一种粒子群优化扩展卡尔曼粒子滤波算法

本文提出一种采用粒子群（PSO）优化扩展卡尔曼粒子滤波（EPF）的新算法．由于上一时刻的目标解对当前时刻目标的影响最大,提出粒子群中的粒子不考虑其自身最佳经历和群体最佳经历,而只考虑前一时刻的全局最优解;取上一时刻的目标解代表粒子集中全局最优解．采用粒子群优化扩展卡尔曼粒子滤波（EPF）的状态转移方程,使得粒子集在权值更新前趋向于高似然区域,从而更加逼近真实状态的后验概率密度分布,克服了粒子退化问题,提高了预估精度,并极大地降低了所需的粒子数．仿真实验结果表明,该算法预估性能优于传统的粒子滤波方法．     

一种用于运动跟踪的加窗粒子滤波新算法研究

为了提高粒子滤波算法在视频跟踪中的性能,在基本粒子滤波算法的基础上,采用窗口滤波更新粒子集合,根据对目标位置估计的情况动态更新粒子集合大小,得到一种改进的粒子滤波算法--加窗粒子滤波算法.该算法利用估计窗内的混合抽样粒子集描述后验分布,通过对估计窗内具有不同权值的粒子集依据其权值大小进行抽样,并根据当前观测值对抽取的粒子状态进行更新,实现对目标的跟踪.仿真实验结果表明:这种跟踪算法在不影响跟踪精度的情况下,大大减少了计算量,较好地解决了视频目标跟踪这一非线性非高斯状态在线估计问题.     

基于能量差的加权均值递归滤波算法

对基于激光测量的管形零件内轮廓母线采样数据进行滤波.提出了基于能量差的加权均值递归滤波算法.该滤波方法中权值求取方法的思想是尽量给滤波窗口内能量频谱相对集中的采样数据赋予较大的权值,而给由于干扰引起的畸变数据赋予较小的权值.合适的滤波窗口长度通过仿真对比试验获得.这一思想的合理性通过仿真分析和实验测试得到验证,并表现出良好的效果.     

数字图像迭代均值滤波降噪算法

改进了图像处理的传统均值滤波算法,提出了迭代均值滤波算法。该方法从图像第1个像素开始,依次用邻域均值法处理每个像素。每处理1个像素立即更新该点灰度值,并用新灰度值参与后续像素的处理运算。图像实验结果表明,该算法能增强去噪效果,明显改善图像重构质量。     

嵌入尺度可变均值漂移算法的粒子滤波方法

将尺度可变均值漂移算法嵌入到粒子的扩散过程中,引导粒子扩散到后验概率密度函数的高密度区,提出一种嵌入尺度可变均值漂移算法的粒子滤波跟踪方法.利用对数极坐标图像的尺度不变性,在粒子扩散过程中同时进行位置、尺度空间漂移.实验表明,该方法不仅能顺利跟踪非连续尺度变化目标,而且需要更少的粒子数.     

GPU加速的在线K均值聚类粒子滤波跟踪算法

针对目标的颜色空间特征,提出一种在粒子滤波框架下利用K均值聚类描述目标,并采用EMD距离度量2个聚类簇集之间的相似程度的跟踪算法。考虑到聚类算法的耗时,利用GPU将其并行化进行加速。实验结果表明,此法比基于颜色直方图的粒子滤波算法具有更好的跟踪效果,同时也显著提高了运算速度。     

基于改进粒子滤波算法的车速估计

针对基于粒子滤波算法设计的车速估计器因提议分布与实际分布不一致导致粒子退化使估计误差变大的问题,提出了一种通过修正提议分布减弱粒子退化影响的改进粒子滤波车速估计器。首先,基于车辆运动学模型和传感器特性建立系统的状态转移方程和观测方程。然后,利用传感器测量值与粒子状态值的差值设计提议分布修正项对状态转移方程进行修正,并对过程噪声做自适应处理。最后,利用CarSim-Simulink联合仿真平台在双移线工况和正弦转角输入工况下进行仿真验证。与自适应粒子滤波器相比,双移线工况下改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了40.25%和55.71%;正弦转角输入工况下,改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了47.00%和41.21%。     

改进的自适应均值滤波算法及应用

燃煤锅炉的燃烧过程复杂且不稳定,监视系统的图像可能受到各种噪声的干扰,针对此问题,提出一种改进的自适应均值滤波算法。此算法利用自适应阈值和图像的全局统计特性对滤波系数加以优化。实验结果表明,该方法可以更有效地减少噪声,并可以保护图像的边缘信息。由于阈值选取具有自适应性,可推广应用到其它去噪领域。     

