基于空间分布和时间序列分析的粒子滤波算法

针对粒子滤波存在的粒子贫化问题,提出了一种改进的重采样粒子滤波算法.在重采样步骤中基于采样粒子集的空间分布引入时间序列分析,选取相关度最高的粒子进行传递,避免了只关注采样粒子权值的传统重采样算法中仅复制大权值粒子而任意丢弃小权值粒子的缺陷,因此能够消弱粒子贫化现象,提高算法的估计精度.在理论上利用两样本Kolmogorov-Smirnov检验原理证明了改进算法重采样后的粒子集和采样前的粒子集来自同一总体.仿真结果表明,尤其是在初始采样粒子数目较小时,该算法在非线性系统状态估计中的精度优于传统的粒子滤波算法.     

一种新的改进辅助变量粒子滤波算法北大核心CSCD

针对辅助变量粒子滤波(AVPF)对状态估计无法获得较好的滤波精度的问题,本文提出了一种改进的辅助变量粒子滤波算法.将正则化的思想引入到辅助变量粒子滤波的重采样中,在重采样中将离散的概率分布函数近似为连续的分布函数,该方法不仅保留了AVPF在重采样之前依据似然值的大小对原粒子集中的各个权值进行修正,从经过平滑后的后验密度中重采样的特点,在重采样中引入正则化思想后还能够保持粒子的多样性,增加有效样本数目,能够有效抑制样本退化.针对一个被广泛采用的双峰,高度非线性的系统模型,在选取不同的过程噪声下,进行Monte Carlo仿真实验.仿真实验表明,改进的辅助变量粒子滤波具有更好滤波精度.     

改进的粒子滤波算法

针对标准粒子滤波算法重采样后粒子多样性丧失问题,提出一种在粒子补偿的基础上,利用预测值与观测值的方差进行粒子重采样的改进粒子滤波算法。该算法是在标准粒子滤波算法的基础上,加入粒子补偿的步骤,然后利用预测值与观测值的方差在权值较高的粒子周围进行重采样来改善标准粒子滤波算法中粒子多样性丧失问题。实验结果表明:在相同条件下,改进粒子滤波算法比标准粒子滤波算法具有更小的平均均方误差(RMSE)和更高的目标跟踪精度,数据表明,其目标跟踪精确度提高30%以上。     

非线性系统故障诊断的粒子滤波方法

针对粒子滤波存在粒子退化问题,提出一种基于无迹卡尔曼滤波和部分重采样的改进的粒子滤波算法.通过无迹卡尔曼滤波产生重要性分布函数和使用部分重采样算法进行重采样,以丰富粒子的多样性.并针对非线性系统故障诊断中非高斯背景下,似然函数检测量难以导出的问题,提出一种基于多模型和似然函数值的诊断方法.仿真结果表明:改进的滤波算法的估计精度优于标准的粒子滤波算法及其现有的两种改进算法,提出的故障诊断方法能够做到快速检测与准确隔离.     

基于改进的粒子滤波算法的目标跟踪

为了解决粒子滤波算法在重采样过程中会造成粒子有效性和多样性的丧失,导致粒子贫化现象,提出了一种基于萤火虫算法的改进的粒子滤波算法。该算法在粒子滤波重要性采样过程中使用萤火虫算法,对粒子进行迭代寻优,使得采样出来的粒子更接近真实的后验概率;在粒子滤波重采样过程中,使用萤火虫算法使得粒子向高似然区域移动,提高粒子的多样性。实验结果表明,基于改进的粒子滤波算法目标跟踪效果优于传统的粒子滤波算法,可以在各种具有挑战性的条件下更好地进行目标跟踪。     

基于传统重采样的局部系统确定性算法

在自主驾驶中粒子滤波被广泛用于追踪目标。但是粒子滤波的一个问题是随着循环次数的增加会出现粒子退化的现象,这是因为少数粒子的权值会越来越高导致多数粒子失去跟踪价值。而重采样则可以在运行过程中不断对粒子权值进行调整。目前已经有很多的重采样方法被提了出来,但是由于编程过程中复杂性的问题,很多重采样方法被视为计算的瓶颈。为了解决这个问题,一个改进的重采样算法被提了出来。首先介绍粒子滤波中最频繁使用的几种重采样算法。并对他们进行了理论分析,从而揭示了这些重采样算法之间的区别,包括他们的重采样效率和计算复杂度。通过模拟,确认了理论分析的结果。结果表明,局部系统确定性重采样是适用于大量的对象跟踪的情况。     

