Rao-Blackwellised粒子滤波SLAM的一致性研究

Rao-Blackwellised粒子滤波SLAM(RBPF SLAM)算法的复杂度与特征个数呈线性关系,对于大规模SLAM有明显的计算优势,但是该算法不能长时间满足一致性要求,必须进行改进。采用归一化估计方差NEES对算法的一致性进行了分析,得出粒子耗尽是造成算法不一致的原因,并分别采用辅助粒子滤波及正则粒子滤波对算法进行改进,以得到一致的RBPF SLAM。最后,通过大量的Monte-Carlo仿真实验,验证了方法的有效性。     

基于迭代无迹卡尔曼滤波的SLAM算法仿真研究

对迭代无迹卡尔曼滤波算法在SLAM问题中的应用进行仿真研究。通过仿真分析发现,与一般的无迹卡尔曼滤波算法相比,迭代的算法有时无法提高SLAM的精度,继而探讨了SLAM问题中选择采用迭代算法的条件;同时针对迭代算法的观测更新阶段,用阻尼的高斯-牛顿迭代方法改进完全高斯-牛顿迭代方法,从而提出一种改进的基于迭代无迹卡尔曼滤波的SLAM算法。仿真实验对提出的迭代条件进行了验证,仿真结果表明提出的SLAM算法与无迹卡尔曼滤波算法相比,可以进一步提高SLAM问题的估计精度。     

基于模糊逻辑的SLAM数据关联方法

提出了一种基于模糊逻辑的同步定位与地图创建(simultaneous localization and maping, SLAM)数据关联方法,该方法计算特征观测和特征估计的误差椭圆,对归一化新息和误差椭圆重叠比例进行模糊化处理,作为模糊系统输入变量,将数据关联结果作为模糊输出变量。通过融合这些特征信息建立模糊规则,进行模糊推理,最终获得数据关联结果。这种方法可以有效表达数据关联中存在的不确定性和模糊性,具有处理多个候选关联假设的能力,并且在实际观测与特征估计值距离较小时减少了误关联的发生,在实际观测与特征估计值距离较大时又避免了丢弃正确关联。仿真实验表明,新算法具有更好的抗干扰能力和鲁棒性,为SLAM的数据关联提供了一条新的途径。     

半监督稀疏近邻保持投影

提出了改进的稀疏子空间学习方法。首先,提出了稀疏近邻相关性重构模型,该模型通过提取样本间的局部信息和标记样本的标签信息,解决了稀疏子空间学习的全局特征导致数据描述不充分的问题;其次,利用半监督技术,引入正则化参数对无标签判别特征和标签判别特征进行特征融合,提高了基于稀疏近邻相关性重构的子空间学习算法的性能。实验结果表明,该方法具有较高的分类性能和识别率,此外,稀疏近邻相关性重构在提取判别信息时具有良好的稳定性。     

基于多元退化数据的可靠性分析方法

针对具有多个退化特征量的产品,提出了基于多元退化数据的一般可靠性分析方法和处理步骤.首先通过相关分析对退化特征量进行筛选,利用退化特征量分布与寿命分布的关系估计产品在各检测时刻的可靠度,最后通过产品寿命分布拟合进行可靠性评估.由于不依赖退化轨迹的假设,该方法具有较好的适用性,而对退化特征量的相关性分析使计算更加容易,并为产品检测指标的简化提供参考.最后给出仿真例子验证了该方法的可行性和有效性.     

