闪烁噪声环境下目标跟踪的UPF算法研究

介绍了一种改进的粒子滤波（PF）算法——无味粒子滤波算法（UPF）。该算法结合UKF（unscented Kalman filter）和PF算法,利用UKF对非线性系统的处理能力,用UKF得到粒子滤波的重要性采样密度函数,从而克服了PF没有考虑最新量测信息和UKF只能应用于噪声为高斯分布的不足。在给出的闪烁噪声统计模型基础上．将UPF、PF算法在雷达目标跟踪中进行了比较,仿真结果表明该方法可以取得比标准的粒子滤波更快的滤波收敛性和更高的滤波精度。     

融合渐消无迹粒子滤波与高斯重采样的FastSLAM 算法

摘要：为解决快速同步定位与地图构建算法因粒子退化导致SLAM(simultaneous location and mapping)估计精度 不佳的问题,提出一种融合渐消自适应无迹粒子滤波与高斯分布重采样的FastSLAM 算法。通过融合渐消滤波和无 迹粒子滤波,产生一种自适应提议分布,利用高斯分布对高权重粒子进行分散得到新粒子。建立机器人运动模型和 观测模型,并在仿真环境中进行性能验证。仿真结果表明：该算法能有效地缓解粒子退化,增加系统稳定性,提高 SLAM 估计精度。     

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)。     

非平稳非高斯测量噪声条件下改进差分粒子滤波算法研究

针对非平稳非高斯测量噪声(NSNGN)条件下差分粒子滤波(DDPF)算法状态估计精度低、易发散的问题,提出了一种改进DDPF(IDDPF)算法. IDDPF算法采用高斯混合密度函数近似估计测量噪声,替代传统算法中测量噪声的高斯密度函数近似估计,采用似然函数的对数最大化法求解高斯混合密度函数模型参数,并将该模型应用于粒子权值计算,避免了高斯密度函数近似估计噪声模型所易于导致的粒子退化问题;通过建立水下目标纯方位角跟踪系统模型,将IDDPF算法应用于闪烁测量噪声条件下水下目标纯方位角跟踪问题的求解。50次Monte Carlo对比仿真实验结果表明：在NSNGN条件下IDDPF算法具有跟踪响应快、估计精度高、鲁棒性较好等优点。     

基于粒子滤波的捷联成像导引头视线角速率估计

提出了一种基于粒子滤波的捷联成像导引头视线角速率的估计方法。由于捷联成像导引头状态方程和观测方程的强非线性特点以及观测量中较强的非高斯测量噪声,扩展卡尔曼滤波（EKF）方法不能完全满足滤波精度要求。与扩展卡尔曼滤波相比,粒子滤波（PF）是一种在非线性和非高斯情形下进行状态估计的强有力方法。采用粒子滤波对捷联成像导引头的视线角速率进行估计．仿真结果表明。粒子滤波方法可以有效地提高视线角速率的估计精度。     

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。     

基于粒子滤波的巡航导弹中制导地形匹配算法和仿真

在分析地形匹配以及粒子滤波算法原理的基础上,针对地形匹配辅助导航的非线性、噪声的非高斯性,研究了粒子滤波结合Kalman滤波的算法.仿真结果表明,粒子滤波对处理非线性系统、非高斯噪声有较强的处理能力,可以提高地形匹配的精度.     

基于混合卡尔曼滤波的磁偶极子目标跟踪

针对经典粒子滤波(PF)对磁偶极子跟踪高维模型估计时存在的"维数灾"问题,提出一种基于混合卡尔曼滤波(MKF)的方法进行求解。该方法通过导出磁偶极子跟踪的条件线性高斯模型,利用混合卡尔曼滤波算法,将状态变量分离为线性部分和非线性部分;利用卡尔曼滤波和粒子滤波进行耦合处理,克服了经典粒子滤波直接用于磁偶极子跟踪出现的精度不高和滤波发散问题。通过仿真实验将该方法与基于PF的磁偶极子目标跟踪方法进行了对比,结果表明算法精度较高,且性能稳定。     

角闪烁背景下基于改进EKPF算法的目标跟踪

标准粒子滤波(PF)的重要性函数的选取方法会导致状态估计过于依赖模型,且在重采样过程中可能会发生粒子贫化现象,针对PF在角闪烁背景下的目标跟踪过程中精度不足的问题,提出了一种改进的扩展卡尔曼粒子滤波(EKPF)算法,并将其应用在角闪烁噪声背景下的目标跟踪问题中,仿真结果表明该算法的可行性和优越性。     

几种非线性滤波只测角跟踪性能评估

为综合分析非线性滤波在只测角跟踪应用中的性能,文中给出了二维空间动态系统估计的克拉美罗界递推形式,对扩展Kalman滤波(EKF)、转换瑞利滤波(SRF)、无迹Kalman滤波(UKF)、容积Kalman滤波(CKF)和粒子滤波(PF)进行了实验仿真研究。结果表明CKF和PF可以获得高于其他滤波的精度,CKF的运算量又远低于PF,CKF可以获得精度和时效性的有效折衷。     

