基于FPGA实现粒子滤波算法的实时细胞跟踪系统设计

面向背景是静止的运动细胞图像序列,通过简化粒子滤波算法并在FPGA实现其硬件逻辑来设计快速跟踪系统.其是按照目标辨识和跟踪要求,用模块化思想设计采样和存储模块、权值及阀值计算模块、重采样模块和状态估计输出模块后通过硬件描述语言VHDL下载到FPGA.针对单个细胞跟踪,单个细胞分裂跟踪和多细胞跟踪的测试对该系统的快速性和准确性进行验证.实验结果表明该系统满足对移动目标快速识别和跟踪要求.     

粒子滤波和正则粒子滤波算法性能研究

主要介绍了解决系统状态估计问题的滤波算法。在提出非线性高斯系统模型的基础上着重阐述了扩展卡尔曼滤波(EKF)、粒子滤波(PF)和正则粒子滤波(RPF)算法。对这三种算法在不同的噪声条件下的估计性能进行了仿真分析。结果表明,在非线性高斯系统中,PF和RPF的估计性能远比EKF的估计性能要好,由于RPF是从离散分布中重构其近似连续分布,再从该连续分布中采样粒子,估计性能比PF要好,尤其在小噪声的环境下,估计性能更加稳定。     

拟蒙特卡罗-高斯粒子滤波算法研究及其硬件实现

该文针对粒子滤波计算量大,难以在工程中应用的问题,用拟蒙特卡罗采样(QMC)代替蒙特卡罗采样(MC),减少了运算量。分析并给出了拟蒙特卡罗-高斯粒子滤波(QMC-GPF)算法的并行结构。在该并行结构的基础上,研究了基于FPGA的QMC-GPF的设计与实现。在实现过程中选取2作基数来产生Faure序列,将乘法运算、求模运算简化为便于在FPGA中实现的按位异或运算;采用查找表实现指数函数等复杂函数的计算,充分利用了FPGA中大量的Block RAM资源;给出了Cholesky分解矩阵各元素的并行计算结构。以红外图像弱小目标跟踪实验为例,验证了本设计的有效性和实时性。     

基于高斯粒子JPDA滤波的多目标跟踪算法

在多目标跟踪中,由于观测的不确定性带来数据关联问题,并且,多目标状态空间尺寸的增长带来了维数增大问题,该文提出了一种新的高斯粒子联合概率数据关联滤波算法(GP-JPDAF),在JPDA框架中引入高斯粒子滤波(GPF)的思想,通过高斯粒子而不是高斯量,来近似目标与观测的边缘关联概率,利用GPF计算目标状态的预测及更新分布。将其应用于被动多传感器多目标跟踪,仿真结果表明该算法比MC-JPDAF具有更好的跟踪性能。     

一种基于高斯粒子滤波的RAIM算法研究

针对在强非线性条件下扩展卡尔曼滤波 RAIM 算法(EKF-RAIM)性能下降的问题， 本文提出了一种基于高斯粒子滤波的 RAIM 算法(GPF-RAIM)。GPF-RAIM 采用高斯粒子进行非线性状态近似估计，在递推时按高斯分布重新生成新的粒子集合，能够解决粒子的退化问题， 不需要进行重采样步骤，保持了粒子的多样性。仿真结果表明，GPF-RAIM 能够有效的检测伪距跳变，相较于 EKF-RAIM 方法，可以获得更小的状态估计误差，提高检测性能。     

粒子滤波算法研究

本文介绍了几种粒子滤波算法,然后详细的介绍了各算法存在的主要问题,以及各种改进算法的优势。最后给出了粒子滤波在研究领域中的一些应用。最后通过介绍几种算法对全文做出了总结。     

基于FPGA的图像边缘保护高斯滤波算法实现

针对传统高斯滤波在图像边缘细节保留上的不足,实现了一种基于FPGA的改进高斯滤波算法,在保留图像边缘信息的同时滤除高频噪声,并实现高速实时图像处理.通过对当前图像像素点与由图像全局求取的梯度阈值的比对,以确定其为噪点或边缘点,并做区分处理.边缘点将不予以处理,而噪点则通过权重模板进行滤波处理.经仿真与测试,该算法在FP...     

