粒子滤波算法在视频目标跟踪中的应用

首先介绍粒子滤波的基本理论,然后构建粒子滤波视频目标跟踪系统的状态模型和观测模型,进而根据状态模型和观测模型提出一种基于粒子滤波的视频目标跟踪算法,并通过实际的视频目标跟踪系统对算法进行实验分析,说明粒子滤波算法在视频目标跟踪中的优越性。     

粒子滤波算法在视频目标跟踪中的应用

首先介绍粒子滤波的基本理论,然后构建粒子滤波视频目标跟踪系统的状态模型和观测模型,进而根据状态模型和观测模型提出一种基于粒子滤波的视频目标跟踪算法,并通过实际的视频目标跟踪系统对算法进行实验分析,说明粒子滤波算法在视频目标跟踪中的优越性.     

AHP-TOPSIS模型的物业管理评标优选法

为解决物业管理评标优选问题,在结合层次分析法和接近理想解的偏好排序法理论,建立AHP-TOPSIS模型,对4家投标物业管理企业进行综合评价优选.从知名度、标书、现场答辩等方面综合分析评标过程的指标,运用层次分析法确定各个指标的权重,结合接近理想解的偏好排序法建立AHP-TOPSIS优选模型,得到4家投标企业基于评价标准的综合接近度.该结果更优于层次分析法,用AHP-TOPSIS模型解决物业管理评标优选更具有效性和可行性.     

模糊综合评判在工程评标中的应用

本文将模糊综合评判用于评定工程标书,该评判对象是一个综合性比较强的系统工程,为了增强评判的科学性,将评判要素划分为可靠性、功能、标准化、维护、及经济性等5项,并根据业主的要求和专家经验,确定了各因素的权重.文中还引入了广义模糊运算,采用了两种算子,以资比较.为充分利用所得评判结果模糊子集的信息,设定等级参数.     

层次分析法在工程评标中的应用

应用层次分析法的基本原理,建立了工程评标层次分析模型,并结合工程实例,构造判断矩阵,求解特征向量,根据总排序结果,确定最佳投标单位。     

层次模糊决策法在工程施工招标评标中的应用

结合工程实例,采用层次分析法确定各指标的权重,对投标人进行单因素分析较为切合实际,将定性分析与定量分析相结合,运用模糊决策法对各专家的评价结果进行综合处理．评价指标本身能够反映出各投标人的实力,具有可比性和统一性,相对客观地得出了投标方案的优劣顺序．应用层次模糊决策法,不致过多地受决策者的主观因素影响,较为客观、准确地反映出了各投标人的实力,利用计算机程序进行数据处理,提高了工作效率,在方法上尽量保证了评标更加科学、客观、公正、合理。     

改进的粒子滤波算法在目标跟踪中的应用

粒子滤波算法中通常采用先验转移概率代替重要性函数,由此重要性密度函数对后验函数的偏差将增大。将小波去噪应用到粒子滤波过程中,降低了偏差,提高了粒子算法的滤波精度,并将该算法应用到目标跟踪的过程中,通过仿真证实该方法能够提高粒子滤波精度。     

层次模糊决策法在施工评标中的应用

评标是保证施工招标成功的关键环节,应遵循公平、公开及科学择优的原则,对投标方案进行客观的综合评估与选择。该文针对目前评标中的问题,提出了相应对策,运用层次分析模糊决策法进行评标,不受决策者的主观因素影响,较为客观、准确地反映出了各投标人的实力,使工程施工招标评标更加科学、客观、公正及合理。     

粒子数自适应的粒子滤波算法

针对粒子滤波算法时间复杂度高的问题,引入一种在滤波过程中粒子数可以根据过程噪声方差大小进行调整的自适应粒子滤波算法,即KLD-Sampling粒子滤波算法.该算法在保证一定滤波精度的前提下,可以有效地减少滤波过程中使用的粒子数,从而减小滤波时间,提高滤波效率.此外,分析了该算法中距离阈值和小区域阈值的选取与参与滤波粒子数的关系及其对算法性能的影响.仿真实验对分析结果进行了验证.     

容积粒子滤波算法及其应用

针对使用现有粒子滤波算法对非线性/非高斯离散时间系统的状态估计精度较低的问题,提出了一种新的粒子滤波算法——容积粒子滤波(CPF)算法.新算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,产生粒子滤波算法的建议性密度函数,获得所需要的带权粒子,进而通过计算粒子均值,获得系统状态的最小均方误差估计.CPF算法由于产生粒子时使用了最新的测量信息,因而提高了对系统状态后验概率的逼近程度.仿真实验结果表明,CPF算法的估计误差约是标准粒子滤波算法和扩展粒子滤波算法误差的1/5和1/3,是无味粒子滤波(UPF)算法的估计误差的1/2,且运行时间只有UPF算法的1/3.     

有限差分粒子滤波

对扩展卡尔曼粒子滤波(EKPF)的精度较低的问题,提出了有限差分粒子滤波算法.首先对非线性系统方程进行三阶泰勒级数展开,为了简化计算,对展开式中的微分算子进行离散化处理,用差商近似代替微分运算.新算法在整体上提高了局部线性化的截断误差的阶数,整体截断误差由O(h2)降低到O(h4),差商代替微分运算也避免了大量的运算.仿真结果表明,改进的算法滤波精度明显较EKPF高.     

