基于自适应粒子滤波的红外目标跟踪

为有效解决非线性环境中的红外目标跟踪问题,提出一种自适应粒子滤波目标跟踪算法.建立了目标加权概率模型.在滤波过程中,提出双过程粒子重抽样方法,形成对抽样粒子集的自适应调节,有效地解决了粒子退化问题.用实际红外图像序列做了实验.结果表明,在非线性环境下用该方法得到的红外目标跟踪结果优于用传统粒子滤波和扩展卡尔曼滤波算法获得的结果.     

一种新的层次粒子滤波的目标跟踪方法

提出一种新的层次粒子滤波算法,选择局部区域特征点和颜色信息建立目标模型,引入粒子的二阶采样过程.算法通过粒子的一阶权重更新获得好的初始分布,二阶权重更新保证粒子的高置信度和高的采样效率,当粒子数目小于一定阈值时进行重要性重采样,利用仿射模型对目标区域精确定位及姿态修正.实验表明:改进算法将目标局部特征分布与目标颜色信息相结合,通过二阶采样过程,保证了局部特征跟踪的稳定性,解决了经典理论中误匹配导致的采样点发散问题,在目标部分遮挡情况下也可以完成实时目标跟踪.     

一种新的层次粒子滤波的目标跟踪方法

提出一种新的层次粒子滤波算法,选择局部区域特征点和颜色信息建立目标模型,引入粒子的二阶采样过程.算法通过粒子的一阶权重更新获得好的初始分布,二阶权重更新保证粒子的高置信度和高的采样效率,当粒子数目小于一定阈值时进行重要性重采样,利用仿射模型对目标区域精确定位及姿态修正.实验表明:改进算法将目标局部特征分布与目标颜色信息相结合,通过二阶采样过程,保证了局部特征跟踪的稳定性,解决了经典理论中误匹配导致的采样点发散问题,在目标部分遮挡情况下也可以完成实时目标跟踪.     

基于辅助粒子滤波算法的红外目标跟踪

针对红外目标在跟踪中计算复杂的问题,构建辅助粒子滤波算法。利用贝叶斯重要性采样算法,在权值大的粒子基础上引入辅助粒子变量,然后重新定义重要采样分布函数,防止重采样后粒子概率密度变化。两次加权计算,使粒子权值比仅用重采样的粒子权值变化更稳定,采样点最接近真实状态;同时不同权值粒子的概率阈值可作为粒子滤波是否完成的判断准则。在二维平面构造红外运动目标模型中,系统为零均值高斯白噪声。仿真数据表明:该算法在x,y方向的均方误差、画面处理时间、RM SE性能上优于粒子滤波算法和重采样粒子滤波算法。     

随机摄动强跟踪粒子滤波算法

如何解决粒子的退化问题和提高算法对突变状态的跟踪能力,是粒子滤波算法研究和应用中需要考虑的两个主要因素.传统的再采样算法虽然可以解决退化问题,但是容易导致粒子耗尽;扩展粒子滤波算法虽然可在一定程度上解决粒子耗尽问题,但其对突变状态的跟踪能力却不近人意;强跟踪粒子滤波算法可以提高对突变状态的跟踪能力,但却未能较好地改善粒子退化问题.针对上述问题,本文将随机摄动再采样方法引入强跟踪粒子滤波算法,提出了一种随机摄动强跟踪粒子滤波算法.当粒子退化问题严重时,对权值最大的粒子迭加随机摄动,用摄动粒子替换退化粒子以解决粒子退化问题,同时由于摄动粒子的加入增加了粒子集的多样性,可在一定程度上缓解粒子耗尽问题,提高算法对突变状态的跟踪能力.利用标准验证模型和分时恒定系统对所提出的算法进行了仿真验证,仿真结果证明了该算法的可行性和有效性.     