应用SLAM法对导弹制导系统的统计分析

本文对导弹制导系统的一种新的统计分析方法——SLAM法进行了研究,推导出了SLAM法模型,并在此基础上编制了SLAM法统计分析程序,用实例分析了几种随机干扰对导弹制导系统统计性能的影响,仿真结果与导弹实际情况是吻合的。从而说明本文推导的SLAM模型及统计分析程序准确可靠。文中所采用的CADET模型自动转换程序、SLAM法统计分析程序均可用于其他类型的导弹制导系统的统计分析。     

反馈交易与证券市场收益的尖峰厚尾特征

提出了一个有理性交易者和非理性交易者参与的证券市场收益模型,其中非理性交易者采取简单趋势外推的反馈交易策略.反馈交易导致收益序列的自相关,收益序列的长程相关性引起了异常扩散,由于扩散的方差大于标准布朗运动的方差,造成收益概率密度函数的厚尾现象.在模型的基础上,利用蒙特卡罗仿真方法生成了股市收益时间序列样本,计算了仿真数据的峰度、尾指教和自相关系数,并与我国上证指数真实收益序列的相应指标进行了对比分析.模型的仿真结果显示了证券收益的尖峰厚尾特征以及收益序列的自相关性.     

采用信号子空间稀疏表示的DOA估计方法

利用目标辐射源空间分布的稀疏性,提出了一种基于稀疏表示的多快拍联合波达方向(direction of arrival, DOA)估计方法。该方法首先利用采样数据矩阵大奇异值对应的左奇异向量估计信号子空间,然后采用加权迭代最小方差方法对信号空间进行稀疏表示。与传统的角度高分辨估计方法不同,该方法没有利用样本的统计信息,因而对具有任意相关性的信号源能进行有效的波达方向估计,不需要进行去相关处理,且具有很高的分辨力及估计精度。实验表明在该方法能准确的对目标源方位进行估计,且极大地降低了稀疏表示的计算量。     

多个动态序列之间非线性相关性度量方法

动态序列相关性推断是处理多维序列经济预测建模中变量选择问题的重要方法之一.本文把状态空间重构意义下相关维数计算方法推广到任意多个观测变量情形,定义了多个序列非线性相关度的概念,并讨论了计算方法的量纲稳定性.利用Lorenz系统进行仿真,并以中房综合指数上海、北京、广州数据作为应用实例进行非线性相关性推断,数据结果说明方法可行.     

核稀疏概念编码算法及在图像表示中的应用

稀疏编码算法是一种常用的图像数据表示方法.为了处理高度非线性分布的数据,文中提出了一种核稀疏概念编码算法,并应用于图像表示.该算法首先对邻域图进行谱分析,提取数据的几何流形结构信息;然后将原始特征空间数据映射到高维特征空间中,利用谱回归在高维特征空间中来计算基向量;最后在高维特征空间中对每个样本逐个进行表示.文中算法不仅能有效地处理非线性结构数据,而且只需求解一个稀疏特征值问题和两个回归问题,计算简单有效.在Yale、ORL和PIE图像库的聚类实验表明,文中算法的准确率和归一化互信息均优于其它几种对比算法.     

被动定位系统中的方位数据关联

多站测向交叉定位是无源定位方法中运用较多的一种,但该方法在复杂环境下会产生虚假定位点,而虚假定位点的快速、准确排除一直是无源定位研究中的难点,国内外许多学者始终致力于该问题的研究,提出了多种解决方法,像最小距离法、最大似然算法、拉格朗日松弛算法等,但它们或数据正确相关率较低,或计算量较大,不适用于实时处理。为此,采用了一种对目标进行方位关联的新方法,即先利用一定的准则进行方位粗关联,排除掉一部分虚假定位点,减少计算量;在此基础上再进行方位细关联,找出最有可能来自目标的方位组合。与现有算法相比,该方法可快速、准确地排除虚假定位点。仿真结果表明,利用该方法可较好地对多目标进行定位和跟踪,且计算量适中。     

一类事件驱动马氏决策过程的Q学习

对广泛存在的一类事件驱动的平均费用型马尔可夫决策问题,通过分析其模型特征,研究了一种简单的增强型学习算法,不必将事件扩充为系统状态,而只对原始状态的值函数进行学习,减少了计算量和数据存储量。将算法应用于M/M/1排队系统的接纳控制问题,计算机仿真结果表明,算法优于通常的增强型学习和动态规划方法,验证了算法的有效性。     

