航行器(AUV)运动未知的情况下,采用单目视觉不能对路标进行完全定位,存在尺度漂移。针对这种情况,研究了融合声纳测距信息的AUV定位方法,建立了AUV的运动模型,路标的初始化模型及相机的测量模型,采用扩展卡尔曼滤波对AUV位置进行估计;为了提高定位算法的实时性,提出了基于预测的特征匹配与误匹配点去除算法,既提高了匹配的效率,又提高了匹配的正确率。实验结果表明,该算法定位较准确,实现了AUV的三维定位。     

基于FastSLAM算法的无人机着陆方法

为解决无人机在GPS信号失效下的着陆导航问题,采用基于FastSLAM算法的导航方法。首先,基于机载多普勒雷达测量的地速,用含有高斯噪声的非线性方程来描述无人机着陆的运动模型;搭载在无人机上的激光雷达测量相对环境路标的位置和方位角用于构建系统的观测模型。基于无人机着陆段的系统模型,采用粒子滤波估计无人机的路径,扩展卡尔曼滤波估计环境路标位置。获得无人机的路径估计后,采用反正切形式的跟踪微分器获得速度估计。仿真验证了在选取适当的粒子数和环境路标情况下,FastSLAM算法满足无人机着陆定位精度和实时性要求,是一种可行的着陆段导航方法。     

一种带阻尼因子的迭代扩展型Kalman滤波器

基于迭代扩展型Kalman滤波器（IEKF）与非线性最小二乘问题的Gauss－Newton方法之关系，本文通过引进阻尼因子得到一个修正的迭代扩展型Kalman滤波器（MIEKF），其迭代序列等价于非线性最小二乘问题的Levenberg-Marquardt方法．MIEKF改善了原IEKF的收敛性和估计精度，一个非线性系统的计算机模拟证实了这一点，而IEKF是MIEKF的一个特例。     

一种融合时差频差和测向的运动目标跟踪方法

传统的星载无源定位系统对空中辐射源定位求解通常采用假设高程的方法,高程假设误差将对定位跟踪精度造成较大影响。为实现未知高程运动辐射源的高精度定位跟踪,针对异轨三星构型的无源定位系统,提出了一种基于时差、频差和二维测向融合的迭代扩展卡尔曼滤波(Iterative Extended Kalman Filter, IEKF)跟踪方法。在WGS-84坐标系下建立了状态方程和观测方程,并采用IEKF方法对目标状态进行估计。仿真结果表明,该方法可对未知高程的运动目标进行高精度状态估计,典型仿真场景下的目标高程估计精度达到百米量级,相对于已有方法收敛时间更短,并且在卫星覆盖范围内具有更大的高精度定位跟踪区域。     

基于扩展Kalman滤波的单领航者自主水下航行器协同导航判别式训练方法研究

单领航者自主水下航行器(AUV)协同导航算法中,系统模型是非线性的,扩展Kalman滤波(EKF)是针对非线性系统的很有影响力的滤波算法,但是,EKF算法的性能严格依赖于一系列模型参数,而这些参数往往需要花费很大的代价来捕获,并且常需要人工调整。该文应用一种能自动学习Kalman滤波噪声协方差参数的方法,通过仿真分析,证明了该学习算法可以完全自主并且高效、准确地输出Kalman滤波噪声参数,进一步提高了单领航者AUV协同导航系统的导航精度。     

基于粒子滤波与样本加权的压缩跟踪算法

该文针对压缩跟踪算法无法适应目标尺度的变化以及没有考虑样本权重的问题,提出一种基于粒子滤波与样本加权的压缩跟踪算法。首先,对压缩特征进行改进,提取归一化矩形特征用于构建目标表观模型。然后,引入样本加权的思想,根据正样本与目标之间距离的不同赋予正样本不同的权重,提高分类器的分类精度。最后,在粒子滤波的框架下融合尺度不变压缩特征进行动态状态估计,在粒子预测阶段利用2阶自回归模型对粒子状态进行估计与预测,借助观测模型对粒子状态进行更新,并且对粒子进行重采样以防止粒子退化。实验结果表明,相比于原始压缩跟踪算法,改进算法能够更好地跟踪目标尺度的变化,提高跟踪的稳定性和准确性。     

基于正交移动双水下自主潜航器的水下合作目标定位方法

利用水下自主潜航器(AUV)定位是水下大区域静止目标定位主要方法之一.针对单AUV定位存在的定位周期长,定位覆盖区域低,长时间定位误差累积大的缺陷,该文提出一种基于正交运动的双AUV的静止目标定位方法.每个AUV通过自身携带的惯性导航系统(INS)和多普勒计程仪进行自身定位,并在多次运动过程中通过与静止目标间的通信时延差测量进行定位.该方法需要2个相对航向角呈90°的正交移动AUV通过最少2次与静止目标间通信完成次定位.相比于传统的单移动传感器定位方法,该算法需要的定位周期更短,对同步要求更低.实验结果表明,该方法定位精度有显著提高,同时有效定位区域增大,在长时间定位过程中对AUV位置误差影响更低.     