非瑞利海洋混响抑制技术研究

随着主动声呐距离及角度分辨率的提高,海洋混响包络概率密度函数不再是瑞利分布,而是函数分布后端较瑞利分布具有严重拖尾性的非瑞利分布。但非瑞利分布模型的概率密度函数复杂,参数估计困难。通过对非瑞利分布混响进行恒虚警率检测处理,将严重拖尾部分数据值衰减为背景均值,从而将非瑞利分布混响信号转化为近似瑞利分布。由于去掉了对背景功率估计影响较重的干扰,并基于瑞利分布模型进行目标检测,本文目标检测方法具有较好的鲁棒性和计算简单等优点。文中对一组高分辨率声呐数据进行了恒虚警率检测,结果验证了方法的有效性。      

改进粒子滤波在汽轮机故障诊断中的应用夏飞,郝硕涛

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法。首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题。由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题。进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别。通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。     

改进粒子滤波在汽轮机故障诊断中的应用

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法;首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题;由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题;进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别;通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。     

基于正则粒子重采样算法的红外成像消噪处理

 针对红外成像消噪的粒子滤波退化问题,提出正则粒子重采样算法。该算法从粒子群重采样获得粒子云(xjk,nj)mj=1,解决了粒子多样性消失的问题并克服粒子匮乏的现象;接着又通过添加辅助粒子v,将下一时刻观测值权值大的粒子进行标识,使粒子权值ωik∝p(xk｜yik-1)p(xk｜μik-1)更加稳定;给出了运动物体的红外成像消噪模型。实验仿真表明：正则粒子重采样算法通过添加辅助粒子使红外成像消噪效果好,成像清晰度在95%以上。     

混合退火粒子滤波器

针对非线性、非高斯系统状态的在线估计问题，提出一种新的基于序贯重要性抽样的粒子滤波算法. 在滤波算法中，用状态参数分解和退火系数来产生重要性概率密度函数，此概率密度函数综合考虑了转移先验、似然、噪声的统计特性以及最新的观察数据，因此更接近于系统状态的后验概率. 理论分析与仿真实验表明该粒子滤波器的性能明显优于标准的粒子滤波器和扩展卡尔曼滤波器. 关键词： 非线性 非高斯 粒子滤波 序贯重要性抽样     

A comparison of two nano-sized particle air filtration tests in the diameter range of 10 to 400 nanometers

Two different air filter test methodologies are discussed and compared for challenges in the nano-sized particle range of 10–400 nm. Included in the discussion are test procedure development, factors affecting variability and comparisons between results from the tests. One test system which gives a discrete penetration for a given particle size is the TSI 8160 Automated Filter tester (updated and commercially available now as the TSI 3160) manufactured by the TSI, Inc., Shoreview, MN. Another filter test system was developed utilizing a Scanning Mobility Particle Sizer (SMPS) to sample the particle size distributions downstream and upstream of an air filter to obtain a continuous percent filter penetration versus particle size curve. Filtration test results are shown for fiberglass filter paper of intermediate filtration efficiency. Test variables affecting the results of the TSI 8160 for NaCl and dioctyl phthalate (DOP) particles are discussed, including condensation particle counter stability and the sizing of the selected particle challenges. Filter testing using a TSI 3936 SMPS sampling upstream and downstream of a filter is also shown with a discussion of test variables and the need for proper SMPS volume purging and filter penetration correction procedure. For both tests, the penetration versus particle size curves for the filter media studied follow the theoretical Brownian capture model of decreasing penetration with decreasing particle diameter down to 10 nm with no deviation. From these findings, the authors can say with reasonable confidence that there is no evidence of particle thermal rebound in the size range.     

无源声呐场景中使用辅助粒子滤波的邻近目标检测前跟踪方法

针对无源声呐多目标方位跟踪问题,研究了一种基于粒子滤波的检测前跟踪方法,关注于改善邻近目标和机动目标的跟踪性能。首先,提出了一种考虑了邻近目标影响的似然函数;其次,采用辅助变量利用量测信息优化粒子采样,当算法运动模型与目标实际运动状态失配时,这种策略具有很大优势。结合以上两点,提出了一种检测前跟踪算法,该算法将邻近目标划分为一组,使用邻近目标的预测状态计算目标的似然,计算效率较高。利用仿真生成的数据和海上采集的实际数据分别验证了该算法的性能,并与其他多目标粒子滤波检测前跟踪算法进行比较,证明了该算法具有良好的跟踪性能。在目标邻近和目标机动的情况下,该算法的优势更加明显。     

