• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于改進(jìn)粒子濾波算法的車速估計

    2024-05-23 08:33:53高彥傅春耘楊忠楊官龍
    重慶大學(xué)學(xué)報 2024年3期
    關(guān)鍵詞:粒子濾波

    高彥 傅春耘 楊忠 楊官龍

    收稿日期:2021-12-27

    網(wǎng)絡(luò)出版日期:2022-04-24

    基金項目:重慶市自然科學(xué)基金資助項目(cstc2020jcyj-msxmX0664);中央高校基本科研業(yè)務(wù)費項目(2020CDJ-LHZZ-043)。

    作者簡介:高彥(1994—),男,碩士研究生,主要從事智能汽車底盤控制研究,(E-mail)gaoyan_cqu@cqu.edu.cn。

    通信作者:傅春耘,男,副教授,(E-mail)fuchunyun@cqu.edu.cn。

    摘要:針對基于粒子濾波算法設(shè)計的車速估計器因提議分布與實際分布不一致導(dǎo)致粒子退化使估計誤差變大的問題,提出了一種通過修正提議分布減弱粒子退化影響的改進(jìn)粒子濾波車速估計器。首先,基于車輛運動學(xué)模型和傳感器特性建立系統(tǒng)的狀態(tài)轉(zhuǎn)移方程和觀測方程。然后,利用傳感器測量值與粒子狀態(tài)值的差值設(shè)計提議分布修正項對狀態(tài)轉(zhuǎn)移方程進(jìn)行修正,并對過程噪聲做自適應(yīng)處理。最后,利用CarSim-Simulink聯(lián)合仿真平臺在雙移線工況和正弦轉(zhuǎn)角輸入工況下進(jìn)行仿真驗證。與自適應(yīng)粒子濾波器相比,雙移線工況下改進(jìn)粒子濾波估計器產(chǎn)生的縱向速度估計值和側(cè)向速度估計值的平均絕對誤差分別減小了40.25%和55.71%;正弦轉(zhuǎn)角輸入工況下,改進(jìn)粒子濾波估計器產(chǎn)生的縱向速度估計值和側(cè)向速度估計值的平均絕對誤差分別減小了47.00%和41.21%。

    關(guān)鍵詞:車速估計;粒子濾波;提議分布

    中圖分類號:U461 ?????????文獻(xiàn)標(biāo)志碼:A ????????????文章編號:1000-582X(2024)03-044-09

    隨著現(xiàn)代汽車電子控制技術(shù)的快速發(fā)展,車載控制系統(tǒng)的數(shù)量越來越多。許多控制系統(tǒng)在工作時需要車輛的狀態(tài)信息作為控制系統(tǒng)的輸入,例如自適應(yīng)巡航控制(adaptive cruise control,ACC)、電子穩(wěn)定控制(electronic stability control,ESC)、防抱死制動系統(tǒng)(anti-lock braking system,ABS)。因此,獲取準(zhǔn)確的車輛狀態(tài)信息是車輛控制系統(tǒng)正常、有效工作的前提[1]。車輛狀態(tài)信息中存在的誤差將使車輛控制系統(tǒng)的性能下降甚至完全喪失。

    在車輛的諸多狀態(tài)中,車速(包括縱向速度和側(cè)向速度)是最重要的車輛狀態(tài)之一,許多重要的車載控制系統(tǒng)均需要準(zhǔn)確的車速信息才能正常工作。由于通過傳感器直接獲取準(zhǔn)確車速的成本很高,因此目前車速信息主要通過狀態(tài)估計來間接獲取。常用的狀態(tài)估計方法包括卡爾曼濾波算法、龍貝格觀測器、魯棒觀測器、滑模觀測器和非線性觀測器等,其中卡爾曼濾波算法是應(yīng)用最廣泛的狀態(tài)估計算法[2]。卡爾曼濾波算法又衍生出多種變體,例如擴(kuò)展卡爾曼濾波(extended Kalman filter,EKF)、無跡卡爾曼濾波(unscented Kalman filter,UKF)、容積卡爾曼濾波(cubature Kalman filter,CKF)等。文獻(xiàn)[3-5]中采用經(jīng)典卡爾曼濾波算法估計車速,該方法以線性微分方程為基礎(chǔ),所以只適用于線性系統(tǒng)。但是,車輛的運行工況復(fù)雜多變,當(dāng)車輛運行在極限工況下時,車輛系統(tǒng)表現(xiàn)出強非線性。因此,文獻(xiàn)[6-9]中使用擴(kuò)展卡爾曼濾波算法進(jìn)行車速估計,但是該方法只適用于弱非線性系統(tǒng),而且需要計算復(fù)雜的雅可比矩陣。文獻(xiàn)[1,10-12]中采用無跡卡爾曼濾波算法估計車速,該方法不需要計算雅可比矩陣,能處理不可導(dǎo)的非線性函數(shù),與擴(kuò)展卡爾曼濾波算法相比更適用于非線性系統(tǒng)。文獻(xiàn)[13-14]中采用容積卡爾曼濾波算法估計車速,該方法不需要計算復(fù)雜的雅可比矩陣,且計算多維函數(shù)積分時效率較高,在非線性濾波方面較其他種類的卡爾曼濾波器具有更大的優(yōu)勢[15]

