基于联邦滤波的惯性导航姿态组合算法

为了充分利用姿态量测信息来提高组合导航系统的姿态精度，以联邦滤波为基础，研究了以姿态、位置和速度信息作为观测量的多信息融合导航技术，分析并提出了适合工程使用的联邦滤波器的原理结构与算法实现，深入推导了基于联邦滤波的姿态组合算法的观测矩阵的具体形式，最后给出了仿真和实测数据的验证．结果表明，基于联邦滤波的姿态组合滤波算法能够有效地提高惯导系统的姿态精度，对方位角的改善尤为明显．     

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.     

模糊Kalman滤波在无人机姿态测量中的应用研究

针对目前无人机姿态测量所用捷联航姿系统,因陀螺漂移和算法误差的引入而导致结果发散的状况,采用组合航姿原理与信息融合理论,结合各传感器输出与载体运动状态相关的特性,提出了一种基于模糊Kalman滤波技术的惯性测量组件与磁强计组合信息融合方法.通过多尺度的模糊推理规则判断出载体当前的运动状态,实时调整系统测量噪声方差,对其...     

基于无序测量粒子滤波的锂电池剩余寿命预测

锂电池是一种复杂的电化学系统,其容量衰退呈非线性退化,粒子滤波(particle filter, PF)算法作为解决非线性非高斯问题的有效算法经常被用于锂电池剩余寿命预测。针对PF算法中的模糊测量问题,提出无序测量粒子滤波(out of sequence measurement particle filter, OOSMPF)算法对锂电池剩余寿命进行预测。首先利用锂电池加速充放电所获得的容量衰退数据与充放电循环次数建立双指数模型,然后采用OOSMPF算法对锂电池剩余容量进行预测,进而得出锂电池剩余寿命。试验结果显示,本研究提出的OOSMPF算法与PF算法相比,在对三组锂电池寿命的预测上,剩余寿命误差分别降至7次、15次和5次,因此OOSMPF算法更适合用于锂电池剩余寿命预测。本研究能为新能源汽车上的锂电池剩余使用寿命预测提供方法参考。     

粒子滤波在船体大角度变形测量中的应用

研究了粒子滤波在测量船体变形时的应用情况.推导了船体大角度变形时的非线性模型,具体进行了粒子滤波算法的设计,以及小角度和大角度变形情况下粒子滤波的仿真.仿真结果表明,粒子滤波无论在小角度变形情况下还是在大角度变形情况下都得到了满意的测量精度,证明了采用粒子滤波测量船体变形的有效性,讨论了粒子数目对滤波效果的影响以及粒子滤波算法的实时性,指出了粒子滤波算法存在的不足.     

基于粒子滤波的行为识别方法

行为识别是图像处理的一个热点问题。一些研究表明在监督学习的框架下,通过提取时空兴趣点（Spatial-temporal interest points）能较好地识别人体的行为。由于兴趣点中包含与人体行为无关的噪声点,为了改进兴趣点的提取,提出了一种基于人体骨架的改进方法。该方法通过粒子滤波（Particle filter）算法改进人体骨架的精度,而改进后的人体骨架,能得到更有效的兴趣点。通过在“Weizmann”,“KTH”数据集的测试,实验结果表明,该算法不仅能够提高人体行为的识别,而且能够改进人体骨架的精确度。     

基于粒子滤波的前馈-反馈控制系统设计

针对状态目标跟踪过程的非线性非高斯噪声,提出了采用基于粒子滤波的前馈控制器,并对工业生产惯性和纯滞后过程提出了一种二自由度控制结构.在标称情况下,该控制结构的给定值响应和负载干扰响应是完全解耦的,可以分别通过调节给定点跟踪控制器和前馈滤波器来达到各自期望的控制性能指标.仿真实例验证了该控制系统的可行性和优越性.     

导向钻井工具姿态动态测量的自适应滤波方法

垂直导向钻井工具在近钻头振动和工具旋转的钻井工作状态下,工具姿态参数的动态测量精度不高。为此,通过理论分析和数值仿真,提出了转速补偿的算法以消除工具旋转对测量的影响;采用最小均方算法(Least Mean Square—LMS)自适应滤波算法,可以有效滤除近钻头振动对测量的影响。数值仿真表明,经过转速补偿和LMS自适应滤波后的井斜角测量误差可小于0.1°,工具面角测量误差小于6°,有效地提高了垂直导向钻井工具的动态测量精度。     

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.     

基于优化组合重采样的粒子滤波算法

重采样过程的引入,消除了粒子滤波(PF)过程中的粒子匮乏现象,使PF方法迅速地在多个领域内得到应用,但重采样过程却削弱了粒子的多样性,从而导致滤波性能下降,甚至滤波发散.提出了一种基于优化组合的重采样方法,通过选取粒子和被抛弃粒子的适当线性组合而产生新的粒子,增加了粒子多样性,从而提高PF算法的精度.仿真结果表明,步长系数为零时,该算法等价于基本的PF算法;步长系数很大时,该算法不能收敛;在适当选择步长系数的情况下,该算法的滤波性能高于基本的PF算法.介绍了该重采样算法,仿真结果证明了该算法的有效性.     

