基于粒子滤波的组合定位系统目标跟踪算法

因GPS技术在楼群密集的城市不能单独完成定位,文中采用GPS/DTMB组合导航新方案,又针对传统二维机动模型的不足,研究三维下的平面变速转弯模型,并作为运动目标的机动模型,同时仿真对比分析不同粒子数目下的粒子滤波算法(PF)跟踪效果,结果表明,200个粒子的误差均值为4.590 6 m,400个粒子误差均值为2.377 6 m,滤波后的轨迹与真实轨迹基本重合,定位跟踪效果好,且粒子数目越多,误差均值、标准差、方差越小,即定位跟踪精度越高。证明了GPS/DTMB组合导航新方案的可行性。     

基于重采样粒子滤波的目标跟踪算法研究

基于传统粒子滤波的机动目标跟踪方法针对非线性、非高斯系统有较好的估计性能,但是存在粒子退化现象。利用残差重采样算法,可以有效克服粒子滤波的退化问题。本文针对残差重采样算法作进一步研究,提出了一种改进的残差重采样粒子滤波算法。该方法在残差重采样基础上进行改进,可以避免残差重采样中关于残留粒子的重采样问题,在保证精度的前提下提高运行效率,减少运算复杂程度。仿真实验结果表明该算法与残差重采样粒子滤波相比提高了目标跟踪的实时性,并且随着粒子数的增加,这种优势表现得更加明显。     

基于粒子滤波的非线性目标跟踪算法研究

针对非线性非高斯的目标跟踪,传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象,提出了采用粒子滤波算法来解决非线性滤波问题;粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,但是存在运算量大和实时性差的问题,因此提出了基于EKF的扩展粒子滤波;仿真结果表明：在强非线性非高斯环境下,PF算法的跟踪性能优于EKF算法,基于EKF的扩展粒子滤波能够取得较好的跟踪精度,并且能够有效的减少粒子滤波的运算量。     

基于改进粒子滤波的静电目标跟踪算法

针对静电探测的数学模型结构复杂、强非线性以及实验测量数据存在极大不确定性的特点和传统粒子滤波(PF)算法存在的缺陷,提出了一种改进的粒子滤波(UPF)算法。该算法以无迹卡尔曼滤波(UKF)算法生成替代分布并从中采样,理论分析与仿真结果均表明,UPF算法能够提高静电探测系统目标跟踪的稳定性和精确性,解决了传统PF算法中以转换先验密度函数作为替代分布所引发的各种问题,具有较高的实用价值和广泛的应用前景。     

基于边沿化粒子滤波的GPS单点定位算法

针对强干扰情况下GPS定位精度低、鲁棒性差的问题,文中利用多普勒观测值改进了传统的伪距单点定位模型,并将该模型与边沿化粒子滤波技术有效的结合,通过状态模型划分,避免了模型线性化误差.理论分析与实验结果表明,该方法能够有效克服传统粒子滤波计算量大的缺点,显著提高强干扰环境下接收机的定位精度和鲁棒性.     

基于平方根卡尔曼滤波的粒子滤波算法

在普通粒子滤波器中,基于先验概率的重要性密度不能容纳最新测量信息,导致跟踪精度难以提高。针对该问题,给出一种基于平方根卡尔曼滤波(SRUKF)的新型粒子滤波算法(SRUPF)。该算法以普通粒子滤波器(PF)为基础,运用SRUKF生成重要性密度。与运用先验知识生成重要性密度的普通粒子滤波器不同,SRUPF的重要性密度中包含了最新的观测信息,从而能够更好地逼迫状态变量的分布规律。此外,由于SRUPF在计算重要性密度时不需要在每一个迭代步骤都对状态协方差阵进行分解,因而SRUPF比PF具有更好的数值稳定性。在非线性测角跟踪问题中的应用表明:SRUPF滤波器的跟踪精度优于PF和SRUKF。     

基于辅助模型的改进粒子滤波算法

针对非线性、非高斯系统的目标跟踪精度不太高这一问题,提出一种改进Sigma粒子滤波算法(MSP-PF)。该算法是由主模型产生第一个粒子,剩余的粒子则由辅助模型和平方根无迹卡尔曼滤波(SRUKF)来递归生成,辅助模型使粒子的观测信息得到充分有效地利用,解决了粒子滤波算法所面临的粒子退化和匮乏问题。仿真表明,提出的改进Sigma粒子滤波算法(MSPPF)的估计性能要明显优于粒子滤波(PF)、无迹粒子滤波(UPF)、Sigma粒子滤波算法(SPPF)。     

一种比例尺蒙特卡罗滤波算法

粒子滤波是一种极具潜力的非线性滤波算法,粒子退化是粒子滤波的主要问题。为此,提出一种比例尺粒子滤波算法(SPF)。在重要性抽样之后,按粒子重要性权值大小,将其分为好粒子群和较差粒子群两个种群,使用固定的或动态变化的比例尺系数对好粒子群和较差粒子群中的元素求取加权值,从而生成一些备选粒子。并通过重要性权值实现粒子的优选,从而使最好粒子参与状态估计。仿真结果表明,该算法是有效的。     

基于贝叶斯原理的粒子滤波算法

为了在物理条件下对目标进行精确建模,有时需要运用非线性、非高斯系统.序贯蒙特卡罗算法,亦即粒子滤波器,它是最近出现的解决非线性问题的有效算法.文中重点论述了基于贝叶斯原理的序贯蒙特卡罗粒子滤波器,指出其可能存在退化现象,并对消除该缺陷的关键技术进行了分析.     

