应用最小偏度采样的UPF算法

针对一般粒子滤波中的退化问题,提出了一种改进的Unscented卡尔曼粒子滤波(UPF)算法.提出了最小偏度采样策略,将该策略应用于UKF算法中,以UKF方法生成建议分布并从中采样,解决了一般粒子滤波算法中以转换先验密度函数作为替代分布所引发的粒子退化等问题.将多项式重采样和分层重采样两种方法结合起来进行重采样,有效地减弱了粒子退化问题.最后,给出了非线性序列的仿真算例.理论分析和仿真结果表明,改进的UPF算法提高了滤波的稳定性和精度,算法的运行效率提高了30%.     

基于改进粒子滤波算法的人眼跟踪方法

针对粒子滤波计算量大、粒子匮乏等问题,提出了2种策略来改进粒子滤波算法,一方面基于Galerkin投影法产生良好的粒子滤波参考分布函数;另一方面将BP神经网络引入粒子滤波,提出了一种提高粒子多样性的重采样策略。在此基础上,将改进的粒子滤波算法应用于人眼跟踪问题,运用颜色和纹理复合的观测模型,实现了人眼的准确跟踪。实验结果表明,改进算法有效提高了粒子滤波的估计精度和运算速度,避免了粒子退化和样本匮乏现象。     

基于MCMC方法的正则粒子滤波算法及其应用

粒子退化现象是一般粒子滤波无法避免的问题.通过分析该现象产生的原因.提出了将MCMC(马尔可夫链蒙特卡罗)方法应用于正则粒子滤波算法(RPF),与采样重要重采样(SIR)粒子滤波算法比较.此算法不仅克服了粒子退化现象,而且解决了重采样带来的采样枯竭的影响.仿真和实验结果表明:该算法在滤波精度和自适应调整粒子个数方面比SIR粒子滤波有很大的提高.     

基于IEKF-APF算法的汽车状态估计

行驶汽车状态变量质心侧偏角和横摆角速度是汽车稳定性控制系统中重要控制变量,准确获取行驶过程中的状态信息是汽车控制系统研究的关键问题。应用估计理论由传感器测出易测变量来估计难以测量的关键状态变量是一种常用的估计方法。提出一种新的粒子滤波算法通过所建立的包含定常平稳随机噪声和非线性轮胎的汽车动力学7自由度整车模型对汽车状态进行估计。针对粒子滤波过程中出现的退化问题,应用迭代扩展卡尔曼滤波融入最新观测信息产生更加接近真实状态的重要性密度函数,辅助粒子滤波算法通过所产生的重要性密度函数结合观测量进行重采样,结合这两种算法提出迭代扩展卡尔曼-辅助粒子滤波算法(Iterative extended Kalman filtering-auxiliary particle filtering algorithm, IEKF-APF)以改善粒子采样和估计精度的提高。为验证所提出的IEKF-APF算法估计性能,将其结果与实车试验结果和无迹卡尔曼滤波算法(Unscented Kalman filtering, UKF)估计结果进行比较,结果表明其估计性能优于UKF,更接近于试验结果。     

基于萤火虫算法改进移动机器人定位方法研究*

针对传统蒙特卡洛定位中粒子退化以及粒子贫乏造成的移动机器人定位精度下降问题,提出了利用萤火虫算法改进蒙特卡洛定位的方法。利用改进后的萤火虫算法优化粒子的采样过程,使粒子在权值更新前趋向高似然区域,并且改进了重采样策略,新的重采样可以使粒子的多样性更好。将改进后的新算法用于机器人定位实验中,结果表明新算法相比扩展卡尔曼粒子滤波在粒子数分别为10、30、50的情况下性能分别提高了20%、34%、29%,并且使用的时间更少。     

秩滤波方法

基于秩统计量相关原理提出一种秩采样方法,其采样点分布合理,能够有效地模拟系统状态的概率分布。在此基础上,进一步提出一种非线性秩滤波方法,给出秩滤波的采样策略、时间更新、量测更新公式及其计算步骤。目前常用的非线性滤波方法有无迹Kalman滤波和粒子滤波。无迹Kalman滤波方法只适用于高斯分布的情况;粒子滤波方法虽然可用于非高斯分布的非线性滤波,但却存在粒子退化及重采样引起的粒子贫化问题,且计算复杂、工作量大。而秩滤波方法不仅适用于高斯分布的非线性滤波,也适用于常见的多元t分布、多元极值分布等非高斯分布的非线性滤波,并且计算简单、计算量小,便于工程应用。从仿真算例可以看到,该方法比无迹Kalman滤波方法具有更高的滤波精度。     

