均值漂移粒子滤波的动态精密单点定位

粒子滤波以大量粒子计算为代价削弱动态精密单点定位的非线性方程线性化、非高斯噪声正态化造成的精度损失,这也带来计算效率较差的问题。针对计算效率低的问题,将均值漂移算法引入到粒子滤波,减少粒子选取个数,提高动态PPP中待估参数的计算效率。以某机载GPS数据为例,基于均值漂移算法的粒子滤波大大削减了粒子个数,计算效率有一定程度的提高。     

基于MKLD准则的PSOPF算法设计及其应用

针对标准粒子滤波算法中存在的粒子权值退化和计算量大的缺陷,提出了基于MKLD准则的粒子群优化粒子滤波算法。该方法将粒子群优化算法嵌入到粒子滤波算法的重要性采样过程中,对采样过程进行了优化,提高了粒子集的优良性的同时保证了粒子滤波状态估计的性能。同时,为了降低计算量,算法设计时基于MKLD准则自适应地选择粒子群优化算法所...     

应用高斯粒子群优化的无迹粒子滤波

针对粒子滤波算法中存在的粒子退化与粒子匮乏的缺陷,提出了利用高斯粒子群优化无迹粒子滤波的新算法。算法使用无迹粒子滤波进行重要性采样,并将高斯粒子群优化算法融入重采样过程中。该算法选取的概率密度更加接近系统真实状态,有效增加了粒子的多样性,提高了抽样效率,降低了粒子退化程度,缓解了粒子匮乏现象。试验结果表明,该算法的滤波精度明显优于粒子滤波与无迹粒子滤波算法所得到的滤波精度。     

利用MKLD准则的自适应PF算法设计及其应用

为降低PF算法的计算量,提出了基于最大Kullback-Leibler距离(MKLD)准则的PF-AMCMC算法。该算法可在自适应地选择粒子数的前提下,同时自适应地选择粒子滤波算法中MCMC移动步骤实施的时刻,在保证一定的状态估计精度的条件下,减少粒子滤波的计算量。大量的数值试验和GPS/DR组合导航仿真试验表明,本文提出的算法较标准粒子滤波算法在克服粒子滤波计算量大的缺陷方面有显著的效果,且获得了精度更高的状态估计。     

扩展卡尔曼滤波与粒子滤波性能对比

在非线性滤波方法中,粒子滤波以其精度均匀且不受模型复杂程度的影响而受到广泛关注。与传统的非线性滤波方法-扩展卡尔曼滤波相比,粒子滤波有着无可替代的优势,但也存在着一些缺陷。本文对这两种非线性滤波算法分别用MATLAB和VC++编程进行模拟仿真,并进行了一系列的比较,从算法原理、计算精度和稳定性、计算速度等方面说明了各自的优缺点和具体的差别。试验结果表明,粒子滤波计算消耗的时间远远大于扩展卡尔曼滤波消耗的时间,并且粒子滤波计算时间随粒子数的增加呈近似级数增长。     

地图匹配辅助的KF-PF室内定位算法模型

针对使用智能手机进行行人航迹推算（pedestrain dead reckoning,PDR）时航向角漂移,定位精度不高,误差累积的问题,提出了一种地图匹配辅助的卡尔曼滤波-粒子滤波（Kalman filter-particle filter,KF-PF）多重滤波算法对PDR算法进行优化。在传统PDR算法的基础上,使用KF融合陀螺仪数据和地图信息解算航向角,然后采用基于地图匹配的粒子滤波算法对轨迹结果进行处理。实验结果表明,该方法消除了航向角误差过大对定位结果的影响,在提高室内定位的灵活性的同时增强了定位的稳定性和精度,并通过地图匹配减少了传统粒子滤波采样点数,降低了运算量,使其在手机平台上实时运行成为可能。     

融合颜色-纹理模型的均值漂移分割算法

针对常规的均值漂移算法在特征空间聚类时未考虑图像的纹理信息从而导致分割精度不高的问题,该文提出了一种融合颜色-纹理模型与均值漂移的改进分割算法。首先,对原始影像进行同等组滤波和颜色量化,得到颜色-纹理模型;其次,利用均值漂移算法对滤波影像进行初始分割,得到同质性较好的初始分割区域;最后,将颜色-纹理模型及初始分割对象轮廓信息应用于区域合并过程中,结合形状特征增强分割对象的紧密性。该算法充分结合了图像的颜色、纹理特征,通过对不同类别的遥感影像的分割实验进行分析,结果表明分割效率和分割质量均得到较大提升,且具有较好的适用性、可靠性及精确性,对遥感影像中纹理信息丰富的植被、密集建筑区等具有较好的分割效果。     