均值加速的快速中值滤波算法

中值滤波是图像处理中常用的滤波方法 ,该方法能够在有效地去除噪声的同时保持图像的边缘细节。但由于其运算的时间复杂度高 ,在滤波子窗尺度较大时 ,不能满足大型图像实时处理的需要。提出了一种利用均值加速的快速中值滤波算法 ,它能有效地降低中值滤波算法的时间复杂度 ,将计算效率和运算速度提高到传统快速滤波算法的两倍以上。该算法应用于大型辐射图像的滤波处理中 ,取得了良好的效果 ,提高了图像滤波的速度 ,增强了图像处理的实时性     

基于改进加权均值滤波的医学影像图像除噪研究

针对均值滤波算法对含有椒盐噪声和高斯噪声的医学影像图像除噪不理想的问题,本文提出了改进加权均值滤波算法,该算法把滤波窗口中每个像素点的灰度值与计算得到的相应权值运算后作为其中心点的输出值,并运用该算法对含有椒盐噪声和高斯噪声的医学影像图像进行除噪研究.实验表明该算法对椒盐噪声和高斯噪声具有较强的抑制力,并且除噪后的医学...     

散乱点云去噪算法的研究与实现

提出了一种快速去除散乱点云数据表面噪声和离群点的鲁棒滤波算法.应用核密度估计聚类方法,通过Mean-Shift迭代过程将每一个采样点"漂移"到核密度估计函数的局部最大值点,该最大值点确定了点云数据的聚类中心并能准确逼近原始曲面,使点云曲面收敛为一个稳定的三维数字模型.算法中的似然估计函数充分考虑了散乱点的法矢方向,因此不仅可以去除不同幅度的噪点,还可以用简单的阈值条件很容易地检测出离群点的聚类,从而实现了点云数据的高效快速光顺去噪.     

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.     

联合Mean-shift与粒子滤波器的实时视频目标跟踪算法及实现

粒子滤波器由于摆脱了高斯分布的约束条件,已经成为一种主流的、面向目标的非线性运动跟踪算法,广泛应用于视频压缩与检索、智能视频监控、智能人机交互等领域,其缺点是计算复杂度高、计算量庞大,无法满足实时应用的需求。针对粒子滤波器在计算量、实时性及粒子退化方面存在的问题,提出了将Mean-shift算法嵌入粒子滤波器,对重要性采样分布进行优化,以较少的采样粒子实现视频目标跟踪。仿真实验结果显示,联合Mean-shift的粒子滤波算法在目标跟踪过程中具有较好的实时性与鲁棒性。     

圆参数的贝叶斯估计

用贝叶斯方法解决圆相邻角已知的情况下的参数估计,并得出圆半径的后验分布和置信区间。     

单站无源定位中的一种简单粒子滤波算法

提出了一种简单的正则粒子滤波,克服了标准粒子滤波在用于单站无源定位中时出现的粒子匮乏现象,将粒子滤波成功的应用到了无源定位中.通过计算机仿真表明,这种简单的正则粒子滤波能有效缩短定位时间,提高定位精度.     

正态线性单方程计量经济模型的Bayes统计推断

该文研究了如何利用Bayes方法来建立正态线性计量经济模型 :Y =Xβ U ,U ～N( 0 ,σ2 In) ,分别讨论了在二次损失函数下σ2 已知时 ,β的Bayes估计和σ2 未知时 ( β ,σ)的Bayes估计。与 β或 ( β ,σ)的经典统计估计相比较 ,由于Bayes方法融合了样本信息和参数的先验信息 ,其Bayes估计的精度更高。     

定性信号在混合状态与参数估计中的应用

为了利用实际工程中常可获得的各种测量信号,该文分析定性信号的特点,在某些时刻提取出定量信息,给出将所提取出的定量信息与连续测量信号共同用于混合系统状态估计的方法.同时,针对用于状态估计的模型难以避免误差的情形,在定性信号提取出的定量信息帮助状态估计的前提下,提出一种基于进化粒子滤波的方法,估计模型中存在误差的参数.仿真结果表明,该文提出的混合状态与参数估计方法是有效的,可以充分利用所获得的定性信号.     

极大似然法和概率加权矩法之比较分析

用极大似然法和概率加权矩法对Gumbel分布中的参数进行估计，从理论上讨论了二种估计方法的统计性质。