一种新的进化裂变粒子滤波算法

针对经典自举粒子滤波中的重要性函数选取和重采样所导致的样本枯竭问题,提出了一种基于进化裂变的改进粒子滤波算法．该算法首先采用无迹卡尔曼滤波算法产生重要性函数,然后对重要性采样粒子进行裂变通过进化策略更新粒子集以增加粒子多样性,从而克服经典自举滤波重采样过程中的粒子退化问题．仿真实验表明,该算法能有效地提高跟踪精度, 跟踪性能优于经典粒子滤波算法．     

粒子滤波算法在目标跟踪中的应用

粒子滤波算法通过非参数化蒙特卡罗仿真方法实现递推贝叶斯滤波,基于序贯重要性采样的粒子滤波算法无法避免粒子退化问题;通过在滤波初始化阶段对初始化粒子进行优化选择,在重采样阶段使用非排序的基于权重的重采样算法对粒子滤波算法进行了改进,从一定程度上解决了粒子退化问题;仿真验证,本算法在保持与传统粒子滤波算法运算时间的条件下,提高了粒子滤波算法的估计精度,从而提高了其在机动目标跟踪中的性能.     

基于确定性重采样的粒子滤波算法

复杂背景下的运动目标跟踪往往要面对非线性非高斯问题,粒子滤波算法在非线性非高斯模型中的良好处理能力,使其得到广泛的应用.引入重采样方法(SIR)解决粒子退化问题的同时导致了样本枯竭.针对上述问题,文中提出了一种融合基本重采样方法和确定性重采样方法的新方法,能有效保持粒子的多样性.通过仿真实验表明,该方法能有效提高粒子滤波算法的准确性.     

均匀重采样粒子滤波器在SINS初始对准中的应用

针对标准粒子滤波算法中存在的样本贫化问题,提出一种在随机重采样中加入均匀采样的均匀重采样方法,不但可以保证标准粒子滤波算法逼近精度,同时能通过保留被抛弃粒子的分布范围增加粒子的多样性.针对捷联惯性导航系统的初始对准问题,应用这种均匀重采样的粒子滤波算法进行了仿真研究.仿真结果表明,在初始方位失准角为10°的情况下,均匀重采样粒子滤波算法的对准精度高于标准的粒子滤波算法,初始对准的稳定性也得到了有效改善.     

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．     

多方法融合的粒子滤波算法的神经丝自动跟踪

神经丝蛋白质是医学中研究肌萎缩侧索硬化症病情进展的标志物.为了能精确捕获某种神经丝蛋白质在神经鞘中的活动特性,引入了一种多方法融合的粒子滤波算法跟踪神经丝蛋白质的运动.该算法汲取颜色直方图法、核函数法及图模法等的优点,融合粒子滤波算法,实现自动跟踪神经丝蛋白质.此外,为了解决粒子滤波中样本贫化,即在粒子滤波计算中很大一部分粒子重叠到一个单独的点上的情况,需要重采样计算解决此问题.但在重采样过程中,容易造成一些粒子丢失各向异性而导致跟踪精度降低,甚至跟踪目标失败,故结合粒子滤波算法提出了一种改进重采样约束方法.实验结果表明,基于改进重采样法及多方法融合的粒子滤波算法较传统算法能有效地减少样本贫化问题,并且可以高精度地跟踪移动、变形的神经丝蛋白质,为医学中神经丝蛋白质研究提供了新支撑方法.     

粗细尺度耦合粒子滤波在多目标跟踪中的应用研究

文章提出了一种进行多目标跟踪的高效率粒子滤波器算法。它利用粗细2种尺度耦合采样信号,粗尺度采样降低算法计算的复杂度;细尺度采样来保证精度,同时不用重采样来消除粒子滤波的退化现象。对信号经过粗细2种尺度处理以后,再用基于MCMC方法的Metroplis-Hasting采样得到多目标系统的最大似然函数参数后验满条件的分布,并对多目标系统进行实时跟踪。仿真表明该算法在处理多目标跟踪问题时具有高效率和精确性。     

一种基于重要性权值选择的粒子滤波方法

针对粒子滤波算法存在计算量大和重采样过程带来计算量的扩张随粒子数的增加而成级数增加的问题,改进了一种基于重要性权值选择的粒子滤波方法．该方法运用重要性权值选择准则去除无效粒子而保留对状态估计贡献较大的粒子,每一状态时刻都根据权值选择的结果决定所要利用的粒子及其数目．仿真结果表明,该方法不仅保持了较高的滤波性能,而且能有效减小算法的计算量,有利于工程实现．     

一种粒子滤波自适应优化算法

通过对粒子滤波算法中建议分布与重采样2种改进技术分析,提出了一种粒子滤波自适应优化算法．首先,基于退火参数自适应优化混合建议分布,以改进建议分布的采样范围．然后,在基于有效样本大小的自适应重采样技术之上,借助另一多样性测度即种群多样性因子来自适应调整重采样阈值,而且,样本变异操作在重采样之后被引入确保样本的多样性．同时,结合部分分层重采样算法研究并进行改进,改进的部分分层重采样算法具有原算法执行快时间短的优点,同时结合权重优化的思想改进重采样的样本权重计算．通过仿真实验,粒子滤波自适应优化算法的性能和有效性均得以验证．     

基于序列Monte Carlo方法的运动目标跟踪

针对移动机器人中的非线性非高斯特性,提出用粒子滤波的方法对运动目标进行跟踪,研究在贝叶斯框架下进行目标跟踪的原理,分析粒子滤波算法及存在的问题.应用这种方法,针对移动机器人的实际情况,建立了具体的系统模型和测量模型,比较不同的重采样算法,实现了对运动目标的跟踪任务.仿真结果表明,粒子滤波对于非线性非高斯的动态系统有良好的估计效果,在3种常用的重采样算法中,残差重采样的准确性稍高,分层重采样的计算比较简单,而多项式重采样是一种基本的重采样算法.     

