量子进化粒子滤波算法及其在说话人跟踪中的应用

以说话人跟踪问题作为应用背景,针对非线性、非高斯随机系统的状态估计问题,本文将量子进化算法和粒子滤波相结合,提出了一种量子进化粒子滤波算法.该算法采用量子编码来表示粒子;通过模拟量子坍塌产生粒子集,同时引入量子变异与量子交叉操作来保持粒子的多样性,从而提高了算法的滤波性能.计算机仿真与说话人跟踪实验结果表明,量子进化粒子滤波算法比通常的粒子滤波算法具有更好的滤波性能.     

基于广义UT变换的交互式多模型粒子滤波算法

 针对粒子滤波中重采样过程与优化提议分布的处理方式导致的粒子溃退和算法实时性下降问题,通过广义UT变换原理和卡尔曼滤波预测更新机制的引入,实现当前量测信息对于状态估计结果的直接优化,给出了一种基于广义UT变换的粒子滤波算法。另外,将改进后算法与交互式多模型相结合,进而提出了一种基于广义UT变换的交互式多模型粒子滤波算法．理论分析和仿真结果表明：新算法在计算复杂度方面与标准粒子滤波相近,在滤波精度方面优于标准粒子滤波及其改进算法．     

采样滤波算法在单站无源定位中的应用

讨论了用采样的方法近似非线性分布来解决无源定位中的非线性问题,提出了一种简单的正则粒子滤波,克服了标准粒子滤波用于单站无源定位中出现的粒子贫乏现象,将粒子滤波成功应用到无源定位中,计算机仿真表明该算法的定位精度较Unscented卡尔曼滤波（UKF）有一定的提高。     

基于高斯粒子滤波算法的改进及应用

针对粒子滤波存在的样本贫化现象,提出了一种优化重选样本粒子的粒子滤波算法。这种方法在引入最新量测后将状态后验概率密度逼近为一个高斯分布,在粒子贫化问题逐渐凸显后,通过该分布重新采集粒子后再进行运算,有效缓解了传统方法在粒子贫化后出现的滤波精度下降的问题。仿真结果表明,新的粒子滤波算法有更高的滤波精度和运行效率。     

OFDM时变信道的粒子流滤波估计算法

粒子滤波是一种基于序贯重要性采样原理的蒙特卡罗方法,其重采样步骤将导致“粒子贫化”,传统的基于粒子滤波的OFDM时变信道估计算法精度较低、计算复杂度较高。本文从消除“粒子贫化”角度出发,用粒子流的方法取代了重采样。通过建立微分方程实现贝叶斯估计,采用粒子流将粒子平滑移动到状态空间中的后验分布上,实现从先验粒子到后验粒子的更新,提出了一种基于粒子流滤波的OFDM时变信道估计算法。与基于粒子滤波的信道估计方法相比,本方法计算复杂度低,估计精度高,对环境噪声具有较好鲁棒性。      

基于信号特征序列的粒子滤波跟踪算法

 为了实现基于无线传感器网络的高精度目标跟踪,提出一种对物理层透明的基于信号特征序列的粒子滤波跟踪算法.采用信号特征序列实现由物理层信号到抽象信号的转变,利用信号特征序列的距离作为粒子滤波权值的更新依据;针对经典粒子滤波算法容易退化、贫化、粒子偏离后验分布等问题,综合运用轨迹预测、遗传交叉、重采样等方法使粒子分布有效的表征目标后验分布;同时,采用多维滤波对数据进行处理改善算法的噪声抑制能力.仿真结果表明算法的各种措施有效地提升了跟踪精度.     

基于正则化观测矢量的H无穷粒子滤波红外目标跟踪方法

提出了一种新颖和鲁棒的红外图像序列中的目标跟踪方法。由于H无穷滤波器在系统噪声源不能确定或是未知的情况下具有较好的预测性能,所以以其估计得到的预测信息来分配粒子滤波算法的粒子。为解决粒子滤波的“采样枯竭”问题,正则化了H无穷粒子滤波器的观测矢量。同时,通过计算每个目标的亮度和局部标准差分布构成级联核的目标模型,以用于计算粒子集中各个粒子的加权值。对于目标的尺寸和表观信息变化的情况,以目标区域像素灰度值零阶矩的函数来调整跟踪窗口的大小,模型更新则通过更新目标模型的每个量化阶来实现。实验结果证明了所提出的红外图像目标跟踪方法是有效的,并且优于所比较的算法。     

平坦衰落信道下一种基于进化粒子滤波的盲检测器

该文针对平坦瑞利衰落信道下的盲粒子滤波检测器存在的样本贫化问题,提出了一种基于进化粒子滤波的盲检测方法。在粒子滤波的重采样阶段,引入进化规化思想,即采用进化粒子滤波的方法解决样本的贫化现象,从而构成了一种基于进化粒子滤波的盲检测器。仿真结果表明,在信道模型系数未知条件下,该检测器的误码率性能较盲粒子滤波检测器优越,接近已知信道模型系数情况下的混合卡尔曼滤波检测器性能。     

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。     

基于围猎改进哈里斯鹰优化的粒子滤波方法

针对标准粒子滤波过程的权值退化和样本贫化问题,该文结合融入围猎策略的哈里斯鹰优化算法设计一种群智能优化粒子滤波方法(EHHOPF)。首先,引入围猎策略替代哈里斯鹰优化算法全局搜索策略以适配粒子滤波环境;其次,采用Sigmoid函数构建非线性猎物逃逸能量平衡算法的探索阶段和开发阶段;最后构建选择比例因子融合开发阶段捕猎策略并采用非线性猎物跳跃强度保证算法收敛效率。仿真结果表明,与标准粒子滤波以及磷虾算法、蝙蝠算法、布谷鸟算法、灰狼算法优化的粒子滤波方法相比,基于围猎改进哈里斯鹰优化的粒子滤波方法有效提升了系统状态估计精度、滤波稳定性和滤波实时性。     