基于粒子滤波的多普勒信息辅助目标定位跟踪算法

多基地声呐探测系统主要通过测量回波的时延和方位信息进行目标定位与跟踪,定位精度受声速、时延和方位测量误差的影响较大,可以通过多普勒信息辅助进一步提高定位跟踪精度。现有的多普勒信息辅助定位跟踪算法多适用于单基地声呐系统,多基地中的多普勒测量值与目标状态的关系更为复杂,需要研究新的融合方法。该文提出了一种适用于多基地声呐系统的多普勒信息辅助采样重要性重采样目标定位跟踪算法,将多普勒信息融入到粒子滤波的重采样过程,使重采样后的粒子集合更逼近目标的真实状态分布,从而提高了目标定位跟踪精度。数值仿真实验结果表明,提出的目标定位跟踪算法可以有效融合多普勒信息,提升目标定位跟踪精度。     

水下无源声呐目标听觉域张量特征提取方法

特征提取是水下无源声呐目标分类识别的关键步骤,提出了一种基于听觉Patterson-Holdsworth耳蜗模型的听觉域张量特征提取方法。将耳蜗模型的滤波器冲激响应视为信号分解的基函数,根据听觉模型非线性尺度或常规线性尺度确定不同通道的中心频率,然后计算出相应通道的增益和带宽,并量化冲激响应的阶数和相位参数,得到信号分解基,再根据信号分解原理得到通道数×阶数×相位数的三阶张量特征,并通过计算测试样本张量特征与训练样本张量特征间的相似性实现了水下无源声呐目标的分类识别。海上实录无源声呐目标的分类识别实验表明,提取的张量特征具有比较好的分类识别性能,听觉模型等效矩形带宽尺度优于线性尺度划分中心频率,能够提高无源声呐的目标指示能力。      

矢量声纳高速运动目标稳健高分辨方位估计

针对水声矢量信号处理框架中的高速运动目标低信噪 比小快拍条件下的稳健高分辨方位估计问题, 将压缩感知技术应用于水声矢量信号空间谱估计模型中. 结合声矢量传感器结构特性, 探讨了基于声压振速联合处理的广义时域滤波方法; 结合矩阵空域预滤波理论, 设计了基于阻带约束通带均方误差最大值最小的空域滤波器, 研究了矢量声纳空域预滤波方法; 结合以上分析, 提出了基于压缩感知技术的时空联合滤波高分辨方位估计方法, 给出了方法的数学模型、物理解释及具体实施步骤.理论分析和计算机仿真试验表明, 新方法对于小快拍数 条件下的矢量声纳高速运动目标高分辨方位估计问题, 具有较低的双目标分辨门限和较高的估计精度, 有着良好的应用前景.湖上试验验证了方法的有效性. 关键词： 声矢量传感器 空间谱估计 时空滤波 压缩感知     

鲸群优化的粒子滤波算法研究

针对标准的粒子滤波存在粒子贫化问题,提出了一种鲸群优化的粒子滤波算法。用粒子表征鲸鱼个体, 模拟鲸鱼群体搜寻猎物的过程,引导粒子向高似然区域移动。将粒子滤波中粒子的状态值作为鲸鱼群的个体位置,将粒子的状态估计转化为对鲸鱼群的寻优;通过鲸群的螺旋运动方式优化粒子的重要性采样过程,使粒子分布更加合理,对鲸群算法中的全局最优值引入最优邻域随机扰动策略,并在鲸鱼位置更新过程中加入自适应权重因子;选用一种典型的单静态非增长模型进行仿真测试。测试结果表明:提出的方法与传统的粒子滤波以及引力场优化的粒子滤波相比,在保证相同粒子数的前提下,算法的均方误差分别降低了28%和9%,证明了鲸群优化的粒子滤波算法具有更高的估计精度,并且在粒子数较少的情况下,可实现更准确的状态估计。     