基于重采样平滑粒子滤波的检测前跟踪

针对基于序列重采样(SIR)粒子滤波的检测前跟踪(TBD)算法的不足,提出了重采样平滑(RS)算法以及简化的RS算法,并将其应用于常规雷达的TBD算法,得到基于序列重要性重采样平滑(SIRS)的TBD(SIRS-TBD)算法.仿真结果表明,RS算法可以有效地提高粒子的多样性,在雷达上应用SIRS-TBD算法可以实现对低可探测目标的检测和跟踪.     

基于抛物线拉东变换的地震道重构

研究了一种基于抛物线拉东变换(PRT)的地震道外推和内插方法，该方法根据部分NMO校正后的CMP(Common Middle Point，共中心点)道集中地震同相轴的抛物线假设，在待重建道的位置用零值道代替，然后采用迭代方式，通过带限抛物线拉东正变换和最小平方抛物线拉东反变换进行数据重构．结果表明，该方法可用于叠前道集中缺失道的重建、外推、内插以及数据重采样和数据规则化等方面．模型数据和实际数据应用还表明本方法是有效的和稳健的，它不需要精确的NMO速度，具有很强的抗噪能力，且能进行中间偏移距道和远偏移距道的处理，对于多次波的消除、AVO分析、DMO处理和某些三维叠前偏移成像方法都将是有益的．     

对光照变化鲁棒的多特征动态提取跟踪算法

针对视觉跟踪算法光照自适应能力差的问题,提出了一种对光照变化鲁棒的多特征动态提取跟踪算法。该算法采用高效克服光照影响的特征提取方法,颜色子模型采用模糊直方图方法获取,在同态滤波基础上建立边缘子模型,运动子模型采用改进的三帧差分法提取。该算法还定义了一个新的特征融合模型,把多种互补的观测子模型动态融合,增强了观测模型的准确性,合理量化特征的可靠性使跟踪更稳定。同时采用改进的粒子重采样方法提高了跟踪准确度。实验结果表明,该算法能有效地避免光照变化对跟踪的影响,具有较好的鲁棒性。     

基于二维人脸图像的三维建模研究

针对目前三维人脸建模方法存在的不足,在分析了网格重采样方法的基础上,提出了一种改进的基于模板的网格重采样方法.首先对人脸的重要特征点大致定位,自动将人脸划分为36个分块,初步建立三维人脸间的对应关系;然后使用重采样的方法,得到具有规则拓扑结构的人脸特征点,建立较为精细的中性人脸模型.经实验证明,该方法能够在较短时间内实现对中性三维人脸的建模,同时对高维模型进行了网格简化.     

组效关系中临界值的确定

基于中药指纹图谱中的色谱峰与药效指标之间的灰色关联度,利用统计中的假设检验和非参数估计,对如何确定中药材(Traditional Chinese Medicine,TCM)中有效组分的临界值问题进行了研究.克服了主观设定临界值的缺陷,为探究中药中的有效组分提供了一种量化指标.实验结果表明:该方法能够有效地确定中药中的有效成分,验证了其可行性.     

Particle Filter Object Tracking Algorithm Based on Sparse Representation and Nonlinear Resampling

Object tracking with abrupt motion is an important research topic and has attracted wide attention.To obtain accurate tracking results,an improved particle filter tracking algorithm based on sparse representation and nonlinear resampling is proposed in this paper.First,the sparse representation is used to compute particle weights by considering the fact that the weights are sparse when the object moves abruptly,so the potential object region can be predicted more precisely.Then,a nonlinear resampling process is proposed by utilizing the nonlinear sorting strategy,which can solve the problem of particle diversity impoverishment caused by traditional resampling methods.Experimental results based on videos containing objects with various abrupt motions have demonstrated the effectiveness of the proposed algorithm.     

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.     

基于数据采样方法的城市道路自由流行程时间估计

基于交通波模型,提出利用车牌识别数据估计城市道路自由流行程时间. 无需额外架设检测器或现场测算,所提方法具备准确性、科学性、实用性的特点. 基于车辆均匀到达的假设,将行程时间分为自由流行程时间和延误,建立信号影响下的路段行程时间分布函数. 针对现实环境中车流非均匀到达的特点,提出数据重采样方法生成符合均匀流假设的行程时间数据;拟合行程时间分布函数以获得路段自由流行程时间. 在杭州市多个路段的数据验证结果表明,重采样后的行程时间数据较好地拟合了行程时间分布模型,估得的自由流行程时间准确且具备理论支撑.