迭代扩展卡尔曼粒子滤波器

提出了一种基于迭代扩展卡尔曼的粒子滤波新方法．该方法利用迭代扩展卡尔曼滤波的最大后验概率估计产生粒子滤波的重要性密度函数,使重要性密度函数能够融入最新观测信息的同时,更加符合真实状态的后验概率分布．仿真结果表明,提出的迭代扩展卡尔曼粒子滤波的估计性能要明显优于标准的粒子滤波、扩展卡尔曼粒子滤波和unscented 粒子滤波．     

基于粒子滤波的改进算法

通过将粒子滤波算法与无迹卡尔曼滤波算法相结合,提出一种用于解决非线性、非高斯系统估计的改良粒子滤波算法.该算法在经典粒子滤波的基础上,利用无迹卡尔曼滤波生成更能够逼近真实后验概率分布的重要函数.实验结果表明,这种算法在预测结果收敛性能方面明显优于标准粒子滤波、广义卡尔曼滤波和无迹卡尔曼滤波等现有的非线性滤波器.     

并行高斯粒子滤波被动多目标跟踪新算法

针对多目标跟踪的数据关联及多目标状态空间尺寸随目标数增多而增长的问题,提出了一种跟踪新算法,假定各目标的状态与过去的观测相互独立,可以多路并行处理,采用马尔可夫链蒙特卡罗(MCMC)方法计算目标与观测的关联概率,利用高斯粒子滤波(GPF)独立估计单个目标的状态,采用拟蒙特卡罗(QMC)方法近似各目标的预测及更新分布.将该算法应用于被动多传感器多目标跟踪,仿真结果表明,所提算法比联合概率数据关联滤波器(JPDAF)、马尔可夫链蒙特卡罗数据关联滤波(MCMCDAF)及蒙特卡罗联合概率数据关联滤波(MC-JPDAF)具有更好的跟踪性能.     

基于MCMC方法的粒子滤波改进算法

粒子滤波算法广泛应用于现代的跟踪与定位,它适用于非线性非高斯系统,其算法的性能很大程度上取决于重要性分布的选择.分析粒子滤波的原理,论述蒙特卡罗方法在贝叶斯分析中的应用,同时将蒙特卡罗方法引入粒子滤波算法的实现中,通过仿真实验结果比较分析了改进的粒子滤波算法的性能.     

一种改进的粒子滤波算法

针对标准粒子滤波算法存在的粒子退化现象而导致滤波精度低的问题,研究了容积粒子滤波算法,利用最新提出的容积卡尔曼滤波算法,在粒子滤波观测更新过程中计算分布函数的均值和方差,得到能够更准确的表示概率密度函数真实分布的重要性密度函数.仿真结果表明,较之于标准粒子滤波和无迹卡尔曼滤波算法,容积粒子滤波算法滤波精确度更高,是一种理想的非线性滤波估计策略.     

基于粒子滤波的跳频信号频率跟踪方法

针对跳频信号的参数估计问题,提出一种基于粒子滤波的跳频信号频率实时跟踪方法.首先建立以跳频瞬时频率为系统状态的状态空间模型,然后通过基本粒子滤波算法序贯重要性重采样（sequential importance resampling,SIR）实现了对跳频信号频率的后验概率密度估计,进而得到频率的实时估计;为进一步提高粒子滤波的跟踪性能,提出一种基于ESPRIT辅助的粒子滤波（auxiliary esprit particle filtering,AESPRIT-PF）算法.仿真实验分析了在不同信噪比和不同粒子数目下算法的跟踪性能,结果表明该算法具有稳健的跳频频率实时跟踪能力,是一种有效的跳频信号参数估计方法.     

平方根递推更新高斯粒子滤波

对于高斯粒子滤波器重要性密度函数（IDF）的构建,递推更新高斯滤波器（RUGF）依据非线性测量函数梯度对目标运动状态进行渐进式的更新,可以有效克服线性最小均方误差准则的限制,从而得到更接近于真实分布的后验状态估计,但在递推过程中目标状态协方差矩阵易非正定而出现递推中断。针对这一问题,该文首先分析了RUGF的平方根实现策略,并借助容积卡尔曼滤波对平方根（SR）RUGF进行具体实现,然后利用SR-RUGF为高斯粒子滤波器选取IDF,进而得到平方根递推更新高斯粒子滤波器。仿真实验表明,本文算法可有效解决递推中断问题,并获得较高精度的估计结果。     

