一种无迹粒子PHD滤波的多目标跟踪算法

针对粒子概率假设密度滤波(P-PHDF)算法估计精度低、滤波发散和粒子退化的缺陷,提出了一种无迹粒子PHD滤波(UP-PHDF)算法.该算法以UKF算法产生重要性函数并从中采样通过观测值更新粒子的权值,再用加权的粒子估计PHD函数,进而得到优化的状态估计均值和方差进行传播最后,对UP-PHDF算法进行了分析和实现,并将该算法和P-PHDF算法进行了比较.仿真结果表明,UP-PHDF算法不仅大大提高了滤波估计的精度,同时提高了跟踪系统的稳定性和鲁棒性.     

基于新的采样更新方法的粒子滤波算法

以往的粒子滤波采用由初始先验概率密度产生一组粒子,然后通过重要性密度函数去更新粒子,但会产生粒子退化的问题,因此引入了各种各样的重采样算法,但这样做又产生了粒子多样性丧失的问题。针对粒子滤波的粒子退化现象,提出基于新的采样更新方法的粒子滤波算法,新方法从滤波值和滤波误差协方差矩阵上产生粒子。仿真试验表明,新方法在非线性非高斯情况下要远远好于EKF。     

基于IEK-PF的多传感器序贯融合跟踪

针对粒子滤波中得到优化的重要性密度函数比较困难的问题,将迭代扩展卡尔曼滤波和序贯融合与粒子滤波相结合,应于雷达和红外多传感器目标融合跟踪.利用基于迭代扩展卡尔曼滤波的序贯融合算法得到的系统状态更新矩阵和误差协方差矩阵来构造粒子滤波的重要性密度函数,使重要性密度函数能够融入最新观测信息的同时,更加符合真实状态的后验概率分布.仿真结果表明基于序贯融合的迭代扩展卡尔曼粒子滤波(IEK-PF)能提高状态估计的精度.     

一种高实时性粒子滤波重采样算法

重采样是解决粒子滤波退化问题的主要方法,传统的重采样算法,如系统重采样、残差重采样,以及Bolic等提出的"残差系统重采样"算法,均存在运算时间较长、占用存储空间较大等问题.而时效性是制约粒子滤波方法实用性的瓶颈.对粒子滤波的基本原理进行了论述;提出了一种高实时性粒子滤波重采样算法--"简单重采样算法",通过仿真实验与分析,该算法在状态估计精度上与其它重采样算法相当,但却具有计算量小、速度快、实时性强等优点,适于硬件实现.     

迭代扩展卡尔曼辅助粒子滤波及算法性能分析

用迭代扩展卡尔曼滤波方法来生成辅助粒子滤波的重要性密度函数,得到了一种新的改进的滤波算法:迭代扩展卡尔曼辅助粒子滤波.仿真结果表明,该算法在观测量较精确的情况下改善了粒子权值分布,减轻了粒子退化现象,该算法不仅要优于已有的滤波方法,而且比无忌卡尔曼粒子滤波运行时间短.分析了各算法改进的原因及适应情况.     

Cubature粒子滤波

非线性非高斯下后验概率密度函数解析值无法获得,需设计合理的重要性密度函数进行逼近。传统粒子滤波(particle filter, PF)直接采用未含最新量测信息的状态转移先验分布函数作为重要性密度函数来逼近后验概率密度函数。针对PF缺乏量测信息的问题,提出一种基于Cubature卡尔曼滤波(Cubature Kalman filter, CKF)重采样的Cubature粒子滤波新算法(Cubature particle filter, CPF)。该算法在先验分布更新阶段融入了最新的观测数据,通过CKF设计重要性密度函数,使其更加接近系统状态后验概率密度。仿真表明CPF估计精度高于PF和扩展卡尔曼滤波(extended particle filter, EPF),与无轨迹粒子滤波(unscented particle filter, UPF)相比,其精度相当,但算法运行时间降低了约20%。     