结合PSO的PF用于雷达海杂波反演大气波导

在利用粒子滤波(PF)进行雷达海杂波反演大气折射率廓线(refractivity from clutter, RFC)时,PF的重要性采样过程中采用的是次优的重要性函数。为了优化采样过程,尝试将粒子群优化算法(PSO)融入PF中(称为PSOPF方法),并将其用于RFC。PSOPF方法是在PF的每一个预测步骤后,把由预测步骤得到的所有粒子作为PSO的初始种群,并把粒子的重要性权重作为其对应的适应度函数值。为了检验PSOPF的可行性和有效性,对PF方法和PSOPF方法分别进行了大量的RFC理想数值试验,并对每次反演的精度进行了方差估计,对所有数值试验结果的方差进行了统计分析。结果显示,基于PSOPF的RFC质量和稳定性总体上明显好于基于PF方法的RFC。     

迭代无迹Kalman粒子滤波的建议分布

对非线性非Gauss系统,粒子滤波是一种有效的状态估计方法。粒子滤波的关键是建议分布的选择,好的建议分布会改进粒子贫化和样本耗尽等粒子滤波存在的普遍问题。该文用迭代无迹Kalman滤波产生粒子滤波的建议分布,提出了一种新的粒子滤波算法——迭代无迹Kalman粒子滤波。给出的建议分布将最新的观测融入样本过程并修正该过程,从而改进了滤波性能。数值模拟结果表明,提出的算法与常用的无迹粒子滤波、扩展Kalman粒子滤波相比,具有数值稳定、估计结果精确的优点。     

一种时间序列优化的粒子滤波算法

针对预测对象在动态过程中发生结构性变化的时间序列,难以建立一个实时解析变化趋势的模型.本文提出基于时间序列自适应建模的粒子滤波算法(TS-PF).采用时间序列方法动态构建预测模型,并将粒子滤波算法中一系列加权粒子以该模型进行状态转移,运用粒子滤波重采样技术,使预测误差进一步减小,预测精度逼近最优估计.非线性预测系统仿真实验表明基于时间序列自适应建模的粒子滤波算法(TS-PF)比单纯采用时间序列动态建模算法(TS)精度更高,提高了动态目标跟踪的准确性.     

云层背景下粒子滤波目标跟踪方法研究

对粒子滤波理论及其实现方法进行了研究.通过模拟实验验证了其优于卡尔曼跟踪的性能,并结合基于双正交小波的边缘形心提取方法和粒子滤波跟踪方法,构建了其跟踪框架.通过粒子数和系统状态转移方程的恰当选择,实现了云层背景下对背景简单的点目标和存在遮挡和旋转变化情况下的大目标进行跟踪.最后通过实验分析了粒子数目和状态方程的选取对跟踪精度的影响.实验证明,结合鲁棒性的小波检测方法和具有"多峰"描述的粒子滤波算法构造成的跟踪器,在运动目标存在局部遮挡和旋转变化等情况下能够实现稳定的目标跟踪.     

基于AHP的航空联盟合作伙伴选择模糊综合评判

航空联盟合作伙伴的选择评价是航空公司战略联盟中一项非常重要和复杂的决策问题。针对航空联盟合作伙伴选择问题,将AHP和三角模糊综合评判两种系统评价方法组合起来,建立了三角模糊数与AHP综合的评价模型,结论证明该方法兼具两种方法的优点,而且简便易行,为定性与定量结合评价问题的研究提供了一种新的方法。     

一种新型的简化群优化粒子滤波算法

针对粒子滤波的粒子退化和贫化问题,将新兴的简化群优化(SSO)算法引入到粒子滤波的重采样阶段.SSO算法结构简单,在保留优良粒子的基础上,增加一项粒子随机运动过程,以提供粒子多样性.实验结果表明,新算法不仅有效提高了对非线性系统状态的估计精度,而且具有更高的运算速度.     

基于多路径粒子滤波目标跟踪

视觉跟踪是机器人自主导航、智能监控系统的关键技术.在粒子滤波跟踪算法中,设计粒子滤波器时,粒子大小是固定不变的,而目标与镜头之间是相对运动的,目标图像大小可能超出粒子范围,使得跟踪跟踪目标丢失.为了解决了上述问题本文提出了基于小波变换图像的粒子滤波方法.这里做法是在图像中目标上采集粒子,然后采用小波变换的分解算法和重建算法处理目标附近区域图像,再将采集到的粒子分成三部分,分别在原图和两种小波图像中传播.这样可以增强粒子滤波的鲁棒性,提高跟踪精度.     

用模糊数学分层模型评价Access数据库实验成绩

针对目前Access数据库实验成绩评定中存在的问题:评定的分界线模糊、定量评分困难、主观性较强,提出了模糊数学分层模型研究Access数据库实验成绩的评价方法,并简述了其实施过程。该模型不仅能客观反映学生成绩的真实情况,使定性描述定量化,而且能够分出程度差异,对实验成绩做出综合评价,可为学生其他方面的评估提供科学可靠的参考。     

并行局部概率假设密度(PHD)粒子滤波

针对概率假设密度滤波权值更新效率低下的问题, 提出一种并行局部概率假设密度粒子滤波?通过聚类将粒子按目标估计个数进行分类并添加标签,通过一步预测和跟踪门限将观测区域划分为目标存在区域和不包含目标的杂波区域,修正目标所在的局部区域杂波强度公式,独立并行地计算每个目标所在区域的局部概率假设密度?仿真结果表明,并行的局部概率假设密度粒子滤波时效性更高,误差更低?