基于高斯粒子群优化的RBPF滤波算法

针对动态系统目标跟踪问题,RBPF算法通过将高维状态空间分解成易于处理的线性子部分与非线性子部分,并采取不同策略进行滤波估计。为了提高RBPF的计算效率,提出将粒子群优化思想融入到RBPF滤波估计中,凭借粒子群算法卓越的全局搜索能力,对于状态空间中非线性部分,通过粒子群算法驱使所有采样粒子向高似然区域(最优适应值区域)移动;对于线性状态部分,依然利用卡尔曼滤波进行处理。通过多组实验仿真结果对比,PSO-RBPF利用较少采样粒子、耗费较少时间即能获得极佳的估计精度。     

Diagnosis of cryogenic pump-motor systems using vibration and current signature analysis

In general, to send out natural gas via a pipeline network across the nation in LNG terminal, high-pressure cryogenic pump supply highly compressed LNG to high-pressure vaporization facilities. The Number of cryogenic pumps determined the send-out amount in LNG receiving terminal. So it is main equipment at LNG production process and should be maintained on best conditions. In this paper, to find out the cause of high vibration at cryogenic pumps-motor system in LNG terminal, vibration spectrum analysis and motor current signature analysis have been performed together. Through the analysis, motor rotor bar problems are estimated by the vibration analysis and confirmed by the current analysis. So, it is demonstrated through the case study in this paper, how performing vibration analysis and current signature analysis together can reliable diagnosis rotor bar problems in pump-motor system.     

基于激光和视觉信息的机器人目标跟踪方法

文中介绍了一种利用移动机器人的激光信息和摄像头信息实时跟踪目标的方法。实现了对人的准确迅速的跟踪。通过大量提取照到人的双脚的激光特征作为样本集,描述了一种基于条件随机场（CRF）模型的Rao—Blackwellized particle filter（RBPF）算法,CRF的observation potential可以直接从样本数据中获得。采用类似栅格滤波方法计算样本的后验概率。RBPF算法根据后验概率进行权值的更新和采样实现对激光特征的实时跟踪,从而实现人的跟踪。根据人的位置信息可以确定人在摄像头图像窗口中的大概位置,提取该位置的SURF特征,从而获得人在图像中的精确位置。     

基于随机集模型的MIMO-OFDM信道估计算法

在多径分量数确定的前提下,MIMO-OFDM系统采用传统的基于导频辅助和盲信道估计算法能获得较好性能。实际无线环境中,多径分量数目与幅度都是时变的,则传统信道估计方法不再适用。该文采用随机集理论建模MIMO-OFDM系统信道多径分量数的变化和MIMO信道。基于此模型提出了集中粒子空间重采样方法(CRS),在保留大概率粒子抽样样本的同时主动抛弃小概率抽样样本,以获得更为准确的真实样本逼近。并提出了基于集中重采样Rao-Blackwellised粒子滤波的信道估计方法(RBPFC)。仿真结果表明:所提出的RBPFC方法信道估计性能最好,基本Rao-Blackwellised粒子滤波方法次之但优于基本粒子滤波算法,卡尔曼滤波的信道估计方法性能最差。     

Robust RBPF for mobile robot using panoramic vision

We present a novel vision-based approach to self-localization that uses an improved scheme to integrate feature-based matching of panoramic images with a Rao-Blackwellized Particle Filter （RBPF） for mobile robot Simultaneous Localization and Mapping （SLAM）. The matching for SIFT multi-dimension features is implemented with a KD-tree which introduce the Mahalanobis distance instead of the Euclidean distance for matching features. The particle filter is combined with Gaussian Mixture Unscented Particle Filters （GMUPF） to for initializing landmarks and a Single-Cluster Graph-Partitioning algorithm for outlier rejection. The landmark position estimation and update is also implemented through GMUPF by which a single update step from moving and sensing can be done and the change to the map certainty can be done in constant time. Experiment results on real robot in our indoor environment show the advantages of our methods over previous approaches.     

迭代中心差分粒子滤波的SLAM算法

为了提高SLAM算法中的位姿估计精度,通过在广泛使用的RBPF粒子滤波器中,利用迭代中心差分卡尔曼滤波器(ICDKF)来代替其中的扩展卡尔曼滤波器(EKF),并融合新的观测数据使提议分布更加接近后验概率分布,并且能够精确估计智能车辆的位姿,进而采用ICDKF算法更新特征地图的位置.该算法在保证定位精度的同时减少了计算的复杂度,提高系统的估计性能,增加了迭代算法的稳定性.仿真实验结果验证了迭代中心差分粒子滤波SLAM算法的有效性.     

RBPF粒子滤波在目标跟踪中的应用研究

针对雷达目标跟踪中的某一类非线性问题,传统处理方法都是先行线性化再进行处理,但当线性化后的测量噪声相关性较大时则无法满足要求。为此,应用RBPF粒子滤波进行研究。在仿真实验中对RBPF多权值的情况进行探讨,提出一种可行的处理方法。对RBPF在噪声相关性较大时的性能进行分析,并讨论其在时间推移时的相对估计误差变化情况。     

基于RBPF和数据关联的多目标跟踪

粒子滤波用一组带有权值的随机采样点近似后验概率密度函数,实现对任意状态模型的精确估计。把Rao-Blackwellized粒子滤波与多假设跟踪算法相结合,将多目标跟踪问题分为2个部分,即数据关联中后验概率分布的估计和基于数据关联的单个目标跟踪估计。前者通过序列重要性重采样实现,后者使用卡尔曼滤波进行最小均方误差估计。实验结果表明,采用最优重要性分布可以减少计算所需粒子数和计算量。     

基于激光雷达与双目视觉的移动机器人SLAM研究

为解决移动机器人在环境未知条件下,利用单一传感器自主导航时不能及时定位、构建地图不精确的问题,提出采用一种改进RBPF算法,在计算提议分布时将移动机器人的观测数据(视觉信息与激光雷达信息)和里程计信息融合;针对一般视觉图像特征点提取算法较慢的问题,采用基于ORB算法对视觉图像进行处理以加快视觉图像处理速度的方法;最后通过在安装有开源机器人操作系统(ROS)的履带式移动机器人进行实验,验证了采用该方法可构建可靠性更高、更精确的2D栅格图,提高了移动机器人SLAM的鲁棒性.