双站纯方位空时软约束无迹粒子滤波算法

针对双站纯方位机动目标跟踪中由信息不完全和非结构化测量环境导致的有界混合似然问题，提出空时软约束无迹粒子滤波算法。针对目标先验未知，利用光电经纬仪对极几何约束测量空间点，预测空间曲面中心计算转弯率；为覆盖多域似然，采用无迹变换技术更新目标状态，引入模糊测度调制重要性函数；为保持估计方差维数不变性，根据狄拉克后验采样提取目标状态。仿真结果表明，对于典型的双站经纬仪跟踪空域点目标，相比于Rao-Blackwell多模型粒子滤波，提出算法的计算复杂度与单模型粒子滤波量级相当；相比约束辅助粒子滤波算法，提出算法的滤波精度提高了27%～41%。     

船舶组合导航自适应迭代粒子滤波方法及应用

针对多传感器观测信息较多、粒子采样效率较低的问题,提出了一种自适应迭代粒子滤波(adaptive iterated particle filter, AIPF)算法并应用于船舶全球定位系统/惯性导航系统组合导航系统。首先通过粒子滤波自身迭代进行其重要性密度函数的更新。其次,采用自适应退火参数的模拟退火算法,使当前量测量能够快速进入到采样过程,进而大大提高了采样效率。最后,进行了仿真对比计算以及实船试验,结果表明,AIPF算法不仅可以提供精度较高的导航精度,而且增强了滤波性能。     

基于近似思想的增广PF研究

由于传统的增广卡尔曼滤波方法难以有效解决带有未知参数估计的强非线性、非高斯动力学问题。针对这一问题,在对粒子滤波算法研究的基础上提出了基于近似思想的增广粒子滤波方法。这一方法利用高斯随机游走模型对未知参数进行增广建模,再通过粒子滤波方法进行状态估计。为了提高观测新息的利用率,提出了一种新的重要性函数;针对高斯随机游走模型方差不断增大的问题,采用了修改后的Kernel平滑模型进行解决;对粒子重采样方法进行了修改,采用了混合重采样的策略,增强了粒子活性。通过算例进行仿真,验证了算法的有效性。     

基于幅值信息的联合概率数据关联粒子滤波算法

针对非线性非高斯环境下多目标被动跟踪的低可观测问题,将粒子滤波、联合概率数据关联和量测的幅值信息相结合,提出了一种基于幅值信息的联合概率数据关联粒子滤波算法。将联合概率数据关联算法中的关联似然与幅值似然比相结合,利用粒子滤波算法进行跟踪滤波,用幅值量测来改善低可观测条件下的目标跟踪性能。仿真结果表明,该算法提高了数据关联的可靠性和目标跟踪的精度。     

求解探测概率门限因子的一种重要度抽样方法

在不同探测环境下确定探测概率时 ,首先需要根据给定的虚警率来确定相应的探测概率门限因子 ,这时需要在杂波和被检测单元的概率分布密度函数已知条件下 ,对其进行积分 .实际应用中 ,概率分布密度函数非常复杂 ,这时直接积分法很难奏效 ,必须用数值模拟法来解决 .但常规的 Monte Carlo方法在模拟像虚警概率这类小概率事件时既耗费机时 ,精度又差 ,目前国际上正在研究应用重要度抽样法(Importance Sampling)来解决该问题 .本文在前人研究成果的基础上 ,针对两大类雷达探测处理器——单元平均恒虚警 (CA-CFAR)和修整平均恒虚警处理器 (TM-CFAR) ,对相应的重要度抽样方法进行了研究和推导 ,结果表明方法高效可靠.     

重要性抽样法研究

重要性抽样法是一种最重要的提高抽样效率的方法，由于其适用范围广，容易实现，在通信网、航空航天、自动控制等系统的可靠性安全性仿真中得到广泛研究和应用。本文从计算复杂性的角度提出了极小概率事件发生概率估计的困难，简单介绍了重要性抽样的基本原理，综述了基于随机优化和大偏差原理的技术、加速失效法、分裂法等几种最优抽样分布构造技术的实现及其适用范围，在此基础上提出基于知识的重要性抽样思想，有助于解决目前数字仿真特别是高可靠度系统可靠性仿真中的抽样效率问题。     