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。     

基于自适应滤波的信道估计改进算法与实现

为了适应无线信道条件下的OFDM通信系统应用,采用一种基于SNR估计的自适应滤波技术,对初始信道估计结果进行平滑滤波,降低噪声对估计结果的影响,提高信道估计算法的误码率性能。在FPGA上实现设计后,占用查找表和触发器资源分别为6 167和3 853,总体等效门面积降低了约8.34%。     

改进高阶容积粒子滤波的系统状态估计算法

传统粒子滤波（PF）直接采用状态转移先验分布作为重要性密度函数来近似后验概率密度函数,使得后验概率密度函数未包含量测信息。针对此问题,提出了一种改进高阶容积粒子滤波(CPF)的系统状态估计算法。算法采用七阶正交容积卡尔曼滤波（7th-CQKF）对PF的粒子进行传递,使得先验分布更新阶段融入最新量测信息;通过7th-CQKF设计重要性密度函数,提高对状态后验概率密度的逼近程度;通过反比例函数计算粒子权重,突出大噪声粒子与小噪声粒子权重差别,提高粒子有效性。仿真结果表明,改进高阶容积粒子滤波的估计精度高于容积粒子滤波（CPF）。     

基于FPGA实现的图像中值滤波算法

中值滤波是数字图像处理中一种常用的滤波技术,对噪声有良好的处理效果。利用FPGA并行处理架构的特点,详细介绍了一种在FPGA上实现对红外图像进行中值滤波处理的方案。实验结果表明,该滤波方案运用在红外成像系统中能有效抑制图像噪声,改善图像质量。     

一种简化的拟蒙特卡洛-高斯粒子滤波算法

提出了一种简化的拟蒙特卡洛-高斯粒子滤波(QMC-GPF)算法(SQMC-GPF),以解决将QMC方法应用于GPF时计算复杂度高、运算量大的问题.该算法中,在连续的迭代滤波过程开始之前,首先利用QMC采样产生单位拟高斯分布粒子集,然后用其线性变换产生GPF算法中需要的高斯分布粒子集,省去了重新进行QMC采样步骤.该算法简化了新粒子集的产生过程,减少了运算量和滤波时间,增强了算法的实时性.将粒子滤波算法(PF)、GPF 算法、QMC-GPF算法和SQMC-GPF算法用于单变量非静态增长模型(UNGM)和二维纯角度跟踪模型(BOT)的仿真结果表明,SQMC-GPF算法的滤波性能与QMC-GPF算法的滤波性能相近,但有更为明显的速度优势,具有重要的实际应用价值.     

基于高斯和粒子滤波的联合码和载波相位的伪距估计算法

针对导航星座中码测量值精度低但无整周模糊度,而载波相位测量值精度高但存在整周模糊度的特点,提出了一种基于高斯和粒子滤波(GSPF)的伪距估计算法,结合了两组测量值各自的优点。理论分析和仿真结果表明,该算法对周跳不敏感且伪距估计精度高。     

多传感器顺序粒子滤波算法

粒子滤波是一种基于Monte Carlo仿真的最优回归贝叶斯滤波算法.这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型,因此能够很好地解决非线性、非高斯环境下系统的状态估计问题.为了能够有效地解决非线性、非高斯环境中的集中式多传感器状态估计问题,本文研究了多传感器顺序粒子滤波算法.首先,从理论上推导了一般的集中式多传感器粒子滤波模型;然后根据集中式多传感器系统的特点,提出了顺序重抽样方法.最后,给出了算法的仿真分析.仿真结果说明顺序粒子滤波方法能够明显提高多传感器系统状态估计精度,并且随着传感器数增多,改善的效果越好.     