一种结合均值漂移的KCF目标跟踪算法

目标跟踪在机器视觉领域中发挥着巨大的作用,但是目标跟踪算法会受到目标尺度变化等因素的影响,导致算法的跟踪精度下降。针对KCF滤波算法对目标尺度变化不敏感,无法较好实现目标尺度估计的缺点,提出一种结合均值漂移的KCF目标跟踪算法。通过对KCF滤波算法的响应峰值进行判断,引入均值偏移算法对目标位置和尺度进行修正。实验结果表明,本算法在增强了算法目标尺度自适应能力的同时,能有效地融合均值漂移算法和KCF滤波算法的优点,在多种场景下的目标跟踪精度都得到了有效提升。     

观测值含有粗差的抗差粒子滤波算法

作为非线性滤波的代表，粒子滤波得到广泛应用。该算法通过随机生成的具有权重的样本（粒子）来计算后验概率密度。其中赋权的过程需要综合系统信息和观测信息，当观测值含有粗差时，会使粒子错误赋权影响滤波结果。提出一种新的基于抗差估计的抗差粒子滤波算法，通过计算粒子等价权，抑制观测值粗差的影响。模拟计算分析表明，当观测值含有粗差时，与标准粒子滤波相比，该方法能有效提高滤波精度。     

改进粒子滤波在多路径效应减轻中的应用

提出了一种基于改进粒子滤波的多路径效应减轻算法。首先,针对粒子退化问题,将无迹卡尔曼滤波应用到粒子更新过程中;其次,考虑到原始信号噪声及更新过程噪声的影响,在数据预处理阶段及粒子更新过程中,利用小波变换算法进行降噪处理。实验数据分析结果表明,改进算法能够有效地提取出信号的多路径模型,有一定的参考价值。     

粒子滤波在高动态GPS定位中的应用

针对高动态GPS定位系统的特点,引入了一种基于粒子滤波的高动态GPS定位系统滤波算法。借助于移动目标的速度矢量模型建立了系统状态方程,论文给出了标准的卡尔曼滤波算法模型,重点讨论了粒子滤波算法在高动态GPS定位中的应用,详细描述了算法的推导过程。对算法进行仿真,结果表明当GPS接收机作大范围机动或GPS信号受到干扰时,粒子滤波要优于标准的卡尔曼滤波。     

模拟退火粒子群与小波的地基沉降预测应用

针对粒子群优化算法易陷入局部极小值问题,改进学习因子使其自适应调整,并与具有良好全局搜索能力的模拟退火算法结合,充分利用两种算法各自的优点,同时结合小波分析去噪,优化神经网络参数,对地基累计沉降数据进行预测,并与标准粒子群优化算法做了对比,实验表明两种方法的结合具有良好的全局和局部搜索能力,预测精度高。     

一种用于RSS提取的改进粒子滤波算法

针对室内WiFi指纹位置定位中取RSS的平均值作为其定位特征值在室内环境的复杂性和动态性不能准确地反映RSS信号真值的问题,以及卡尔曼滤波和粒子滤波算法等用于RSS信号的提取只针对线性噪声或非线性噪声中的一种,在室内动态多变、干扰复杂多样的环境下鲁棒性不理想的问题,结合卡尔曼滤波和粒子滤波,提出一种用于RSS提取的改进的粒子滤波算法。给出了算法实现的步骤,并且在不同地点不同环境条件(静态环境和动态环境)下分别进行了指纹定位在线端的数据采集实验。实验结果表明:基于改进粒子滤波的RSS提取算法的定位精度和鲁棒性均优于均值算法、卡尔曼滤波算法、粒子滤波算法等已有算法。     

改进的粒子滤波及其在GPS动态定位中的应用

针对城市环境中GPS动态定位系统的特点，提出了一种基于粒子滤波的GPS动态定位算法。与传统卡尔曼滤波算法相比，该算法利用观测伪距误差分布建立重要的密度函数，能够处理噪声符合非高斯分布的情况，且无需对观测方程线性化，提高了GPS动态定位的精度。通过实际算例分析，验证了该算法的有效性。     

