基于粒子群优化的机器人多传感器自标定方法

针对机器人感知系统中多个传感器的位姿关系估计问题,提出一种新的基于粒子群优化的自标定方 法．利用激光扫描点在图像上的投影线约束条件,建立摄像机与激光扫描仪外参数的非线性优化目标函数,采用粒 子群算法优化外参数．该方法对参数的初值并不敏感,无需特定的标定物．实验结果表明,该算法的标定精度高．     

扩展风险性滤波算法的修正方法

针对非线性系统扩展风险性滤波(ERSF)估计精度较低的缺点,提出一种基于二阶Taylor展开对其进行高阶修正的算法.该算法利用高阶项对一阶扩展卡尔曼滤波(EKF)的状态估计向量及协方差阵进行适当修正,并由新息滤波方法得到修正的扩展风险性滤波(MERSF).高度非线性的仿真研究表明,所提出的算法在计算量增加不多的情况下,滤波精度有明显的提高.

     

未知杂波环境下的多目标跟踪算法

提出了一种未知杂波环境下的多目标跟踪算法. 该算法通过有限混合模型(Finite mixtrue model, FMM)建立多目标似然函数, 其中混合模型参数可通过期望极大化(Expectation maximum, EM)算法及模型合并与删除技术得到. 由估计的混合模型参数可进一步得到杂波模型估计、目标个数估计以及多目标状态估计. 类似基于随机有限集(Random finite set, RFS)的多目标跟踪算法, 该算法也可避免目标与测量的关联过程. 仿真实验表明, 当杂波分布未知并且较复杂时, 本文算法的估计效果要明显优于未进行杂波拟合时的多目标跟踪算法.     

分布式自动删除平均恒虚警率检测技术

根据自动删除平均算法提出了一种新的分布式多传感器的目标检测算法. 在该方法中, 首先根据自动删除平均算法(Censored cell-averaging, CCA)得到各传感器的杂波/噪声电平估计, 然后将检测单元电平与得到的杂波/噪声电平估计值相比较, 得到有无目标的局部判决,并将其传送到融合中心. 融合中心采用"k/N'融合准则得到有无目标的全局判决. 其中, 自动删除平均算法的优势明显, 它不需要干扰的先验信息, 可以容纳的干扰目标数不会像顺序统计量OS (k) (Order statistics)方法那样受指定k值的限制, 更接近实际. 自动删除平均算法还可以检测本身可能是目标的干扰. 在假定目标服从Swerling 2型起伏的情况下, 导出了相应的检测概率与虚警概率解析表达式. 多种检测器数值和图表分析的比较结果表明了该方法的有效性和优越性.     

CBMeMBer滤波器序贯蒙特卡罗实现新方法的研究

为提升多伯努利滤波器序贯蒙特卡罗(Sequential Monte Carlo, SMC)实现中粒子采样的有效性,提出一种CBMeMBer辅助粒子滤波(Auxiliary particle filter, APF)实现的新方法.首先,利用多伯努利后验概率密度选择适合于CBMeMBer滤波器的辅助变量去重新定义采样问题.分别选择量测和先验密度分量作为辅助变量,确保最终的状态粒子能够集中在真实目标量测对应航迹的伯努利概率密度上进行采样,以使粒子向似然函数的峰值区移动,得到更为精确的多目标多伯努利(Multi-target multi-Bernoulli, MeMBer)后验概率密度的估计.同时,文中深入研究并给出了在量测更新和漏检情况下辅助变量以及多目标状态采样分布函数的设计,并研究利用渐近更新(Progressive correction, PC)算法对先验密度分量的量测更新进行迭代逼近计算,以提高最终分布函数求解的准确度.最后,针对两个典型非线性多目标跟踪问题的应用验证了算法的有效性.     

机动多目标跟踪中的传感器控制策略的研究

针对机动多目标跟踪中的传感器控制问题, 本文提出一种基于信息论的多模型多伯努利滤波器的控制方案. 首先, 基于随机有限集(Random finite set, RFS)方法给出信息论下的传感器控制的一般方法; 其次, 本文给出多模型势均衡多目标多伯努利滤波器的序贯蒙特卡罗实现形式. 此外, 提出一种目标导向的多伯努利概率密度的粒子采样方法, 并借助该方法近似多目标概率密度, 继而利用Bhattacharyya 距离求解最终的控制方案. 典型机动多目标跟踪问题的仿真应用验证了本文传感器控制方法的有效性.     

大工业过程稳态优化的模糊双迭代法

在研究大工业过程稳态优化控制算法时, 针对模型–实际存在差异, 将子过程模型作为等式约束, 通过引入模糊系数使其转化为模糊等式约束, 同时对子过程的不等式约束进行模糊化处理, 提出具有模糊不等式约束的模糊双迭代法, 通过实际例子研究了模糊双迭代法. 仿真结果表明, 模糊双迭代法目标函数非常接近实际目标函数值、算法迭代次数较精确双迭代法有明显改善. 这对实际生产非常重要.     

舰载红外警戒系统的单站多目标数据关联与滤波算法

针对舰载红外警戒系统和所观测目标的特点,本文提出一种单站被动式跟踪系统的关联滤波算法.首先选取极坐标系建模使系统方程得到简化,然后基于启发式规则进行航迹起始,并给出纯角度域下的联合概率数据关联算法(JPDA),接着分析变量在角度域的变化规律,结合实际对算法进行修正从而完成交互多模型(IMM)的跟踪滤波.不同的仿真场景被给出用于验证该算法的性能,蒙特卡罗仿真结果表明该算法的有效性.     

SAR图像MAP降噪的精细研究

本文推导出基于最大后验概率(MAP)滤波的一般形式,给出不同噪声分布和真实图像先验分布条件下的MAP滤波方程.从滤波方程在特定区间上解的分布情况以及区域统计特性分类两方面分析了MAP降噪性能,由此给出了MAP滤波的阈值表达形式.最后给出合成孔径雷达(SAR)图像的MAP降噪试验以及噪声滤除能力的量化指标.为了消除噪声强度对试验结果的影响,全面反映MAP降噪性能,本文给出了降噪能力随噪声大小的动态变化关系.结果表明,真实图像的先验分布对MAP滤波性能有着直接的影响,不合理的先验分布假定会严重降低MAP滤波的降噪能力.     

一种基于集中式融合的多模型图像跟踪系统

本文设计了一种多模型的图像跟踪系统，并采用集中式结构来融合各种模型的跟踪结果．由于图像中噪声的存在、遮挡现象的发生以及被跟踪对象的变形会对某些跟踪算法产生影响，因此，一个比较理想的跟踪系统应该能够融合这些跟踪算法的优点，从而稳定地跟踪目标．本系统采用了两个跟踪模式，分别是基于区域的和基于特征点的跟踪方法．两种模式分别得到量测，并由相关系数判定遮挡，从而决定哪些跟踪结果送到融合中心．仿真试验表明，这种算法能有效提高跟踪精度，并具有较强的鲁棒性．