改进粒子滤波算法研究

重采样思想能解决粒子滤波中的粒子退化问题,但却导致粒子多样性丧失的现象,使描述状态后验概率密度的粒子不够充分。围绕如何增加粒子的多样性,已提出的改进算法包括MCMC移动步骤及正则化粒子滤波（RPF）算法。讨论2种改进算法的基本思想及步骤,通过对一典型标量非线性系统的仿真实验,分析改进算法的性能特点。实验结果表明,2种改进算法都有效增加了粒子的多样性,缓解了粒子匮乏问题。     

三轮全向移动机器人的航迹推算定位方法

为提高自主定位机器人的定位精度,设计一种基于三轮全向从动的航迹推算定位机器人机构.机器人的主动轮系统由4个麦克纳姆轮组成,从动轮系统由3个全向轮组成.通过离散化航迹推算定位公式计算并更新机器人的位姿信息.最后通过实验测量多种运动方式、不同采样周期下的定位误差.结果表明:该方法可基本满足机器人室内定位要求,为航迹推算定位提供理论依据和实验参考.     

移动机器人SLAM 改进算法的分析与实现

为解决移动机器人扩展卡尔曼滤波(EKF-SLAM)算法计算复杂、精确度不高及易受干扰的缺点,提出一 种基于最优平滑滤波理论的改进同步定位与地图构建(simultaneous localization and mapping,SLAM)算法。详细介绍 算法的改进过程,通过Matlab 软件对其位置轨迹跟踪误差及标准差进行仿真分析,基于机器人操作系统(robot operating system,ROS)系统的实验平台,在室内走廊进行SLAM 实验以测试改进算法的效果。结果表明,改进的 SLAM 算法精度高、抗干扰能力强,能实现移动机器人的即时定位与地图构建。基于ROS 系统的软件平台能简化开 发难度,提升移动机器人的智能化。     

基于粒子群算法的移动机器人路径规划

基于粒子群算法的移动机器人路径规划,通过建立目标函数、变换坐标等对环境建模,再引入粒子群优化算法,得到全局最优路径.MATLAB仿真结果显示,此方法可有效地解决空间作业机器人路径规划及避障问题.与传统遗传算法比,该法建模容易,计算快捷,可以在不同的障碍物环境下得到不同的优化轨迹,     

基于ADAMS 的某履带式机器人机动性能分析

为研究履带式机器人的机动性能,对某履带式移动机器人进行建模及仿真分析。基于该机器人的三维模型,借助动力学仿真软件ADAMS建立该机器人的机动性能分析模型,在此基础上,对其在平地、斜坡和楼梯等路面行驶时的机动性能进行仿真分析。仿真结果表明:仿真结果与理论计算吻合得较好,证明该方法是可信的,能为该机器人的结构改进和运动控制提供依据。     

移动机器人的卡尔曼滤波定位算法改进与仿真

针对传统卡尔曼滤波算法和扩展卡尔曼滤波算法应用于移动机器人定位系统时出现的误差值较大和算法发散现象,在定位算法中引入修正因子对状态估计方程进行优化.分析传统卡尔曼滤波和扩展卡尔曼滤波的定位算法原理,研究运动过程中驱动力和摩擦力对移动机器人的影响,引入修正因子改进卡尔曼滤波算法,并对传统卡尔曼滤波算法、扩展卡尔曼滤波算法和改进算法做仿真对比和研究.仿真结果表明:修正因子对传统卡尔曼滤波算法和扩展卡尔曼滤波算法都具有改进效果,能提高定位精度.     

模糊控制算法在移动机器人中的应用

针对移动机器人运动轨迹的控制问题,提出采用模糊控制算法用于机器人运动轨迹控制的方法。采用光电传感器感知机器人的偏离角,选用Mamdani模型设计了模糊控制器,求得机器人的行走方位及纠偏大小,从而实现准确导航。并应用Matlab对模糊控制器进行仿真。仿真及实际应用结果表明:该控制器能提高机器人寻迹控制的精度,使移动机器人稳定快速地寻白线移动。     

基于激光雷达的机器人定位及抓取系统设计

采用激光雷达作为智能移动机器人的传感装置,进行路径规划,实现对目标物高精度定位;硬件方面结合压力传感器电路,设计优化机构抓取目标物,软件方面基于倍福PLC系统TWINCAT软件优化算法,实现快速,精确算法设计;路径规划与抓取系统算法优化提高了项目指标,满足指标需求,具有广泛应用前景。     

一种基于粒子滤波的改进红外目标跟踪算法

针对传统红外目标粒子滤波跟踪中仅利用目标灰度信息可能导致目标分辨能力不高的问题,构建了基于位置和灰度的联合时空灰度模型,提出了一种基于联合时空直方图的粒子滤波目标跟踪算法,实验表明:在复杂背景下,该算法能够实现对红外目标稳健的跟踪。