基于人工蜂群算法的粒子滤波目标跟踪

针对基于粒子滤波的视频目标跟踪算法中由于粒子重采样过程而导致粒子贫化的问题,提出了一种基于人工蜂群算法的粒子滤波目标跟踪算法,利用群体智能的特点使得粒子集在重采样前得到优化,保持了粒子的多样性,从而解决了粒子贫化问题,同时增加了有效粒子的数目.实验结果表明,基于人工蜂群算法的粒子滤波跟踪算法,比标准粒子滤波跟踪算法所需粒子数更少,对目标遮挡、较复杂背景有较好的跟踪效果.     

UPF算法在状态估计中的应用

首先分析了基于贝叶斯理论的粒子滤波算法的原理：然后在分析采样-重要性-重采样算法基础上讨论了粒子滤波算法存在的主要问题,研究了一种使用UKF产生重点密度函数的粒子滤波算法（UPF）;最后通过实例将该算法与粒子滤波算法进行比较,仿真结果表明UPF算法运算时间低于粒子滤波算法.     

基于Sh相关系数的非线性系统状态粒子估计算法

本文提出一种适用于非线性系统状态的粒子估计算法--基于Sh相关系数的粒子估计(PE)算法.该算法主要由预测、更新和平滑组成,利用被估计状态观测值路径和粒子观测值路径之间的Sh相关系数来修正粒子权值.仿真实验结果表明,该算法在状态估计精度上优于序列重要性重采样(SIR)算法、辅助粒子滤波(APF)算法、正则化粒子滤波(RPF)算法、高斯粒子滤波(GPF)算法和高斯混合粒子滤波(GSPF)算法.     

基于改进重采样的粒子滤波红外车辆跟踪算法

针对传统粒子滤波算法状态方程无法利用多帧信息及重采样阶段的粒子种类缺失问题,提出基于改进重采样的粒子滤波红外车辆跟踪算法,对图像进行预处理,增强图像;引入图像准则并结合多帧信息对粒子滤波的状态方程予以改良,在保证以目标帧间变化为基础的前提下将图像信息更多的结合在状态方程中,提高算法的抗干扰能力;在重采样阶段利用粒子权值设定阈值,在保留原始大权重粒子的基础上引入受小权重粒子影响的新粒子,抑制粒子权重过于集中,保证粒子的多样性。经过实验验证,提出的算法在精确性与抗干扰性方面与传统粒子滤波方法相比有较大提升。     

一种改进重采样的粒子滤波算法

粒子滤波算法中重采样是解决粒子退化的一种重要方法,但重采样会导致粒子多样性的损失。针对这一问题,对基本重采样算法进行了改进。改进算法首先按基本重采样思想找到权值大的粒子进行复制,然后借鉴遗传算法进行交叉和变异操作,其中变异由变异尺度因子和粒子集的均值来实现。利用改进重采样的粒子滤波算法对经典纯方位目标跟踪问题进行了仿真,仿真结果表明,改进算法具有更好的跟踪精度。     

基于重采样的分布式接收合成算法

针对分布式接收中合成信号的问题,提出了一种基于重采样的分布式接收合成算法。该方法首先利用重采样对输入不同的信噪比进行索引,去除低的信噪比值,复制高的信噪比值,提高输入的信噪比值;然后利用SUMPLE算法估计权值,并完成信号的合成,提高合成算法的性能。仿真结果表明,在分布式接收中,当输入不同的信噪比时,利用基于重采样的分布式合成算法提高了合成增益,在与原算法相近的合成损失下提高了收敛速度。     

Improved particle filter based on fine resampling algorithm

In order to solve particle degeneracy phenomenon and simultaneously avoid sample impoverishment,this paper proposed an improved particle filter based on fine resampling algorithm for general case,calle...     