基于粒子滤波的三维转弯目标跟踪方法

为了提升对转弯目标的跟踪精度,本文提出了一种基于粒子滤波的三维转弯目标跟踪方法。首先,针对在三维空间中做HGB机动的目标提出了一种三维转弯模型,并建立了目标拦截过程中合理、可信的导弹动力学模型。然后,分别用粒子滤波(PF)、扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)对三维转弯模型进行匹配滤波,通过对各滤波方法的仿真对比分析,选用PF作为三维转弯模型的匹配滤波方法。最后,将机动目标跟踪问题转化为粒子滤波的求解,通过抑制粒子退化和增加粒子多样性的方法,提高了非线性滤波的估计精度。仿真结果表明,基于粒子滤波的三维转弯模型可以对做HGB机动的目标实现稳定可靠的跟踪,对基于三维转弯模型的非线性滤波问题,相较于EKF和UKF, PF的估计精度至少可提升30%。     

基于粒子滤波的巡航导弹中制导地形匹配算法和仿真

在分析地形匹配以及粒子滤波算法原理的基础上，针对地形匹配辅助导航的非线性、噪声的非高斯性，研究了粒子滤波结合Kalman滤波的算法。仿真结果表明，粒子滤波对处理非线性系统、非高斯噪声有较强的处理能力，可以提高地形匹配的精度。     

联邦式扩展卡尔曼粒子滤波算法

为了使联邦滤波器能有效处理非高斯、非线性系统的状态估计问题,提出将扩展卡尔曼粒子滤波引入联邦滤波结构中,得到一种新的联邦式扩展卡尔曼粒子滤波算法。使用扩展卡尔曼粒子滤波对联邦滤波子系统的多源数据进行处理,从而摆脱了经典卡尔曼滤波的限制,拓宽了联邦滤波器的实际应用范围。将联邦式扩展卡尔曼粒子滤波算法应用于非线性滤波器的一个标准验证模型进行了仿真实验,结果表明该算法是有效性的。     

基于粒子滤波的移动机器人跟踪定位算法

针对移动机器人在非线性系统中匀速运动的实时跟踪定位问题,对基于粒子滤波的移动机器人跟踪定位算法进行研究.在控制系统中引入粒子滤波算法,并在此基础上引入退化因子,最后进行仿真验证.结果表明:该算法能避免粒子滤波算法在非线性系统的失效和单样本等问题,改善移动机器人在跟踪定位系统中的非高斯噪声影响,明显提高移动机器人定位精度.     

基于容积卡尔曼滤波的辅助粒子滤波算法

针对非线性系统的状态估计精度较低的问题,提出基于容积卡尔曼滤波(CKF)的辅助粒子滤波(APF)算法—CAPF算法。该算法采用容积数值积分原则计算非线性函数的均值和方差,生成粒子滤波算法的重要性密度函数,获得所需的带权值粒子,进而计算粒子均值,获得系统状态的最小均方误差估计。CAPF算法由于使用最新的量测信息产生粒子,因而提高了对系统状态估计的逼近程度。仿真结果表明,CAPF算法具有更高的滤波精度,验证了算法的可行性和有效性。     

闪烁噪声下的机动目标跟踪算法研究

标准的粒子滤波能够较好的解决闪烁噪声下机动目标跟踪问题,但在采样过程中有时会出现严重的退化现象。针对这种现象,文中提出了一种改进的粒子滤波算法,在采样过程中退化检测,若粒子退化严重,则重新采样,直到退化在允许范围之内。仿真结果表明,在高斯环境下,标准的粒子滤波和改进的粒子滤波性能相近,都优于不敏卡尔曼滤波,但在闪烁噪声环境下,其性能明显高于不敏卡尔曼滤波和标准的粒子滤波,但耗费时间长。     

一种新的可控粒子数无源定位滤波算法研究

在非高斯非线性的无源定位系统中,建立了一种基于相位差变化率的无源定位模型,提出了一种新的可控粒子数无源定位滤波(PCPLF)算法,该算法利用噪声均方差与有效粒子数之间的关系,通过自适应调节噪声均方差,将有效粒子数控制在一定的阀值范围内,使权值基本上服从均匀分布,能够避免粒子的严重退化,提高系统的定位精度及稳定性.最后通过计算机仿真验证了PCPLF算法能够有效提高定位精度及稳定性.     

基于SINS/CNS的月球车自主导航方法

针对月面特殊环境,设计了一种基于改进粒子滤波的捷联惯导与天文导航(SINS/CNS)月球车组合导航仿真方案。首先,根据月球表面导航的特殊要求,建立了月球环境下惯性导航系统的姿态、速度和位置误差方程,然后建立基于速度和天文联合观测的量测方程。由于系统状态方程和量测方程均为非线性方程,所以采用了改进的粒子滤波实现月球车位姿信息的最优估计,估计出组合导航系统的误差状态量,进而修正惯导系统的位置、速度和姿态。本设计的仿真结果表明:该方法具有很好的位置和姿态估计精度,同时有效抑制了量测噪声对系统性能的影响,是解决月球车自主导航问题的一种有效而实用的方法。     

基于粒子滤波的混沌系统参数估计和滤波方法

混沌系统的参数估计是混沌系统控制和同步的前提。鉴于混沌系统具有初值敏感性、不能长期预测等特点,提出了一种基于粒子滤波(PF)的混沌系统参数估计和滤波方法,并将其用于Lorenz混沌系统的参数估计和滤波,在叠加噪声情况下对混沌系统进行仿真分析。结果表明,文中提出的滤波方法在估计偏差方面优于基于扩展卡尔曼滤波（EKF）的混沌系统参数估计和滤波方法,对混沌系统的参数估计和滤波是一种有效的方法。