基于自适应粒子滤波的结构损伤识别

为了解决传统粒子滤波方法粒子数量的选取较难确定的问题,提出一种非平稳动力系统突变参数识别的自适应粒子滤波方法(简称APF方法).该方法利用系统后验概率密度与当前粒子集概率密度的K-L距离,自适应地更新采样粒子数量,在大幅降低识别过程中计算量的同时,不影响识别精度,使之更适合进行在线的结构系统参数识别.数值仿真结果发现,该方法的系统识别时间仅为传统粒子滤波方法的1/4,这证明了该方法在结构损伤在线识别中的有效性.     

基于粒子滤波和GVF-Snake的目标跟踪算法

提出了一种基于粒子滤波和GVF-Snake的自适应目标跟踪算法.该算法首先采用背景差分法获取目标初始轮廓,利用改进的GVF-Snake的强大搜索能力,使Snake收敛至运动目标的真实轮廓;然后根据控制点的距离增删控制点,达到自适应地跟踪运动和变形目标的目的;最后通过结合粒子滤波和改进的GVF-Snake,得到一种能量粒子滤波(EPF)目标跟踪算法,并利用提出的的跟踪策略,改进其抗遮挡能力.实验结果表明,被跟踪目标在遮挡情况下也能够保持良好的跟踪效果.     

目标跟踪中非线性滤波算法的研究

介绍了3种非线性估计方法.在处理目标跟踪等动态系统实时估计问题中,EKF将系统进行线性化近似时存在估计误差,从而影响目标跟踪的精度;PF对系统噪声和量测噪声的概率分布没有要求;RPF是改进的粒子滤波算法.分析了EKF、PF和RPF算法的原理,比较了3种算法的性能差异.仿真结果表明,PF滤波精度优于EKF,而RPF在精度和计算复杂度等方面均优于PF,且随着粒子数目的增加,PF和RPF的精度也不断提升.     

融合Mean-shift与粒子滤波改进算法的自适应人脸跟踪

针对人脸跟踪中计算量大以及粒子退化现象,提出了结合Mean-shift与粒子滤波的改进算法。首先根据Mean-shift算法中的"核函数",建立彩色加权直方图的目标模型。再以人脸初始位置采用Mean-shift算法自适应生成新的粒子集合,通过粒子滤波算法进行权值更新和粒子再采样,得到下一帧人脸位置,同时舍弃较小粒子。实验表明该算法提高了跟踪的运算速度和稳定性,并对人脸遮挡和偏移也有一定的改进。     

基于EPF滤波的单站无源定位算法及性能分析

为了实现快速高精度单站无源定位,研究了定位算法,提出了相位变化率(PRC)与扩展卡尔曼粒子滤波(EPF)算法相结合的一种新的单站无源定位方法。该方法通过相位变化率(PRC)法得出了目标辐射源的粗略位置,然后采用EPF滤波算法对粗略定位结果进行了修正和平滑,逐步估计出目标的精确位置,实现了对辐射源目标的快速高精度无源定位。仿真结果表明,与传统的EKF滤波算法相比,基于EPF滤波的单站无源定位算法收敛更快、更稳定,滤波效果更好,定位精度更高。     

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。     

采用改进辅助粒子滤波的红外多目标跟踪

结合改进的辅助粒子滤波与马尔科夫随机场,提出一种多目标跟踪算法来跟踪红外场景中的多个目标.依据目标区域的灰度直方图描述目标,使用标准辅助粒子滤波对各目标的采样粒子集进行粗略优化,同时在辅助粒子采样过程中引入Mean-shift算法来提高粒子采样效率,解决多目标跟踪时粒子数量呈指数级增长的问题,并进一步提高算法的实时性.针对多目标跟踪常出现的目标遮挡导致跟踪失败的问题,引入图模型理论,利用马尔科夫随机场来表示多目标跟踪模型,将多目标的跟踪问题转换为图模型的推理问题.实验结果表明,该跟踪算法使用较少粒子便能实现跟踪,跟踪正确率达84％,且能有效解决多目标跟踪时的相互遮挡问题.     