拟蒙特卡罗聚合重采样粒子滤波无源定位算法

提出一种基于拟蒙特卡罗聚合重采样粒子滤波的机载无源定位算法．首先利用基于离散状态空间的粒子聚合技术对空间相近粒子进行加权聚合,在保证粒子空间分布合理性的同时有效抑制了粒子的退化;然后采用拟蒙特卡罗技术将重采样后的粒子向高似然区移动,优化了粒子在状态空间中的分布特性,提高了滤波精度．仿真结果表明: 新算法对比拟蒙特卡罗高斯粒子滤波算法,在保证滤波精度的同时,提高了运行效率．     

基于马尔可夫链的人工蜂群算法

分析了人工蜂群算法及部分国内外学者提出的改进算法,针对局部搜索能力差和容易陷入局部最优解的缺点,根据马尔可夫链预测已知解空间的发展趋势,提出了一种基于马尔可夫链的改进人工蜂群算法（MABC）,通过伪代码给出了算法的运行过程,从收敛性能和算法复杂度2个方面分析了人工蜂群算法、一种典型的改进算法和MABC算法的性能.最后以10个典型函数为测试用例,从结果精度、收敛速度、分割参数和运行时间4个方面进行验证,实验结果表明,MABC算法在求解精度和收敛速度上高于ABC算法,但运行时间略长,验证了理论分析的结果.     

基于Sigma点H_∞滤波的拟蒙特卡罗粒子滤波算法

在滤波算法中,用Sigma点H∞滤波来产生重要性概率密度函数,由于Sigma点H∞滤波对不确定观测噪声具有较强的鲁棒性,而且在滤波过程中考虑了最新的观测值,因此由其产生的重要性函数更逼近于真实的后验概率分布。同时在重采样阶段,利用拟蒙特卡罗重采样算法进行重采样,有效地克服了粒子退化现象并提高了状态估计精度。仿真结果表明了所提算法的可行性和有效性。     

基于Markov链蒙特卡洛的因子图均衡算法

针对基于因子图模型的非线性失真信道的迭代均衡计算复杂度高的问题,提出了3种不同的接收信息后验概率的有效算法以及并行实现方法。在基于因子图的均衡算法中,均衡器和译码器以迭代处理的方式联合工作,提高了系统的整体性能,但计算复杂度随信道记忆长度呈指数增加,通过Markov链蒙特卡洛算法实现多维积分的计算,并通过因子图分割实现并行Gibbs采样,降低了计算复杂度,仿真表明,该算法有效克服宽带高阶调制的卫星信道非线性失真,有利于硬件或多核并行实现。     

Robustness analysis of underground powerhouse construction simulation based on Markov Chain Monte Carlo method

Scheduling is a major concern in construction planning and management, and current construction simulation research typically targets the shortest total duration. However, uncertainties are inevitable in actual construction, which may lead to discrepancies between the actual and planned schedules and increase the risk of total duration delay. Therefore, developing a robust construction scheduling technique is of vital importance for mitigating disturbance and improving completion probability. In the present study, the authors propose a robustness analysis method that involves underground powerhouse construction simulation based on the Markov Chain Monte Carlo (MCMC) method. Specifically, the MCMC method samples construction disturbances by considering the interrelationship between the states of parameters through a Markov state transition probability matrix, which is more robust and efficient than traditional sampling methods such as the Monte Carlo (MC) method. Additionally, a hierarchical simulation model coupling critical path method (CPM) and a cycle operation network (CYCLONE) is built, using which construction duration and robustness criteria can be calculated. Furthermore, a detailed measurement method is presented to quantize the robustness of underground powerhouse construction, and the setting model of the time buffer is proposed based on the MCMC method. The application of this methodology not only considers duration but also robustness, providing scientific guidance for engineering decision making. We analyzed a case study project to demonstrate the effectiveness and superiority of the proposed methodology.     

Indoor positioning algorithm based on Markov Monte Carlo

The interference in the received power leads to the problem of the low estimation accuracy of WLAN indoor positioning, so a new method is proposed which constructs the maximum likelihood model and uses the Markov Chain Monte-Carlo sampling method to estimate position coordinates. The method considers taking the interference factor into the model, and uses the random sampling method to solve the estimation problem, which has the advantage of fast convergence and high estimate precision. Furthermore, the Cramer-Rao lower bound (CRLB) of the model is derived. In simulation experiment, the distribution of Cramer-Rao Bound in locating space is given. Finally, simulations show that the MCMC method can estimate the target location accurately. Under the same simulation conditions, the MCMC method achieves greater estimated precision and has a lower computational complexity than the Fletcher-Reeves Method (FR).     

