共查询到20条相似文献,搜索用时 187 毫秒
1.
2.
3.
4.
5.
6.
基于箱式粒子滤波的群目标跟踪算法 总被引:1,自引:0,他引:1
在现有群目标跟踪方法中,粒子滤波(Particle filter, PF)算法常被用来解决点量测的非线性滤波问题.而当量测数据受到测量偏差或未知分布边界误差的影响时,传感器获得的点量测需要转换成区间量测,此时原有PF算法不能直接适用.因此,本文提出基于广义似然(Generalized likelihood, GL)函数加权的PF算法.该算法在原有PF算法的基础上,利用广义似然函数的积分解来计算区间量测下的粒子权重.为了降低算法的运算量问题,又提出基于箱式粒子滤波(Box particle filter, Box-PF)的群跟踪算法.首先,在目标状态空间内抽样矩形区域的箱式粒子.然后采用区间分析和约束传播方法,利用区间量测压缩后的粒子与预测粒子的容积比来计算粒子权重.最后,在群目标状态估计结果和群演化网络模型的基础上估计群结构.仿真实验结果表明,与GL-PF算法相比, Box-PF算法具有更高的运算效率,并能降低估计结果中的峰值误差. 相似文献
7.
边缘粒子滤波是组合导航和目标跟踪中状态估计的高效方法;文章目的 是研究附加量测噪声具有时变未知方差的鲁棒边缘粒子滤波的算法并对算法仿真验证;设计方法是使用Rao-Blackwellised原则实现混合模型中状态降维,然后状态与量测方差同时分别估计;量测分布模型设置为具有鲁棒性质的学生t分布,通过这种量测似然模型得到粒子权值;变分推断方法加入混合滤波方案进行量测噪声方差参数的实时递推估计;重采样阶段粒子权值与状态及噪声参数一起进行重采样,结果是给出状态与噪声参数估计的鲁棒边缘粒子滤波;通过对常速目标运动跟踪模型量测噪声方差渐变和突变两种情况的仿真设置分析,验证了所提算法在量测方差变化情况下性能优于边缘粒子滤波算法的结论. 相似文献
8.
9.
10.
高斯粒子滤波算法重要性权值方差不会随迭代次数的增加而增加, 能够较好地解决粒子退化问题, 但其重要性密度函数没有考虑最新的量测信息, 导致有效粒子数减少, 算法滤波性能下降. 针对该问题, 提出一种基于Gaussian-Hermite 滤波(GHF) 的高斯粒子滤波算法, 采用GHF构造高斯粒子滤波的重要性密度函数, 考虑最新的量测信息, 增加有效粒子数, 提高算法的滤波精度. 仿真结果表明, 所提出算法的滤波精度明显优于高斯粒子滤波算法.
相似文献11.
《Digital Signal Processing》2002,12(2-3):383-393
Gordon, N., and Ristic B., Tracking Airborne Targets Occasionally Hidden in the Blind Doppler, Digital Signal Processing12 (2002) 383–393The blind Doppler refers to the bands of Doppler frequency where targets are invisible due to rejection of ground clutter from the radar echoes. The paper describes an application of sequential Monte Carlo estimation (particle filtering) to the problem of tracking a target occasionally hidden in the blind Doppler regions. The limits of these regions represent hard edges on the probability distributions that can be fairly easily incorporated into the framework of the particle filter. Simulation results suggest a significant improvement in track continuity when this prior information of blind Doppler limits is exploited. 相似文献
12.
A New Gaussian Mixture Algorithm for GMTI Tracking Under a Minimum Detectable Velocity Constraint 总被引:1,自引:0,他引:1
《Automatic Control, IEEE Transactions on》2009,54(12):2745-2756
13.
14.
针对智能算法在实现盲源分离时容易陷入局部最优且收敛速度缓慢的问题,提出一种基于Givens变换和二阶振荡粒子群优化的盲源分离算法。该算法首先将惯性权重与学习因子两个参数构造函数关系,使之共同调节算法迭代来提高算法的整体性与全局搜索能力;再引入二阶振荡环节增加种群的多样性,这样算法不易陷入局部最优;此外,采用Givens变换将分离矩阵转换成旋转角度表示形式来降低算法的复杂度。仿真表明,该算法能有效实现机械振动信号和语音信号的盲分离,并且相比其他算法具有更快的收敛速度和更好的分离性能。 相似文献
15.