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。     

移动机器人离散空间粒子滤波定位

从粒子滤波效率主要取决于粒子集更新的思路出发,提出一种基于离散状态空间的移动机器人粒子滤波定位方法(Discrete space particle filter, DSPF).根据定位系统误差,将机器人运行空间划分为变精度栅格作为样本粒子描述离散系统模型.地图预处理阶段获取栅格粒子的激光扫描数据,预存为栅格粒子特征.粒子权值更新时,将粒子离散化近似为栅格粒子,采用预存粒子特征进行激光扫描数据匹配,避免粒子特征的实时提取,提高了滤波更新效率.同时采用基于离散后验概率分布与当前粒子集分布之间Kullback-Leibler距离检验方法,自适应选择栅格粒子,平衡滤波效率和定位精度,能够有效解决机器人"绑架"问题.仿真结果表明,DSPF能够显著提高定位效率,并保证滤波精度.     

引入滑模观测器的GPS/INS组合导航滤波方法

由低成本器件组成的卫星/惯性(GPS/INS)组合导航系统中,存在较大的非线性与不确定性,为改善这一问题,本文提出一种引入滑模观测器(SMO)的滤波方法。首先,该方法建立了组合导航系统模型,介绍了扩展卡尔曼滤波(EKF)计算过程并分析存在的不足。然后,介绍了滑模观测器的基本原理,根据系统构建观测器。最后,说明了引入滑模观测器的EKF组合导航算法实现流程,滑模观测器将模型误差、状态估计以及均值方差融入EKF算法,修正系统输出。通过轨迹仿真实验与车载实验验证了所提方法优于传统EKF算法,具有更高的滤波精度。在车载实验中,卫星信号失锁15 s情况下,与EKF方法相比,所提方法的东向位置误差降低了53%,北向位置误差降低了37%,证明该方法能够有效抑制GPS/INS组合导航误差发散,为以后工程实践提供一定的参考价值。     

[动力电池]基于双时间尺度扩展卡尔曼粒子滤波算法的电池组单体荷电状态估计

为实现对电池组单体荷电状态(SOC)的精确估算,首先对锂电池组单体建立增强自校正(ESC)模型,然后根据锂电池ESC模型建立电池组平均模型和各单体SOC差异模型,再对其用双时间尺度的扩展卡尔曼粒子滤波(EKPF)算法来估算电池组平均SOC值和各单体差异SOC值,从而得到电池组中各单体SOC值。对12节锂电池串联电池组进行SOC估算实验,结果表明,基于双时间尺度EKPF算法的电池组单体SOC估计方法可实现对单体SOC的精确估计,且该方法比双时间尺度扩展卡尔曼滤波算法和扩展卡尔曼滤波(EKF)算法具有更高的估算精度。     

混沌野草扩展Kalman滤波器辨识六维力传感器下E膜模型参数

为解决动载环境下噪声污染导致六维力传感器测量精度急剧下降,以及扩展卡尔曼滤波器难以获得最优系统干扰矩阵的问题,提出了一种基于混沌野草算法优化的扩展卡尔曼滤波（CIWO-EKF）算法。根据挠度与应变之间的关系,构建了六维力传感器下E膜非线性模型。基于野草繁殖算法,以前6阶主振型信息构成的系统干扰阵为均值进行高斯采样,产生初始化的可行解。将混沌搜索技术与野草算法相融合,利用野草算法进行全局搜索,通过混沌序列对群体中适应度高于平均值的个体执行给定步数的局部搜索,指导种群向最优解方向逼近,避免搜索过程陷入局部最优。采用改进的野草算法对扩展Kalman滤波中的系统干扰矩阵进行优化处理。仿真实例表明,改进扩展卡尔曼滤波器在提高六维力传感器测量精度的同时,可以保持较好的稳定性和鲁棒性。     

Assessment of particle retention and clearance in the intrapulmonary conducting airways of hamster lungs with the fractionator1

A modified version of the fractionator was used to estimate the total number of polystyrene microspheres retained in the airways of hamster lungs at two different time points after inhalation. A systematic three-stage subsampling procedure with known sampling fractions was adopted. First, each lung was cut into slices, from which primary disectors were sampled systematically with a known sampling fraction. From each primary disector, smaller sub-disectors were subsampled, and the corresponding sampling fraction was estimated by point counting. Finally, a few particles were counted at the microscopic level in the sub-disectors, and the final estimate of total particle number (which is unbiased irrespective of any tissue deformations) was easily computed as a product of the counted number times the reciprocal of the successive sampling fractions. The error variance of each estimate was assessed from the data using a new estimator. An average of 6% of the deposited particles were retained on the epithelial surface of the intrapulmonary conducting airways shortly after the inhalation, from which at least one-third was already phagocytosed by macrophages. After 24 h, an average of 87% of the particles retained shortly after the inhalation had been cleared. The proportion of particles ingested by macrophages had increased to at least 87%, in three out of four animals studied.     