一种新型GNSS/MEMS紧组合导航系统设计

针对探空火箭在高动态与非线性环境下高精度导航问题,基于DSP6747+FPGA双核构架,设计了一种低成本的新型GNSS/MEMS一体化紧组合导航系统。同时,在直接法滤波的基础上采用了改进的自适应渐消扩展卡尔曼粒子滤波(PF-AFEKF)算法,解决了粒子退化问题并充分利用了当前观测信息以及自适应权重因子抑制了滤波发散,实现了高动态、非线性状态下的GNSS/MEMS深度信息融合。最后,进行了地面跑车试验,试验结果证明了所设计的低成本GNSS/MEMS紧组合导航系统具有较高的导航精度,容错能力强。     

Tensor feature extraction of underwater passive sonar target based on auditory model

Feature extraction is a key step for underwater passive sonar target classification and recognition.A kind of tensor feature extraction method based on auditory PattersonHoldsworth cochlear model is proposed.First,the filter impulse response of the cochlear model is regarded as the basis function of signal decomposition,and the center frequency of different channels is determined according to the nonlinear scale or conventional linear scale of the auditory model.Then,the gain and bandwidth of the corresponding channel are calculated,and the order and phase parameters of the impulse response are quantified to obtain a relatively complete signal decomposition basis.And according to the principle of signal decomposition,the third-order tensor features of channel number-order number-phase number are obtained.Finally,the classification and recognition of the underwater passive sonar target is realized by calculating the similarity between the testing sample tensor feature and training sample tensor feature.The experiment on passive sonar target classification and recognition shows that the extracted tensor features have better classification and recognition performance,and the equivalent rectangular bandwidth scale of the auditory model is better than the linear scale to divide the center frequency,which can improve the target indication ability of passive sonar.     

水声信号稀疏重构高分辨角度-多普勒成像

针对傅氏空时二维谱估计分辨率低以及声呐空时采样数据样本数不足给角度-多普勒成像带来困难的问题,提出一种水声信号稀疏重构的高分辨角度-多普勒成像方法和抗混响空时滤波器的稀疏重构方法。该方法在声呐阵列单测量向量的极少观测样本条件下,建立阵列信号的空时稀疏表示模型,应用稀疏表示的匹配追踪算法和基追踪算法重构回波与混响的高分辨角度-多普勒像。并根据运动声呐回波与混响的空时分布规律及声呐待检测距离单元位置的先验信息,沿着混响空时分布脊线设计混响稀疏表示的专用空时导向向量字典,通过重构抗混响空时滤波器来抑制角度-多普勒平面的混响干扰。对运动声呐前视和侧视阵列的计算机仿真结果表明,在混响背景中,该方法采用声呐阵列单测量向量重构了低速运动目标多亮点回波的高分辨角度-多普勒像,频率分辨率突破傅里叶分辨率,角度分辨率突破阵列瑞利限,分辨率明显优于傅氏空时谱估计。      

High-resolution angle-Doppler imaging by sparse recovery of underwater acoustic signals

The low resolution of Fourier two-dimensional spatial temporal spectrum estimation and the insufficient sample size of sonar space time sampling data often caused difficulties in high-resolution space time spectrum estimation. Aiming to solve this problem, we proposed a high-resolution angle-Doppler imaging method and designed an anti-reverberation space time filter based on the sparse recovery of underwater acoustic signals. The proposed imaging method established the spatial temporal sparse representation model of array signal under the condition of few observation samples of single measurement vector(SMV), and reconstructed the high-resolution angle-Doppler profile of echo and reverberation through the matching pursuit(MP) algorithm and basis pursuit(BP) algorithm. By utilizing the space time distribution characteristics of echo and reverberation and the prior information of sonar rangecell under test(RUT), a reverberation dictionary composed of special space time guidance vectors was designed, and was used to reconstruct the reverberation and formed an anti-reverberation space time filter to suppress the reverberation interference of angle-Doppler plane. Computer simulations indicated that, under two conditions of forward and side-view array of moving sonar, the single measurement vector of sonar array was successfully used in the reverberation background to reconstruct the high-resolution angle-Doppler profile of low-speed moving target multi-spot echo. Its frequency resolution had a better performance than the Fourier resolution and the angle resolution broke through the Rayleigh limit of the array, the resolution was obviously superior to the Fourier space time spectrum estimation.