The multiple target localization using only Doppler frequencies in Multiple-Input Multiple-Output (MIMO) radar is a problem of great interest. The Doppler frequencies include all relevant information about the location, velocity and direction of the targets. Hence, these frequencies can be used efficiently for data association and target localization. The MIMO configuration and the frequency diversity of the system enable us to easily determine the number of moving targets using only the Doppler frequencies. Then, the data association is achieved for the known number of targets by using the estimated target velocities, directions and positions which can be utilized together or separately for data association. Using these parameters, three data association methods are proposed, namely “Position & Velocity Based”, “Direction Based” and “Position, Velocity & Direction Based” Data Associations. Moreover, when probability of detection is less than unity, data association can still be achieved with some modifications. Besides that, another algorithm, referred to as “Frequency Reduction & Association”, is proposed to eliminate spurious frequencies when they appear in the spectrum. These are the first data association methods for Doppler-only systems and they can be used efficiently when Doppler frequencies are only available information in the MIMO radar context. After received frequencies are associated with the correct targets, multiple target localization can be performed using the associated Doppler frequencies. 相似文献
16.
在目标跟踪领域,粒子滤波技术有处理非线性非高斯问题的优势,但是标准粒子滤波在利用重采样方法解决退化现象时,会产生粒子贫化现象,导致滤波精度不稳定。针对这个问题,利用融合了模拟退火高斯扰动的蝙蝠算法对粒子滤波进行优化改进。该算法将粒子表征为蝙蝠个体,蝙蝠种群通过调节蝙蝠个体的频率、响度和脉冲发射率,伴随当前最优蝙蝠个体在目标图像区域进行搜索,并且可以对全局搜索和局部搜索进行动态决策,从而提高蝙蝠个体整体的质量与合理的分布;融合的模拟退火高斯扰动策略可以增强算法跳出局部最优的能力。为了验证该算法的优化性能,将该算法和标准粒子滤波算法进行性能分析对比。实验结果表明该算法的滤波性能优于标准粒子滤波算法。 相似文献
17.
在目标跟踪领域,粒子滤波技术有处理非线性非高斯问题的优势,但是标准粒子滤波在利用重采样方法解决退化现象时,会产生粒子贫化问题,导致滤波精度不稳定.针对这种问题,本文算法采用了差分进化蝙蝠算法对粒子滤波进行改进.本文算法将粒子表征为蝙蝠个体,蝙蝠种群通过调节频率、响度、脉冲发射率,伴随当前最优蝙蝠个体在目标图像区域进行搜索,并且可以动态决策是采用全局搜索还是进行局部搜索,从而提高粒子整体的质量和合理的分布;引进的差分进化策略可以增强蝙蝠个体跳出局部最优的能力.为了验证本文算法的优化性能,将本文算法和标准粒子滤波算法进行性能分析对比.实验结果表明本文算法滤波性能优于标准粒子滤波算法. 相似文献
18.
传统的基于K均值聚类算法及最小路径法的欠定盲源分离两步法存在K值难以确定,对初始值敏感,噪声和奇异点难以排除以及相对缺乏理论依据等诸多不足,针对以上问题,提出了基于势函数及压缩感知理论的新型两步算法。该算法首先利用多峰值粒子群寻优算法改进的势函数法来估计混合矩阵,然后利用估计矩阵来构建传感矩阵,并将基于正交匹配追踪的压缩感知算法引入欠定盲源分离过程中,最终实现源信号的重构。仿真实验结果表明,混合矩阵最高估计精度达到99.13%,重构信号干扰比均高于10dB,很好的满足了重构精度的要求,验证了本文算法的有效性。所提算法对一维混合信号的欠定盲源分离具有良好的普适性和较高的准确率。 相似文献
19.
智能车辆视觉目标具有非线性、噪声分布非高斯性的典型特点,现有算法难以实时估计目标的状态。针对识别物体复杂且多变,很难用完全的特征来描述待识别目标及其背景的不断变化,提出了一种用于融合颜色特征及SURF(Speed-Up Robust Features)特征的协方差矩阵来改进粒子滤波算法,从而提升视觉目标跟踪的实时性,满足智能车辆的要求。首先,对采集的图像进行预处理来获取感兴趣区域。接着,通过融合颜色特征及SURF特征构造范围感兴趣区域(Region Of Interest,ROI)的目标特征协方差矩阵,建立目标状态预测模型及状态观测模型,用于改进粒子滤波算法粒子重采样过程,实现对目标的精确跟踪。最后,将该方法与Mean-shift算法和颜色属性(CN)算法进行对比。实验结果表明,在智能车视觉跟踪过程中对光环境瞬时变化、目标物体存在短时遮挡以及目标物体姿态改变时,该算法在满足智能车辆对实时性要求的前提下,有效提升算法的精确度及鲁棒性。 相似文献
20.
针对非合作接收PCMA信号盲分离问题,提出一种遗传改进粒子滤波算法(Improved Particle Filtering based on Genetic Algorithm,GA-IPF).该算法以粒子滤波的算法框架为基础,建立多个状态空间分布以逼近真实后验概率密度;同时引入遗传算法替代重采样产生新粒子,增加粒子多样性,避免了重采样过程中的粒子耗尽问题.仿真实验表明,该算法载噪比为9 dB时,分离准确率达到95%,与QRD-M Gibbs等算法相比,信号捕获能力提高4 dB,且算法复杂度降低近60%. 相似文献