基于主从式水下自主航行器移动组网的合作目标定位方法

利用水下自主航行器(AUVs)协同编队可以在未知水域中实现对目标的定位。针对AUV导航误差导致定位精度降低问题,该文提出一种基于扩展卡尔曼滤波器(EKF)的多AUV编队融合观测协同目标定位算法。AUV编队由一个装备有高精度惯性导航系统(INS)的领航AUV以及多个装配有低精度INS的跟随AUV组成。从跟随AUV中选取参考AUV和待测AUV,通过设置定位周期和观测间隔来分别对其进行不同的观测。参考AUV作为中转,接收来自高精度AUV位置参数后,向待测AUV传递自身位置参数,利用扩展卡尔曼滤波器完成对AUV集群的协同位置修正。仿真结果表明,该方法AUV集群自身定位精度高且误差随时间积累小,对领航AUV数量需求少,能够实现水下目标低功耗、远距离定位。     

单站目标被动跟踪的滤波器方法研究

为了实现对单站目标的被动跟踪,分析并比较了扩展Kalman滤波器和粒子滤波器在非线性估计方面的性能,并且针对粒子滤波器存在的粒子退化现象,引入改进的重采样算法和基于无迹变换的滤波算法.仿真实验分别比较了几种滤波器在目标做匀速、匀加速、变加速情况下距离和速度滤波的均方根误差,结果表明粒子滤波器滤波性能优于扩展的Kalman滤波器,改进的重采样算法和基于无迹变换的粒子滤波器可以有效改善估计精度.     

基于改进粒子滤波的GPS接收机自主完好性监测算法

针对基本粒子滤波重采样过程中粒子权值退化和多样性丧失的问题,将遗传算法引入基于神经网络的权值调整粒子滤波算法中,结合了遗传算法全局寻优的收敛性与神经网络局部寻优的快速性优点。将提出的算法与对数似然比方法结合用于GPS接收机自主完好性监测,通过建立一致性检验统计量实现对故障卫星的检测与隔离。通过采集实测数据进行验证,结果表明:该算法可以成功检测和隔离故障卫星,其性能优于基于基本粒子滤波的接收机自主完好性监测,验证了该算法应用于GPS接收机自主完好性监测的可行性和有效性。     

Improved particle filter based on fine resampling algorithm

In order to solve particle degeneracy phenomenon and simultaneously avoid sample impoverishment,this paper proposed an improved particle filter based on fine resampling algorithm for general case,calle...     

Heuristic Kalman optimized particle filter for remaining useful life prediction of lithium-ion battery

Accurate prediction of the remaining useful life of a faulty component is important to the prognosis and health management of any engineering system. In recent times, the particle filter algorithm and several variants of it have been used as an effective method for this purpose. However, particle filter suffers from sample degeneracy and impoverishment. In this study, we introduce the Heuristic Kalman algorithm, a metaheuristic optimization approach, in combination with particle filtering to tackle sample degeneracy and impoverishment. Our proposed method is compared with the particle swarm optimized particle filtering technique, another popular metaheuristic approach for improvement of particle filtering. The prediction accuracy and precision of our proposed method is validated using several Lithium ion battery data sets from NASA® Ames research center.     

基于空间分布和时间序列分析的粒子滤波算法

针对粒子滤波存在的粒子贫化问题,提出了一种改进的重采样粒子滤波算法.在重采样步骤中基于采样粒子集的空间分布引入时间序列分析,选取相关度最高的粒子进行传递,避免了只关注采样粒子权值的传统重采样算法中仅复制大权值粒子而任意丢弃小权值粒子的缺陷,因此能够消弱粒子贫化现象,提高算法的估计精度.在理论上利用两样本Kolmogorov-Smirnov检验原理证明了改进算法重采样后的粒子集和采样前的粒子集来自同一总体.仿真结果表明,尤其是在初始采样粒子数目较小时,该算法在非线性系统状态估计中的精度优于传统的粒子滤波算法.     

面向水声传感网的自主水下航行器辅助定位动态路径规划

水声传感器网络(UASNs)节点由于洋流等因素长时间作用会出现位置偏移,故需要修正其位置信息。在水声传感器网络节点定位中将自主式水下潜器(AUV)作为移动锚点辅助定位可有效降低定位成本,但在AUV辅助定位过程中AUV的能量利用率仍有待提升。为了进一步提高AUV的能量利用率,该文提出一种面向水声传感网的AUV辅助定位动态路径规划方法。该方法中将节点位置修正过程看成节点位置信息熵减少的过程。在AUV动态路径规划时根据定位过程的节点位置信息和预计AUV能耗,规划AUV下一步移动目标位置。使用贪婪算法选取使信息增益期望和移动消耗能量比值最大的位置作为AUV下一步移动目标位置。仿真结果表明,该算法能够在保证节点定位精度的基础上有效提高AUV能量利用率。     

一种新的基于交互多模型的序贯重要采样算法

通过将交互多模型（IMM）算法和粒子滤波（SIS）算法结合,提出了一种新的IMM～SIS算法。在每个模型中,都有一个标准的粒子滤波器,模型之间的交互与传统的IMM一样。由于在新的算法中,每个模型中粒子滤波都保证固定数量的粒子,因此不会出现粒子退化和贫乏现象。仿真证明了新的IMM—SIS算法在收敛速度和精度方面都要优于传统的IMM—EKF算法。     

基于量子遗传粒子滤波的WSN目标跟踪算法

粒子滤波器是解决非线性非高斯运动跟踪的一种有效方法,很适合于无线传感器网络的目标跟踪.但是粒子滤波算法存在严重的退化现象.常规的重采样方法虽可解决退化问题,但容易导致粒子耗尽.本文针对此问题,将量子遗传算法引入粒子滤波,提出了基于量子遗传粒子滤波的无线传感器网络目标跟踪算法.通过量子遗传算法的编码方式增加粒子集的多样性...     

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。