基于组合噪声调频信号的高速目标参数估计

宽带噪声雷达参数估计时通常会采用宽带互模糊函数的方法,但是宽带互模糊函数庞大的运算量限制了其在实际工程中的应用,为此提出了一种基于组合噪声调频信号的高速目标参数估计方法。该方法首先将回波信号共轭自混频来抑制多普勒敏感,然后对自混频信号进行短时相关运算,并通过高斯拟合获得分段的时延精确解,最后利用最小二乘算法求得目标参数。该方法通过自混频过程获得的组合噪声调频信号具有更高的时延分辨力,提出的高斯拟合方法较经典的抛物线插值方法精度更高,整个算法无需宽带模糊函数所需的时域重构运算及二维搜索过程,运算复杂度大大降低,适用于实际工程应用。仿真结果验证了本文算法的有效性。     

基于粒子滤波的机器人定位及动态目标跟踪

提出了一种基于粒子滤波的动态跟踪算法,解决了传统SLAM理论在处理动态目标时误差不断累加的问题。通过分析移动机器人和激光测距仪,里程计的原理,建立了机器人的运动和观测模型。将数据关联的方法用于动态环境中则提高了系统的稳定性和定位的精度。仿真结果表明此算法能够比较精确地估计出机器人的位姿以及动态目标在地图中的位置,为开展将静态与动态相结合的定位与地图构建的研究提供了一种可行方案。     

基于启发式的多机器人SLAM地图融合方法研究

同步定位和地图构建（simultaneous localization and mapping,SLAM）是移动机器人在未知环境中完成地图构建和定位任务的关键技术。针对多机器人SLAM中的地图融合问题,提出一种启发式的搜索方法引导局部地图的重复区域进行地图融合。每个机器人可以在不了解其相对位置的情况下建立局部地图,并将局部地图信息发送至同一工作站中,以局部地图的相似性为判断指标融合得到最优的全局地图。在机器人实物平台上进行验证,结果证明了多机器人SLAM的地图融合算法的有效性和准确性。     

基于学习进化的机器人同时定位与地图创建

利用学习与进化结合的思想,改善基于粒子滤波的SLAM算法。在对学习与进化的关系深入分析的基础上,针对基于粒子滤波的SLAM算法,提出将滤波过程分成学习和进化两个阶段,分别给出相应算法解决粒子有效性与多样性的问题,缓解二者之间的矛盾,改善了SLAM算法的效果,增强了算法的鲁棒性,也验证了学习与进化的关系。最后,通过多次Monte-Carlo仿真实验结果表明了该算法的有效性。     

一种新的自主移动机器人主动式SLAM算法

针对未知环境中运动的自主移动机器人的控制律与运动路径需要在同时定位与地图创建过程中同步产生的问题,提出了运用行为动力学与滚动窗口路径规划的同时定位与地图创建方法。应用行为动力学模型计算机器人运动速度和导航角,确定控制律,同时根据滚动窗口中信息进行定位与地图创建,并自主规划出可行路径,再将滚动窗口地图融合到全局地图中,实现机器人主动式同时定位与地图创建。仿真实验表明,在根据机器人任务而灵活设置单个或多个目标点的情况下,该方法能够实现机器人在自主运动的过程中有效地完成同时定位与地图创建任务,并通过相关性能指标验证了算法的有效性。     

三站无源定位系统数据关联算法

全局最优量测数据关联算法是无源定位技术中的关键问题。针对三站无源定位系统全局最优数据关联的三维（3-D）分配问题，提出一种新的直接求解算法——启发式消元算法。该算法通过直接对代价矩阵的元素进行启发式消元，得到分配问题的最优解。给出算法相关原理的分析和证明以及算法的具体步骤。并将其应用于三部光电被动传感器多目标无源定位系统两级数据关联算法的第二级关联过程中。对启发式消元算法和求解3一D分配问题的近似最优求解算法——拉格朗日松弛算法的算法复杂性进行了分析对比。理论分析和仿真实验均表明，该算法较适合与两级关联算法联合使用。与拉格朗日松弛算法相比。该算法计算量小。便于实现。是一种新的、有效的全局最优数据关联算法。