UPF改进算法在单站无源定位中的应用

针对UPF算法在固定单站无源定位目标跟踪应用中存在运算量大、实时性差的问题,通过借鉴简化UKF的思想采用超球面单形采样策略、针对应用背景下状态模型的线性特性采用KF代替状态模型的Sigma点采样、在粒子滤波中对部分粒子间隔进行UKF采样三个方面的改进,提出一种改进的UPF算法。改进的UPF算法既有效降低了运算量,又增加了粒子的多样性,使粒子集更加逼近真实的后验概率密度函数。计算机仿真表明,改进的UPF算法在保持原有滤波精度的同时,有效减少了运算时间,可用相当于EKPF的运算效率得到UPF的滤波精度,适用于固定单站无源定位跟踪系统。     

改进粒子滤波算法的比较

重要性密度函数的选择对粒子滤波至关重要,围绕重要性密度函数的选择,已提出许多改进粒子滤波算法,典型的有扩展卡尔曼粒子滤波(EPF),不敏卡尔曼粒子滤波(UPF)、辅助粒子滤波(APF)及正则化粒子滤波(RPF).详细讨论了4种改进粒子滤波算法的基本思想、性能特.占及主要步骤.通过对一典型标量非线性系统的滤波实验,对4种改进算法的性能进行了仿真比较,实验结果表明,4种改进算法都从不同程度上改善了粒子滤波器的性能,其中,UPF的性能最优.最后,分析了各算法的改进原因.     

一种结合小波变换的UPF改进算法

文中在非线性贝叶斯理论的基础上介绍了粒子滤波（PF）算法及其改进算法UPF算法。利用小波变换良好的去噪能力，提出了一种结合小波变换的UPF改进算法，该算法将小波变换的去噪原理应用于粒子滤波，用于降低重要性权值的方差，从而达到提高粒子滤波的精度和稳定性的目的。仿真结果表明改进的UPF算法与原UPF算法相比，收敛速度更快，滤波精度更高，因而是一种新型的粒子滤波改进算法。     

UPF算法及其在目标跟踪中的应用

分析了基于贝叶斯理论的粒子滤波算法的优缺点,研究了一种改进的粒子滤波(PF)算法UPF。将两种算法在目标跟踪中的性能进行了比较。仿真结果表明,改进算法UPF定位精度更高,抗噪声能力更强,实时性更好。     

基于UPF的GPS/SINS组合导航系统设计

建立了GPS/INS非线性误差模型,利用UPF滤波算法实现了该组合系统定位功能,一方面针对UKF估计误差协方差极易非正定的问题进行了正定化处理;另一方面在粒子滤波环节针对重采样导致的粒子多样性降低的问题,增加了MCMC移动步骤.实验结果表明:应用UPF实现的组合导航系统定位精度明显优于EKF和UKF,且定位误差波动幅度较小,既能够满足非线性系统的导航精度要求,又能够满足定位系统对滤波稳定性的要求.     

基于修正无偏量测转换的粒子滤波算法研究

如何得到重要性密度函数是粒子滤波算法的关键问题之一。首先阐述了粒子滤波的一般方法;然后在分析修正无偏量测转换统计特征的基础上,提出了一种修正无偏量测转换粒子滤波(M-UCMPF)算法,推导了该算法的重要性概率密度函数;最后通过仿真实验对比分析了M-UCMPF算法、不敏卡尔曼粒子滤波(UPF)算法、修正无偏量测转换卡尔曼滤波(M-UCMKF)算法和不敏卡尔曼滤波(UKF)算法的性能。仿真结果表明,M-UCMPF算法具有运算量相对较小而滤波精度高的特点。     

基于无味粒子滤波的动态场景下高机动目标跟踪

针对传统粒子滤波的目标跟踪算法存在粒子退化问题,提出了基于无味粒子滤波(UPF)的目标跟踪算法。为了将当前观测信息融入,采用无味卡尔曼滤波(UKF)生成粒子滤波的提议分布,以改善滤波效果。针对目标在机动过程中引起的视觉形变以及背景的变化,又采用了颜色直方图作为目标的颜色分布模型,并与UPF相融合。仿真结果表明,该算法对动态场景下的高机动目标有较好的跟踪效果。     

MCMC粒子滤波算法研究及应用

粒子滤波算法是一种基于贝叶斯估计的蒙特卡罗方法,适用于非线性非高斯系统的分析,被广泛应用于跟踪、定位等问题的研究中。为了解决粒子滤波算法在重采样后,丧失粒子多样性的问题,本文在粒子滤波算法的重采样步骤后,加入了马尔可夫链蒙特卡罗（Markov Chain Monte Carlo,简称MCMC）移动步骤,增加粒子的多样性。利用粒子滤波算法和MCMC粒子滤波算法对目标跟踪问题进行了仿真,并且通过分析仿真实验结果,比较了两种算法的性能,结果说明加入MCMC粒子滤波算法的性能优于粒子滤波算法。     