分层近似粒子滤波及其在陀螺寻北中的应用

针对粒子滤波的粒子退化和匮乏等问题,在粒子滤波和网格近似的基础上,提出了一种采用分层近似策略的粒子滤波改进算法.改进算法利用高斯分布对后验概率密度进行近似,并在连续分布的后验概率密度上进行分层近似,从而获得更具效率的粒子,提高了粒子滤波的精度.光纤陀螺的寻北精度主要取决于光纤陀螺自身的性能以及所采用的寻北方案,将采用分层近似策略的改进粒子滤波算法应用于光纤陀螺的寻北方案中,能够有效地解决光纤陀螺寻北中的非线性状态估计问题,提高光纤陀螺的寻北精度.     

基于粒子滤波的无人机电视导引系统目标跟踪算法研究

为了实现直接攻击无人机的自动导引,设计了一种适用于小型攻击无人机的可见光电视导引系统,介绍了系统硬件构成。针对图像跟踪中的非线性滤波问题,采用了粒子滤波算法。在分析了粒子滤波算法中的退化现象后,设计了一种新的重采样算法。算法中样本的权值将直接决定这个样本是否应该被保留或者放弃,和这个样本以后的使用次数,权值大小的区分采用基于统计学分析的起始值。在粒子滤波的框架下,具体提出了一种基于粒子滤波的相关跟踪算法。算法仿真表明新的粒子滤波算法跟踪精度比以前的算法有较大提高。     

基于 Huber 鲁棒容积裂变粒子滤波的协同导航方法

数据融合作为多源协同导航方案中的一环对状态估计质量影响重大。粒子滤波由于其在非线性非高斯系统中具备的独特理论优势已逐渐成为众多融合方法焦点。但粒子退化及其导致的样本枯竭却制约粒子滤波在复杂工程中的应用。提出采用鲁棒容积裂变粒子滤波解决上述问题。首先在容积法则框架下利用Huber函数将L2范数与L1范数结合来改进重要性密度函数,抑制观测噪声并通过高斯分布融合拉普拉斯分布进一步优化建议分布,以此缓解粒子退化;在重采样前对粒子群进行裂变衍生,通过对高权值粒子进行裂变并覆盖低权值粒子重构粒子权值实现对样本枯竭的抑制。多源协同导航车载实验表明,在相同条件下,相对于扩展卡尔曼滤波、容积粒子滤波、强跟踪粒子滤波,提出的算法在精确度上分别提高了23.04%、42.62%、37.74%,为缓解粒子退化和多源协同定位提供了新的思路。     

未知噪声下非线性系统的故障检测方法研究

为解决生产过程中未知噪声背景下非线性系统的故障检测问题,提出了一种基于改进粒子滤波的故障检测方法。首先利用Sage-Husa估计器直接对未知噪声特性进行估计,引入UKF避免SageHusa估计器线性化带来的误差,并充分考虑最新量测信息产生新的建议分布函数;然后采用权值抖动的萤火虫算法优化重采样过程,缓解粒子退化和样本枯竭问题;最后依据改进粒子滤波估计的量测值与实际量测值比较产生残差,以残差为依据进行故障检测。仿真结果验证了该方法的有效性。     

移动机器人自适应抗差无迹粒子滤波定位算法

针对机器人定位过程中传感器感知信息存在野值,加剧粒子退化,导致机器人状态参数滤波值失真,甚至出现定位失败的问题,提出一种机器人自适应抗差无迹粒子滤波定位算法。在重要性采样阶段利用无迹卡尔曼滤波产生优选的建议分布函数,降低系统估计误差,同时有效提升系统的抗噪声能力。同时利用抗差估计原理构造抗差方差分量统计量,并由该统计量引入的自适应因子调节增益矩阵,减弱野值对滤波的影响。实验结果表明,当观测数据中存在野值时,该算法能够有效地控制观测异常误差的影响,定位精度得到了很大提高,并在不同系统噪声和观测噪声方差下,具有较强的鲁棒性和实时性。     

Robust evolutionary particle filter

The particle filter (PF) has been widely applied for non-linear filtering owing to its ability to carry multiple hypotheses relaxing the linearity and Gaussian assumptions. However, PF is inconsistent over time due to the loss of particle diversity caused mainly by the particle depletion in resampling step and incorrect a priori knowledge of process and measurement noise. To overcome these problems, in this paper, robust evolutionary particle filter is proposed. The proposed method can work in unknown statistical noise and does not require a prior knowledge about the system. In addition, to increase diversity, a resampling process is done based on the differential evolution (DE). The effectiveness of the proposed algorithm is demonstrated through Monte Carlo simulations. The simulation results demonstrate the effectiveness of the proposed method.     