粒子滤波算法在GPS/DR组合导航中的应用

针对建议分布函数的选择问题,系统地分析比较了改进的粒子滤波算法。在此基础上提出了一种新的粒子滤波算法——自适应渐消扩展Kalman粒子滤波方法。该方法用渐消扩展Kalman滤波产生建议分布函数,由于参数的可在线调节性,使得系统具有更好的自适应性和鲁棒性。与用转移先验、扩展Kalman滤波、自适应扩展Kalman滤波、迭代扩展Kalman滤波以及无迹Kalman滤波产生建议分布函数的粒子滤波方法相比,自适应渐消扩展Kalman粒子滤波进一步提高了粒子滤波的精度。通过对GPS与航位推算(DR)组合导航系统GPS/DR的试验,验证了该方法的有效性。     

实时GLONASS相位频间偏差粒子群优化估计方法

针对GLONASS相位频间偏差与模糊度线性相关所导致的难以对两者进行快速分离的问题,提出了一种实时GLONASS相位频间偏差估计方法。通过分析相位IFB与RATIO值之间的关系,将相位IFB估计问题归结为求解最优化问题,并将优化方法中的粒子群优化算法引入相位IFB估计中,该方法可在不增加待估参数数量以及先验信息的条件下,高效可靠地搜索出IFB变化率参数,实现GLONASS模糊度实时固定。测试结果表明,该方法在单历元解算条件下每历元平均搜索次数为32次,远低于基于粒子滤波的相位频间偏差估计方法的200次;在采用Kalman滤波方法进行解算条件下,每历元平均搜索次数仅为9次。无论采用单历元解还是滤波解,模糊度固定成功率均高于96.2%,模糊度固定解的最大坐标偏差均小于4 cm。     

面向低成本车载IMU的安装姿态估计

车载IMU相对于车体的安装姿态信息是应用车辆非完整约束的必需条件，而车辆非完整约束可以有效解决GNSS信号长时间中断的情形下低成本INS+GNSS组合导航系统精度降低的问题。本文针对车载场景下的低成本消费级IMU，基于卡尔曼滤波和粒子滤波提出了一种估计IMU安装姿态的算法。该算法无需限制IMU相对于车体的姿态为小角度；随后，基于仿真平台对低成本消费级IMU进行建模，利用生成的若干组不同安装姿态的IMU数据对算法进行验证；最后进行车载测试。仿真结果和车载测试结果都表明，该算法可以准确地估计IMU相对于车体的安装姿态，对于低成本INS+GNSS组合导航系统精度的提高具有实际意义。     

一种使用剪切波变换的干涉图滤波算法

干涉图小波阈值法滤波未考虑干涉相位统计特性, 导致在低相干区域得到的滤波效果不能令人满意。针对这一问题, 提出了一种剪切波变换与干涉相位标准差相结合的相位滤波算法。该算法将干涉相位统计特性与剪切波阈值滤波结合起来, 利用相位标准差改正滤波阈值以提高滤波效果。此外, 为了评价干涉图的滤波效果并为实测数据选择合适的滤波方法提供参考, 将模拟干涉图解缠结果的局部均方差分布作为滤波质量评价指标。将此算法与Goldstein滤波、小波滤波、最优方向融合滤波和剪切波软阈值滤波进行比较, 结果表明所提算法能更有效地削弱干涉图噪声, 同时保留干涉图的细节信息, 避免了低相干地区弱滤波问题。     

一种融合WiFi/地磁/PDR的室内定位方法

提出了一种改进的粒子滤波方法，利用室内常见的WiFi信号、地磁源并结合智能手机廉价传感器进行室内定位。WiFi室内定位错误匹配情况较少，地磁指纹室内定位具有较强的抗干扰能力，本文利用两者的优点并结合PDR提供连续的位置信息。与传统的粒子滤波相比，采用MD-DTW（多维动态时间规整算法）对粒子定权并提出分段粒子定权的方法对粒子序列长度进行约束，能有效加快粒子滤波收敛速度。仿真试验表明利用改进的粒子滤波进行定位结果可达1 m，有较强的实用性。