Mobile robot SLAM method based on multi-agent particle swarm optimized particle filter

To overcome particle impoverishment, a simultaneous localization and mapping (SLAM) method based on multi-agent particle swarm optimized particle filter (MAPSOPF) was presented by introducing the idea of multi-agent to the particle swarm optimized particle filter (PSOPF) which is an algorithm for SLAM. In MAPSOPF, agents can communicate and compete with each other and learn from each other. The MAPSOPF algorithm can update the prediction of particle, adjust the proposal distribution of particles, improve localization precision and fault tolerance, and propel the particles to concentrate on the robot's true pose. Compared with standard particle filter (PF), the proposed method can achieve better SLAM precision by fewer particles. Simulations verify its effectiveness and feasibility.     

Remaining useful life prediction of lithium-ion battery using an improved UPF method based on MCMC

Lithium-ion batteries are widely used as power sources in various portable electronics, hybrid electric vehicles, aeronautic and aerospace engineering, etc. To ensure an uninterruptible power supply, the remaining useful life (RUL) prediction of lithium-ion batteries has attracted extensive attention in recent years. This paper proposed an improved unscented particle filter (IUPF) method for lithium-ion battery RUL prediction based on Markov chain Monte Carlo (MCMC). The method uses the MCMC to solve the problem of sample impoverishment in UPF algorithm. Additionally, the IUPF method is proposed on the basis of UPF, so it can also suppress the particle degradation existing in the standard PF algorithm. In this work, the IUPF method is introduced firstly. Then, the capacity data of lithium-ion batteries are collected and the empirical capacity degradation model is established. The proposed method is used to estimate the RUL of lithium-ion battery. The RUL prediction results demonstrate the effectiveness and advantage.     

基于最优采样函数的粒子滤波算法与贝叶斯估计

传统粒子滤波器(PF)直接根据状态演化方程产生新的粒子,由于没有考虑新近观测对状态估计的影响,这种滤波器性能较差,即便在粒子数目很大的情况也是如此。为此,本文提出一种基于序贯重要采样(SIS)的改进粒子滤波算法,该算法采用集成了新近观测量的最优采样(或重要密度)函数指导粒子的生成,使粒子权值的方差最小化,能有效减轻粒子退化问题;同时。在粒子重采样之后增加了马尔科夫链蒙特卡洛(MCMC)过程,消除了重采样引起的粒子贫化的负面影响,从而使粒子的多样性得以保持。对非线性系统的状态估计和只测角跟踪的仿真实例均表明,本文所提出的算法比传统估计算法如EKF,UKF具有更高的精度和更强的鲁棒性;与标准PF相比,其性能也有较大的提高,并可以在相同的估计精度下大大减少所需的粒子数目,是一种有效的非线性滤波算法。     

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。     

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.     

非高斯噪声环境的进化粒子滤波盲检测器

对于信道模型系数未知的平坦瑞利衰落信道下非高斯噪声环境中的盲信号检测,提出了一种基于进化粒子滤波的盲检测算法。该算法能够解决一般的粒子滤波对于估计长时间不变的状态存在的样本贫化的问题和系统噪声的非高斯问题。仿真试验结果证明,在信道模型系数未知的平坦衰落信道下,非高斯的噪声环境中,该算法性能优越,接近达到已知信道模型系数情况下的混合卡尔曼滤波算法的性能。     

时变幅度LFM干扰下的单通道盲分离算法研究

针对时变幅度LFM干扰下的单通道通信信号与干扰盲分离问题,本文提出了一种基于遗传粒子滤波的单通道盲扰信分离新算法。该算法首先建立了受扰信号的状态空间模型,并利用粒子滤波得到通信码元和未知参数的最大后验估计。针对标准粒子滤波中存在的粒子退化现象,本文引入了遗传进化操作来迭代估计优质粒子,在减少了所需粒子数量的同时,加快了算法的收敛速度,使新算法在时变幅度LFM干扰的影响下具有较好的分离效果。非扩频通信信号仿真实验表明,新算法在干信比小于15dB,信噪比大于16dB的条件下,可以有效地从单路接收的受扰信号中分离出通信信号与LFM干扰。      

基于阵列单通道的机动目标DOA跟踪方法

针对现有利用阵列单通道系统对机动目标跟踪精度不高,实时性差等不足,提出了一种新的基于改进粒子滤波算法的阵列单通道机动目标波达方向(direction of arrival, DOA)跟踪方法。该方法首先在利用接收机轮流采样建立数学模型的基础上,建立跟踪模型。然后,利用粒子群优化算法对马尔科夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)粒子滤波算法的重采样环节进行优化处理,给出了一种交互MCMC粒子滤波算法,该算法克服了传统粒子滤波算法粒子退化及样本贫化的固有缺陷。最后利用该算法求解跟踪方程,实现了实时DOA估计。理论分析与仿真结果表明,本文方法可实现基于阵列单通道的DOA跟踪与波束形成一体化,且能够处理相干信号,与标准粒子滤波和子空间类算法相比,收敛速度快,跟踪精度高。      

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...     

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。