基于改进粒子滤波的重型燃气轮机跳机故障预测

重型燃气轮机是清洁发电的重要装备，其轴系的振动水平是机组运行状态的直观表征。跳机故障是由于振动加大而触发的非计划突然停机，会对燃气轮机的核心部件（如叶片、拉杆等）产生较大冲击，造成设备损伤。提出基于改进粒子滤波的重型燃气轮机振动趋势预测方法，通过对粒子滤波方法的分析，提出一种二次重采样策略，使得改进粒子滤波对粒子匮乏现象更具抵抗力，具有更好的适应性。所提方法在某300 MW重型燃气轮机的跳机故障中得到验证，能够准确预测跳机的故障时刻，为燃气轮机的控制策略调整提供指导。     

基于混沌优化MPSO的移动机器人FastSLAM算法研究

针对移动机器人快速同时定位和地图创建(FastSLAM)中粒子退化问题,提出一种基于混沌优化的中值导向粒子群优化(MPSO)算法。该算法在粒子估计过程中引入观测信息,调整粒子的提议分布,提高位置预测的准测性。混沌优化MPSO算法采用两步优化策略,首先通过中值导向加速度来改进粒子的进化速度,有效地克服粒子退化问题,改善算法的收敛性;然后针对粒子耗尽问题,在MPSO优化算法中引入混沌搜索算法来寻找全局最优位置,驱散聚集在局部最优的粒子群,使其向全局最优位置靠近,扩大解空间的范围,从而保持种群的多样性。仿真和实时数据证明了该方法正确、可行。     

一种改进的交互式多模型粒子滤波算法

在实际的目标跟踪与识别的过程中,机动目标的跟踪不仅受非线性和非高斯现象的影响,而且它所采用的交互式多模型粒子滤波算法还存在着粒子权值退化和重要性密度函数选择的问题,导致跟踪误差较大。针对这一问题,提出了一种交互式的多模型的迭代容积粒子算法。该算法通过融合最新量测值产生更加接近系统的真实值,从而使粒子利用率得到进一步的提高。此外为了解决粒子的多样性减少的问题,还引入了MCMC重采样方法。仿真的结果表明,对于机动目标的跟踪与识别,改进的算法的精度要比IMM-PF算法的精度高、误差小,且通过改进的算法得到的重要性密度函数更加接近系统的后验概率分布。     

局部惯性监测数据多重滤波及其在巷隧围岩监测中的应用

在各类地下岩土工程中,巷隧结构围岩事故发生频率高、造成损失重,是工程监测的重点。局部惯性监测技术利用 MEMS 惯性传感单元,可同时监测物体的振动与变形,已逐步应用于岩土工程健康监测领域。但由于工程作业环境的复杂性,在进行变形分析时,局部惯性监测数据往往噪声较大,仍需对原始信号进行滤波处理。基于 1 组 200 Hz 采样频率的监测信号样本,通过不同参数的重采样滤波、移动平均滤波与移动中值滤波,得到了较优的滤波方案。结果表明,重采样低通滤波与移动中值滤波的多重滤波法可有效剔除原始加速度监测信号大部分噪声,在平滑信号的同时能够控制滤波后信号时域误差在较小范围。所设计滤波方法有望应用于巷隧结构局部惯性监测,为被测结构的变形分析提供更明晰、准确的监测数据。     

非高斯噪声下基于U-粒子滤波器和似然比的非线性系统故障诊断

针对普通粒子滤波器在非线性系统随机系统故障诊断中的“退化”现象和估计精度的不足,进而影响诊断准确率的问题,提出应用U-粒子滤波器(Unscented particle filter,UPF)进行改进的方法。在建立正常/异常UPF滤波器模型的基础上,推导基于UPF的似然概率密度函数和似然比(Log likelihood ratio,LLR)计算方法,构造故障的检测律和诊断律,并给出完整的故障诊断算法,不仅能准确预报故障发生的时刻,而且可以诊断出故障的类型。最后在某直升机非线性舵回路上进行了试验验证,结果证明了该方法的有效性和优越性。