一种联邦滤波在定姿系统中的应用研究

以SINS／GPS／TCM2电子罗盘组合定姿系统作为研究对象．建立了SINS、GPS、TEM2电子罗盘的数字模型,根据联邦滤波器的结构组成,以SINS作为参考系统,分别与GPS、电子罗盘组成2个滤波器．运用联邦滤波器算法对定姿系统进行了数据仿真,结果表明,联邦滤波的滤波精度与集中卡尔曼滤波精度相同,同时证明了不同的信息分配系数会导致子滤波精度发生改变,而对全局滤波精度没有影响．     

基于粒子滤波的变电站内动态目标跟踪技术

为实时智能监控变电站安全生产区域内的移动目标,克服现有视频系统人工切换图像和肉眼判断所造成的漏检和滞后问题,对变电站内运动目标的自动检测与识别跟踪技术进行了研究;基于背景差分法实现了人物动态目标检测,提出了基于颜色直方图的粒子滤波人物动态目标跟踪方法;通过提取目标颜色特征,建立目标状态模型和系统模型,进而准确定位目标;研发了变电站安全事件视频自动识别跟踪系统.系统应用结果表明:算法检测与跟踪的时间性能良好,能够快速识别目标,并准确跟踪目标运动轨迹,有效提升了全天候智能监控站内的安全生产能力.     

基于CQPSO的LCL滤波器设计方法

针对光伏并网逆变系统中LCL滤波器参数设计的困难,提出采用混沌量子粒子群算法对滤波器参数进行寻优.利用混沌优化方法具有的随机性、有界性、遍历性等特性,来扩大算法的搜索范围和提高收敛速度.对LCL滤波器进行分析后,确定约束条件,结合算法来对其参数进行优化设计.对三相光伏并网逆变器进行仿真实验,将混沌量子粒子群算法与自适应遗传算法进行比较,结果表明该算法比自适应遗传算法有更好的滤波效果,谐波畸变率也更小.     

基于粒子群优化算法的FIR数字滤波器设计

探讨FIR数字滤波器设计的粒子群优化算法及其实现.它根据预期频率特性的设计要求,建立优化模型,并通过快速粒子群算法求解其优化值.所得的序列使对应FIR滤波器较好地满足了预期频率特性指标,设计方法简单实用,具有很高的灵活性和鲁棒性.并且较遗传算法有更快的收敛速度,数值实验表明了本方法的有效性.     

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.     

基于改进型最小二乘搜索的 GNSS 姿态测量方法

结合全球卫星导航系统(global navigation satellite system,GNSS)用于姿态测量具有基线已知的特点,提出了一种改进型最小二乘搜索算法:将整周模糊度分为基本组和剩余组,在伪距精度和基线长度约束条件下确定出基本模糊度组的搜索空间;然后根据模糊度与基线俯仰角、航向角的关系,并以俯仰、航向角度组合作为联系基本组和剩余组的中间变量,通过搜索基本模糊度组来确定出剩余模糊度组合;最后利用最小二乘解算基线矢量,在二次残差比值检验条件下,完成整周模糊度的固定及姿态解算.实验结果表明,改进算法不仅有效减小了模糊度的搜索空间,而且缩短了模糊度初始化时间,具有较高的测姿精度,适用于GNSS姿态测量.     

深空天文测角测速组合导航滤波算法研究

针对天文光谱测速导航量测中存在的常值量测误差、慢时变量测误差、光谱畸变量测误差,提出了扩维自适应容积卡尔曼滤波算法.本文通过状态扩维将常值测速量测误差及慢时变测速量测误差作为状态量之一,在导航滤波中进行同步估计并在量测中进行补偿.针对天体表面活动导致的光谱畸变量测误差,通过Sage-Husa噪声估计器对滤波算法中的量测噪声协方差阵进行自适应估计以降低含该误差量测的影响.同时,为了进一步提高导航的精度,将天文光谱测速信息与天体方向矢量信息结合,并通过联邦滤波器进行信息融合.以火星接近段为背景的仿真结果表明,该算法能够有效抑制上述量测误差对导航精度的影响,实现高精度天文自主导航.     

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.     

低信扰比下粒子权重优化的粒子滤波算法

针对低信扰比条件下粒子权重有效评价问题,本文给出了一种粒子权重优化的粒子滤波算法。在算法实现中,首先,通过代价评估粒子滤波中代价函数和风险函数的引入实现粒子权重评价过程中对于当前量测信息的合理利用;其次,通过置信度距离和置信度矩阵的构建及求解完成对于粒子间蕴含冗余和互补信息的充分提取;最终,利用权重平衡因子在融合两种权重度量结果基础上实现粒子权重的合理度量。新算法在实现当前时刻粒子集中信息有效利用的同时,避免了量测噪声先验统计信息的偏差的不利影响,从而使得粒子权重度量结果更加稳定和可靠。理论分析和仿真实验验证了算法的有效性。