粒子滤波重采样及在盲均衡中的应用

提出了一种新的粒子滤波重采样算法——降序二分法,这种算法的主要思想是在分层重采样算法的基础上,寻找权重最大点的过程用折半二分法。另外,把这种算法应用于信道的盲均衡中,为了易于采样,重要性函数采用先验概率密度,用信道的均值代替信道的真实值,仿真结果表明,这种算法的平均性能优于之前的重采样算法,且均衡的同时能够完成对信道的辨识。     

平坦地表SAR图像几何校正的实现与分析

可以采用投影-重采样算法对平坦地表的SAR图像进行几何校正并改善图像质量。校正后图像距离向的采样率应该是重采样的采样率。本文通过波速分解证明了几何校正前后距离向均匀显示的关系。文中选取sinc函数作为重采样权实现了校正过程，提出了选择权函数的规则。     

基于非线性混合效应状态空间模型的粒子滤波

粒子滤波算法是一种用于解决非线性系统问题的新型算法。通常粒子滤波利用重要性重抽样算法,选用先验分布,但是其易受外部观测值影响,从而导致权重变化较大。为此,文中引入辅助粒子滤波算法进行改进,该算法优势在于前一时刻的样本在抽取时以当前的观测数据为条件,这样得到的样本更加接近真实状态。最后,通过仿真实例,进一步分析验证了辅助粒子滤波算法比采样重要性重抽样更为有效。     

Hierarchical image resampling detection based on blind deconvolution

Resampling detection is a helpful tool in multimedia forensics; however, it is a challenge task in cases with compression and noisy. In this paper, by modeling the recovery of edited images using an inverse filtering process, we propose a novel resampling detection framework based on blind deconvolution. Different interpolation types in the resampling process can be distinguished by our algorithm, which is significant for practical forensics scenarios. Furthermore, in contrast to traditional resampling detection algorithms, our method can effectively avoid interference caused by JPEG block artifacts. As the experimental results show, our method is more robust than other state-of-the-art approaches in the case of strong JPEG compression and substantial Gaussian noise.     

线推扫式高光谱相机侧扫成像几何校正

线阵高光谱相机侧扫成像可以有效解决卫星遥感影像无法获取建筑物立面光谱数据等问题。阐述了课题组集成开发的线推扫式高光谱遥感监测系统组成部分及关键技术指标等;根据地面侧扫成像特点,详细推导了适合于线推扫式相机地面侧扫成像几何校正模型;给出了地理参考影像格网划分和重采样方法,并对数据采集过程可能出现的漏采现象提出解决方案。通过大量地面模拟实验,验证了线阵影像几何畸变校正算法的有效性及鲁棒性,为同类产品的地面应用提供参考。     

基于DSP的改进粒子滤波算法硬件实现

粒子滤波算法在处理非线性、非高斯系统方面有明显的优势,但较大的运算量限制了其实时性的应用。针对这一问题,文中研究利用DSP处理器高速运算的特点实现粒子滤波算法。文中针对粒子滤波的粒子退化问题给出重采样方法,详细给出了DSP实现粒子滤波算法的流程,对DSP的存储资源进行了优化设计。利用典型模型进行算法实现验证,结果表明：采用DSP实现的粒子滤波算法可对状态参量进行精确处理,验证了DSP用于非线性、非高斯系统的粒子滤波算法实现的有效性。     

基于改进光线投射算法的室内烟雾可视化研究

针对传统光线投射算法在三维场景中绘制大量烟雾数据时存在计算资源消耗大、绘制速度缓慢等一系列问题,提出一种基于改进光线投射算法的室内烟雾可视化方法。将三维数据场按照统一大小划分成均匀的数据块,求出光线穿越数据块时入射点和出射点的中点位置,利用视点和中点之间的距离比例来调整采样频率,从而获得重采样点的位置。再通过对光线上的重采样点进行分级分组操作,对处于不同级别的采样点采取不同的插值策略,最后使用图像合成算法完成光线上重采样点数据值的映射,得到室内烟雾的渲染效果。实验结果表明,该方法是可行且有效的,与现有的光线投射算法相比,在保证绘制图像真实性和稳定性的前提下,改进过后的光线投射算法极大地减少了渲染过程中重采样和线性插值时的计算量,同时帧率能够稳定保持在75frame·s^-1左右,可满足不同室内场景下烟雾的实时绘制要求。