一种新型非线性卡尔曼滤波方法

提出了一种新型非线性卡尔曼滤波方法—单形无迹求积卡尔曼滤波(SUQKF)方法,该方法通过对单形无迹卡尔曼滤(SUKF)波所用的采样点进行修正,并与高斯-拉盖尔积分准则相结合,构造了一组个数、权系数和空间分布确定的新型高阶采样点,用来进行滤波。同时指出SUKF是SUQKF的特例。将所提方法通过实验与扩展卡尔曼滤波(EKF)、容积求积卡尔曼滤波(CQKF)进行比较,结果表明:SUQKF方法滤波精度高于EKF和CQKF,且收敛速度较快,实时性优于CQKF。     

基于最小偏度采样的UPF算法

针对一般的粒子滤波中的退化问题,提出了一种改进的Unscented卡尔曼粒子滤波算法。首先,提出了最小偏度采样策略,将该策略用于UKF(Unscented kalman filtering)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。其次,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均表明,改进的UPF算法提高了滤波的精度,算法的运行效率也得到了较大的提高。     

一种用于光电目标跟踪的非线性滤波算法

基于传统转换测量卡尔曼滤波算法,提出了一种二阶去偏转化测量卡尔曼滤波算法。该算法对转换测量方程进行二阶泰勒展开,得到转换测量值误差的均值和方差表达式,并对转换测量方程进行去偏差补偿,再经转换测量卡尔曼滤波,从而显著减小传统滤波算法的线性化误差,提高远距离目标的跟踪精度。仿真结果表明:二阶去偏转换测量卡尔曼滤波(SCMKF)算法跟踪精度明显优于传统的扩展卡尔曼滤波(EKF)算法和转换测量卡尔曼滤波(CMKF)算法,收敛速度比EKF算法至少可提高1倍。     

基于图像卷积变分自编码的电站锅炉 燃烧稳定性评价方法

为实现基于电站锅炉火焰图像的燃烧稳定性定量表征,并克服不稳定燃烧样本不足的训练难题,提出一种基于卷积变分自编码模型的燃烧稳定性实时、定量表征方法。首先使用稳定燃烧工况下的火焰图像进行模型训练,利用卷积变分自编码器得到稳定燃烧图像的高维潜在概率分布。记录该模型对应的隐变量分布特征,计算该分布与标准正态分布之间的KL散度值,利用该KL散度实现燃烧稳定性的定量表征。在仿真验证中,通过对比说明引入变分推断理论可提高模型对于燃烧图像的重构质量,图片重构前后均方根误差为0.005 48;通过磨煤机给煤量调整实验,人为制造不同稳定度的燃烧器燃烧工况,验证了该评价方法的准确性和有效性,评价准确率高达92.1%;通过与煤火检评价结果的比较,表明该方法具备煤火检系统对于火焰的定量判断功能,且感知能力更加灵敏,能在燃烧器灭火前167 s给出燃烧不稳定的预警,具有一定的工程应用价值。     

一种辨识磨粒群分形无标度区的新算法

针对磨粒群分形维数计算精度偏低,且无标度区辨识过程中容易出现局部最优的问题,提出了一种辨识无标度区的新算法。首先利用模拟退火K-means算法对磨粒群r～N(r)(尺度~测度)双对数曲线的一阶局部导数聚类,剔除一阶导数为0及波动很大的区间,然后利用模拟退火K-means算法对曲线的二阶局部导数聚类,识别出精确的无标度区间。应用新算法对典型的分形图形进行了分形维数计算,计算结果与理论值吻合度较高;同时应用新算法对磨粒群的分形无标度区进行了辨识。研究表明：磨粒群的分形无标度区较宽,新算法对磨粒群等多孔图形的无标度区辨识效果较好,能显著提高磨粒群分形维数的计算精度。