代表点理论在粒子滤波算法中的应用

将统计学中的数论方法应用于粒子滤波,使用随机分布的均方差代表点,对粒子滤波中关键的初始粒子生成、重点密度采样及再采样过程给出了相应的代表点算法,得到了一个包含最少随机操作的、使用非等权值粒子的改进粒子滤波算法.     

基于GAUPF-IMM算法的机动目标跟踪研究

为提高对机动目标滤波跟踪的精度,融合遗传算法与粒子滤波交互多模算法,提出了一种遗传算法优化的交互式多模不敏粒子滤波算法(GAUPF-IMM).该算法采用多模型结构,各模型匹配无迹粒子滤波(UPF),使得新算法用较少的粒子就能体现后验概率密度的特征,减少计算童的同时降低拉子退化现象.并在粒子滤波器输出数据时引入遗传算法对...     

毫米波/红外多传感器融合跟踪算法研究

毫米波/红外(MMW/IR)传感器是各国发展多模复合制导技术的重点.针对平方根无迹卡尔曼滤波(SR-UKF)的估计算法存在线性化误差及粒子滤波中得到优化的重要性密度函数比较困难的问题,将平方根无迹卡尔曼滤波与粒子滤波相结合,提出一种序贯融合的平方根无迹卡尔曼粒子滤波(SRUKPF)算法.利用平方根无迹卡尔曼算法得到的状态更新矩阵和误差协方差矩阵,构造粒子滤波的重要性密度函数,这样重要性密度函数能够融入最新观测信息,进而更加符合真实状态的后验概率分布.为验证算法的有效性,以地空导弹中MMW/IR传感器复合制导为背景进行仿真研究与分析,结果表明,该算法克服了粒子滤波法难以得到优化重要性密度函数的缺陷,能有效提高多传感器系统状态估计的精度     

Particle Filter-Based Synchronization of Chaotic Colpitts Circuits Combating AWGN Channel Distortion

In this paper, synchronization of chaotic Colpitts circuits using a particle filter (PF) to combat the additive white Gaussian noise (AWGN) channel effect is studied by numeric simulations. A novel PF algorithm suitable for chaos synchronization is proposed. With this algorithm, chaos synchronization of Colpitts circuits can be achieved and maintained in AWGN channels. Parameters in the proposed PF algorithm are studied to understand their effects on synchronization performance. The synchronization performance using the proposed PF algorithm is compared with those using other digital filters, such as the extended Kalman filter and the generic PF. It is found that the proposed PF algorithm performs better than the other digital filters. Simulation results also show that the particle number is not very critical to the synchronization performance when this PF algorithm is used.     

非均匀稀疏采样环境的改进高斯粒子滤波方法

粒子滤波（PF）技术的研究一直是非线性滤波领域的热点和难点问题,针对非均匀稀疏采样环境下传感器观测的滤波估计问题,提出了一种结合目标运动特性的改进型高斯粒子滤波方法。在该方法中,首先深入分析了传统粒子滤波不能有效对非均匀稀疏采样观测数据进行有效处理的原因,通过引入目标观测、目标观测的有效时间间隔、目标速度等目标特性,综合改善高斯粒子滤波器在时间更新阶段预测粒子和预测协方差估计的准确性,从而提高观测更新阶段重要性密度函数的估计精度,实现对目标状态的精确估计。实验结果表明,对于一维非线性非高斯例子,提出方法要稍好于传统的PF、辅助粒子滤波（APF）和高斯粒子滤波（GPF）;而对于实际的非均匀稀疏采样观测样本,提出方法要远好于PF、APF和GPF,能够有效对目标进行状态估计。      

基于SWT域改进粒子滤波的SAR图像降斑算法

 粒子滤波(PF)非常适合处理非高斯状态空间模型的滤波问题,而SAR图像的非高斯降斑算法正是粒子滤波的一个有效应用,本文在平稳小波变换(SWT)域上提出了一种基于马尔可夫随机场(MRF)的改进PF的SAR图像降斑算法.新算法首先分析验证了SAR图像在SWT域比在DWT域中利用广义高斯分布(GGD)建模更为精确;然后针对基本PF降斑算法中的粒子整体权重偏差问题,引入MRF重新定义粒子权重,并通过权重更新粒子的采样区间以优化粒子分布;最后为了提高本文降斑算法的实时性,依据小波系数的局部统计特性把图像分为平滑和边缘进行分区域处理.本文针对模拟SAR图像和实测SAR图像进行了仿真,仿真结果和分析表明降斑后的图像能够在去除噪声的同时较好的保持图像的边缘和纹理结构特征,而且分区域处理有效地提高了算法的效率.     