美式期权的几种蒙特卡罗仿真定价方法比较

在Longstaff和Schwartz（LS，2001）提出的基于多项式函数逼近的美式期权仿真定价基础上，给出美式期权重要性抽样仿真方法——顺推法及其具体算法。同时给出重要性与分层抽样相结合的算法。该方法可以适用于类似于美式期权具有可提前执行特征以及路径依赖特征等金融衍生工具仿真定价，具有一般性。数字示例比较结果表明，相对于LS方法，重要性抽样和分层重要性抽样都具有较好的方差缩减效果，尤其分层重要性抽样方法。     

基于重要事件采样仿真技术的长相关网络业务性能评价

论述了重要事件采样仿真技术，分析了其仿真原理和实现方法，给出了典型情形下的仿真算法。对以分数自回归整合滑动平均过程(FARIMA（p，d，q)过程)为输入过程的单服务队列系统的仿真表明的系统溢出率与业务的长相关特性有密切关系。仿真结果与大偏差技术等分析结论较为一致，验证了仿真结果的可靠性。     

软件仿真在扩频通信系统中的应用研究

主要研究了软件仿真技术在扩频通信系统中的应用,提出了软件仿真扩频通信系统的设计思想,详细分析了重点抽样技术（Ｉｍｐｏｒｔａｎｃｅ Ｓａｍｐｌｉｎｇ） 对仿真估值扩频通信系统的误码率所起的作用。最后,本文给出了一个仿真实例。     

预期短缺ES估计的稳定性分析

在风险管理中,风险量度估计的稳定性对金融机构的经济资本确定及风险分配起着重要的作用.本文从预期短缺(ESα)估计的稳定性角度分析重要性抽样技术和Monte Carlo模拟在估计信用资产组合ESα方面的差异.结果表明,由于组合损失分布尾部事件的稀有性,与传统的Monte Carlo模拟方法相比,运用重要性抽样方法估计的ESα比较稳定,且生成的风险贡献能够明显地体现出资产间不同的风险特征.     

基于G-M法和重要抽样法的PLP强度函数的Bayesian预测分析

在多种无信息先验下, 将Gibbs抽样与Metropolis-Hastings算法混合的方法和重要抽样法应用于幂律过程强度函数的Bayesian预测分析, 简化Bayesian分析同时还能方便地给出强度函数及其函数的Bayes估计和区间分析. 所给预测方法不仅能预测幂律过程的未来强度, 同样适用于当前强度的预测. 在用具有精确解的数值模拟算例充分验证了文中方法的可行性、合理性和有效性之后, 将其应用于一个实例分析, 并就无信息先验中参数的选取给出一些建议.     

单测控站测控任务可靠性仿真的高效方法

Markov模型及其直接仿真法在评价单测控站条件下的测控任务可靠性时都存在计算 复杂性的问题. 将强制法与失效偏倚法相结合, 用于测控任务可靠性的仿真. 在出现初始状态的情况下使用强制法将下一状态的发生时间限制在任务时间内, 在其它非吸收状态下使用失效偏倚法提高失效转移发生的概率, 并通过似然比将结合强制法与失效偏倚法得到 的仿真样本还原为测控任务不可靠度的无偏估计量. 证明了结合强制法和失效偏倚法的方差相对直接仿真有量级上的缩减, 能保证仿真结果相对误差的有界性. 通过实例验证了结合强制法与失效偏倚法的正确性与高效性, 能有效地解决单测控站条件下测控任务的可靠性仿真.     

考虑节点失效网络可靠性计算的重要度抽样随机模拟

针对同时考虑节点和边单元失效的一般赋权网络,提出了一种考虑节点失效网络连通可靠性计算的Monte Carlo随机模拟算法.Monte Carlo随机模拟方法包含单元状态抽样、网络系统连通状态分析和连通功能函数指标统计三个阶段.在系统连通状态分析阶段,提出将一般赋权网络转换为边权网络的等效化方法,此方法无需额外增加等效节点或边;在单元状态抽样阶段,采用重要度抽样函数进行随机抽样,增加对失效概率贡献大的抽样点出现概率,利用自适应方法求解最优重要度抽样函数.算例分析中,根据模拟均值的相对误差和变异系数两个指标,说明了本文方法的正确性和有效性.