一种描述颗粒沉积现象的Monte Carlo算法

为了提高Monte Carlo算法在求解颗粒群平衡方程时的计算精度和效率,发展了一种基于异权值Monte Carlo(DWMC)算法的快速Monte Carlo(F-DWMC)算法,该算法在处理颗粒沉积事件时采用确定性方法,能够更加快速准确地求解颗粒的沉积行为.文章选定了两种存在理论分析解的工况(分别考虑颗粒重力沉积和布朗扩散沉积行为)对F-DWMC算法进行了验证,获得了多分散颗粒物系统的颗粒尺寸分布函数曲线,计算结果与理论分析解吻合较好,并且与DWMC算法相比,F-DWMC算法具有更高的计算精度和效率.     

SF_6-N_2中粒子动力学特性的蒙特卡罗仿真

为了模拟SF6-N2混合气体的汤逊脉冲实验过程,求出不同状态下混合气体的电子能量分布特性,在电场强度与气体分子密度之比为(250～450)Td范围内,采用蒙特卡罗法仿真了SF6-N2混合气体的电子雪崩发展过程.求出了电子能量分布随电场强度与气体分子密度之比的变化规律、有效电离系数及临界耐电强度随SF6分压比变化的规律,且与实验结果作了比较和分析.结果表明,混合气体临界击穿场强Eb随着SF6分压比的增加而提高,与实验结果比较,有很好的一致性.     

Fuzzy马尔科夫链

本文讨论了模糊条件概率及其性质,给出了模糊马尔科夫链的定义和模糊状态转移概率的计算公式.     

基于L-M方法的迭代容积卡尔曼滤波算法及其应用

针对非线性状态估计中受到较大的初始估计误差和量测方程的非线性的影响致使状态估计精度不高的问题,提出了一种新的滤波算法——基于Levenberg-Marquardt方法(简写为L-M)的迭代容积卡尔曼滤波算法(ICKFLM).该算法将容积卡尔曼滤波算法(CKF)的量测更新过程转换为求解非线性最小二乘解问题,以状态预测和方差预测为初始值,使用L-M方法求解最优的状态和方差估计.把基于L-M方法的迭代容积卡尔曼滤波算法应用到弹道再入目标状态估计中,仿真结果表明,相比于CKF算法,新算法的位置估计误差约降低了70%,相比于基于Gauss-Newton方法的迭代容积卡尔曼滤波算法(ICKF)位置误差降低了40%.新算法具有较高的状态估计精度,且收敛速度快.     

粒子群优化人工免疫粒子滤波器

为解决粒子滤波算法中存在的粒子退化和样本枯竭问题,提出一种新的粒子滤波算法.利用粒子群优化思想促使采样粒子向高似然区域移动,减缓粒子权值的退化;再通过人工免疫算法中的变异操作扩大算法寻找最优值的范围并增加粒子的多样性,避免算法陷入局部最优,增强算法的全局搜索能力,进而缓解样本枯竭.实验表明,该算法比标准粒子滤波的状态估计精度提高近40倍,比扩展卡尔曼粒子滤波提高近28倍,比无迹卡尔曼粒子滤波提高近6倍,滤波效率为37.523％,是标准粒子滤波的37倍,该算法具有更好的实时性和更高的状态估计精度,能有效缓解粒子的退化和样本的枯竭.     

马尔科夫链的一个应用

本文给出了一个判别马尔科夫链具有普遍历性的充分条件，并给出了马尔科夫链的一个新的应用，即利用马尔科夫键来定量地评价教师的教学效果，这种评价方法具有比目前各种评价方法更为科学合理的特点。     

Direct Monte Carlo Method Simulation of the Synthesis of Carbon Particle Through Coagulation in the Detonation of Explosives

A model is constructed and used in computing the coagulation probability of free carbon during the deto-nation of explosives. A direct simulation Monte Carlo (DSMC) program is constructed to simulate the coagulation of free carbon particles. The evaluation of the distribution spectrum of particles in the system is obtained. The simulation result is consistent with the experimental curve.