改进粒子滤波算法在深空红外小目标跟踪中的应用

非负矩阵分解具有较好的特征提取性能,广泛应用于数据融合领域,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.该文结合两种算法的优点,提出了一种基于改进粒子滤波的红外小目标跟踪算法.利用NMF融合当前与之前的粒子分布权重,减小经典粒子滤波退化发散带来的精度误差.避免了目标遮挡及暂时消失带来的跟踪错误.仿真实验证明本文算法相对于经典粒子滤波,具有更好的跟踪精度和稳定性.     

正则化粒子滤波在水下目标跟踪中的应用

针对传统卡尔曼滤波(KF)及扩展卡尔曼滤波(EKF)在非线性目标跟踪模型中,跟踪精度较差的问题,本文给出了一种基于正则化粒子滤波(RPF)的水下目标跟踪算法。文中在一种模拟水下目标跟踪环境的非线性动态模型中对所提出的算法进行了仿真试验,并将其跟踪性能与扩展卡尔曼滤波和标准粒子滤波算法(PF)进行了比较。仿真结果表明,PF算法比EKF算法滤波精度更高,RPF的跟踪性能优于PF和RPF,而且随着粒子数的增加,PF和RPF的跟踪性能也不断提高。     

基于自适应粒子滤波算法的对海跟踪研究

机载雷达对海面慢速运动目标跟踪时存在非高斯非线性状态估计问题,传统的卡尔曼滤波器跟踪不仅会产生目标定位偏差,而且会造成航迹起伏。文中将自适应粒子滤波算法应用到具有闪烁噪声背景下的海面目标跟踪问题中,此算法可根据预测粒子在状态空间中的分布情况自适应选择粒子数量,从而在保证跟踪精度的同时减少了算法的运算量。仿真结果表明,自适应粒子滤波器可实现对闪烁噪声背景下的慢速目标高精度定位跟踪,且跟踪性能优于标准粒子滤波器,具有工程实用价值。     

一种目标特性辅助的积分粒子滤波新方法

针对非均匀稀疏采样环境下目标跟踪中的非线性滤波问题,提出了一种基于Gauss-Hermite积分和目标特性辅助的积分粒子滤波新方法(AQPF).在该方法中,构建了基于Gauss-Hermite积分的积分点概率密度函数作为重要性密度函数,同时,在时间更新阶段引入目标观测、目标观测的有效时间间隔、目标速度等目标特性,综合改善滤波器中预测粒子和预测协方差估计的准确性和粒子的多样性,有效提高目标状态的估计性能.实验结果表明,提出方法的估计性能要明显好于无迹kalman滤波(UKF)、积分kalman滤波(QKF)、粒子滤波(PF)、辅助粒子滤波(APF)和高斯粒子滤波(GPF),能够有效对目标状态进行估计.     

IMM迭代扩展卡尔曼粒子滤波跟踪算法

该文提出了一种交互式多模型(IMM)迭代扩展卡尔曼粒子滤波机动目标跟踪算法。该算法在多模型中使用了改进的粒子滤波器,通过对迭代扩展卡尔曼滤波(IEKF)的测量更新按照高斯牛顿方法进行修正,减小了非线性滤波带来的线性化误差,然后利用修正的IEKF来产生粒子滤波的重要性密度函数,使其融入最新观测信息。最后将所提算法与交互式多模型粒子滤波(IMMPF)进行了比较,仿真结果表明该算法具有更好的跟踪性能。     

Mobile robot SLAM method based on multi-agent particle swarm optimized particle filter

To overcome particle impoverishment, a simultaneous localization and mapping (SLAM) method based on multi-agent particle swarm optimized particle filter (MAPSOPF) was presented by introducing the idea of multi-agent to the particle swarm optimized particle filter (PSOPF) which is an algorithm for SLAM. In MAPSOPF, agents can communicate and compete with each other and learn from each other. The MAPSOPF algorithm can update the prediction of particle, adjust the proposal distribution of particles, improve localization precision and fault tolerance, and propel the particles to concentrate on the robot's true pose. Compared with standard particle filter (PF), the proposed method can achieve better SLAM precision by fewer particles. Simulations verify its effectiveness and feasibility.