无人机自适应平滑切换姿态融合算法研究

针对GPS信号丢失导致组合导航算法精度降低甚至发散的难题,开展一种高效的自适应平滑切换融合算法研究.在GPS信号正常情况下,采用基于GPS量测的高阶组合导航算法估计姿态信息;在GPS信号丢失时,停止高阶滤波算法并切换为基于四元数的低阶姿态估计算法;当GPS信号恢复后,将低阶姿态估计算法的估计值作为高阶滤波算法初值,实现姿态估计算法的平滑切换.仿真结果和试飞试验表明,该切换策略具有较好的估计精度和可实现性,且切换过程中姿态角跳变小于0.5°,收敛时间小于0.1 s,有效地提高了有、无GPS信号情况下无人机的姿态估计精度.     

非线性非高斯模型的改进粒子滤波算法

针对被动定位跟踪系统非线性强、传统跟踪滤波方法收敛速度慢且容易发散的问题,给出了一种用于纯方位目标跟踪的改进粒子滤波算法。该算法首先用有限的高斯混合模型来近似后验状态密度;其次针对随机噪声对粒子权值准确性的影响,给出了改进的变权平均似然函数。根据χ2检验,对每个粒子权值的更新,采取由多次观测值计算粒子似然函数并对其求变权平均和单一观测值求似然函数相结合的方式进行,既减小随机观测噪声对权值的影响也提高了算法实时性;最后利用基于退火机制的Aitken加速EM算法（A-DAEM）取代传统粒子滤波的再采样过程,克服了EM算法容易陷入局部最值的缺点,改善了粒子枯竭的问题。仿真实验结果表明该算法与变权平均似然函数粒子滤波（PF-ALDP）和基于EM的高斯混合粒子滤波(EM-GMPF)相比,具有高精度估计能力和较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。      

实时Marginalized粒子滤波算法研究

研究了蒙特卡罗粒子滤波技术，讨论了高维状态空间中的目标状态估计问题。针对粒子滤波算法的计算复杂度问题，提出了一种基于改进型快速高斯变换（IFGT）的Marginalized粒子滤波算法。仿真实验结果表明，该算法可以有效降低计算复杂度，并能保证粒子滤波的其它性能。     

基于粒子滤波的MIMO-OFDM时变信道半盲估计

提出一种基于粒子滤波的MIMO-OFDM时变信道半盲估计方法。首先，对粒子滤波算法进行改进，通过对采样粒子分布进行局部优化调整，提出一种局部优化粒子滤波算法。然后，将该粒子滤波算法用于MIMO-OFDM时变信道估计。由于该信道估计过程在频域进行，因而无需已知（或估计）多径信道长度。与现有时变信道半盲估计方法相比，本方法具有估计误差低、对非高斯噪声顽健性强等特点，从而有效改善了接收端的符号检测性。计算机仿真结果证明了本方法的有效性。     

基于无味高斯粒子滤波的空-海BO—TMA的研究

介绍了粒子滤波（PF）的基本思想和免重采样无味高斯PF（UGPF）算法的基本原理，特别针对空-海单站只测方位目标运动分析TMA（BO—TMA）问题应用UGPF和EKF（扩展卡尔曼滤波）进行了对照研究，建立了问题的离散非线性滤波估计模副，设计了典型的应用场景，给出了Monte Cado仿真运行结果；表明UGPF具有更高的估计精度、更好的收敛特性和滤波一致性。     

基于SIR粒子滤波状态估计和残差平滑的故障检测算法

很多基于模型的随机系统故障检测方法要求系统模型线性且服从高斯分布,对于非线性非高斯随机系统这些方法性能欠佳.目前基于SIR粒子滤波似然函数值的故障检测算法是一种较好的非线性随机系统故障检测算法.本文提出一种基于SIR粒子滤波状态估计和残差平滑的故障检测算法.该算法采用SIR粒子滤波获得系统状态估计值,用系统状态观测值与系统状态估计值的理想观测值之差作为反映故障的残差,再利用残差平滑值进行故障检测.实验结果表明,在状态转移噪声方差远小于状态观测噪声方差时,该算法的故障误报率与基于SIR粒子滤波似然函数值的故障检测算法接近,而该算法的故障漏报率明显优于后者.