    上述各種基于卡爾曼濾波的車速估計算法都在處理強非線性系統(tǒng)方面存在缺陷。粒子濾波算法最早出現(xiàn)在20世紀(jì)50年代,是一種基于蒙特卡洛法和遞歸貝葉斯估計的統(tǒng)計濾波方法,具有很強的非線性處理能力[16]。文獻(xiàn)[16-19]中采用粒子濾波算法來估計車速,結(jié)果表明文獻(xiàn)中的幾種粒子濾波估計器均能夠在強非線性工況下較準(zhǔn)確地估計車速。

    雖然上述粒子濾波算法具有很強的非線性處理能力,并且通過重采樣方法在一定程度上減弱了粒子退化對估計精度的影響,但是仍然存在粒子退化導(dǎo)致估計精度變差的問題。具體來講,隨著粒子濾波算法迭代次數(shù)增加,只有少部分粒子具有較大的權(quán)重,大部分粒子的權(quán)重很小,造成粒子多樣性匱乏,從而影響估計精度[20]。針對這一問題,文獻(xiàn)[17]中采用高斯分布作為提議分布,設(shè)計了自適應(yīng)標(biāo)準(zhǔn)差參數(shù),在每一個采樣時刻修正提議分布的標(biāo)準(zhǔn)差,提升了粒子濾波估計器的估計精度和適應(yīng)能力。但是該方法仍然存在因提議分布與實際分布不一致導(dǎo)致的粒子退化問題。筆者在文獻(xiàn)[17]的基礎(chǔ)上基于車輛運動學(xué)模型設(shè)計了一種改進(jìn)粒子濾波估計器,改進(jìn)提議分布使其更符合實際分布以進(jìn)一步減弱粒子退化對估計精度的影響,從而有效估計車輛的縱向速度和側(cè)向速度。仿真結(jié)果表明,與文獻(xiàn)[17]中的自適應(yīng)粒子濾波估計器相比,改進(jìn)粒子濾波估計器在雙移線和正弦轉(zhuǎn)角輸入工況下均使縱向速度和側(cè)向速度估計值的平均絕對誤差大幅減小。

    1粒子濾波算法基本原理

    粒子濾波適用于強非線性系統(tǒng),因此非常適用于處理車輛狀態(tài)估計問題[21]。粒子濾波的核心思想是用一系列離散隨機(jī)采樣點來近似系統(tǒng)隨機(jī)變量的概率密度,以樣本均值代替積分運算,從而獲得狀態(tài)的最小方差估計[22]。

    與卡爾曼濾波一樣,粒子濾波算法利用狀態(tài)空間模型對系統(tǒng)進(jìn)行描述,該模型包括狀態(tài)轉(zhuǎn)移方程和觀測方程。

    式中:表示系統(tǒng)時刻的狀態(tài);表示系統(tǒng)時刻的狀態(tài);表示系統(tǒng)時刻的過程噪聲;表示傳感器時刻的測量結(jié)果;表示傳感器時刻的測量噪聲;f為狀態(tài)轉(zhuǎn)移函數(shù);h為觀測函數(shù)。

    粒子濾波的均值思想是利用粒子集合的均值作為狀態(tài)的估計值。如果粒子集合的分布不能很好地“覆蓋”真實值,粒子濾波器就會出現(xiàn)濾波發(fā)散現(xiàn)象。粒子集合的有效性通過粒子的權(quán)重計算和粒子集合的重采樣2個步驟來保證。粒子濾波算法中粒子集合的迭代過程如下[23]

    1)將表示系統(tǒng)時刻狀態(tài)的每一個粒子代入式(1),得到系統(tǒng)狀態(tài)的一步預(yù)測值。其中表示第個粒子,表示粒子集合的粒子數(shù)。

    2)將一步預(yù)測狀態(tài)集合中的每一個粒子帶入式(2),計算觀測值的預(yù)測值。

    3)假設(shè)在當(dāng)前時刻(即時刻),傳感器采集到唯一的觀測值,則可以根據(jù)該觀測值來計算每個粒子的權(quán)重:

    式中:表示觀測值的預(yù)測值與當(dāng)前時刻觀測值的差值;g為粒子的權(quán)重計算函數(shù);表示粒子的權(quán)重。需要指出的是g必須體現(xiàn)“觀測值的預(yù)測值與傳感器真實觀測值的絕對偏差越小,權(quán)重越大,反之權(quán)重越小”這一規(guī)律。高斯函數(shù)是其中一種比較具有代表性的權(quán)重計算函數(shù)。

    4)對粒子集合進(jìn)行重采樣。重采樣過程體現(xiàn)的是粒子濾波過程中的“優(yōu)勝劣汰”,即:復(fù)制權(quán)重大的粒子,淘汰權(quán)重小的粒子,并保證重采樣前后的粒子數(shù)量一致。重采樣原理如圖1所示。通過重采樣機(jī)制,可在一定程度抑制粒子退化,保證粒子濾波的狀態(tài)估計效果。

    5)將重采樣后的粒子集合表示的狀態(tài)記為,代入到下一個迭代循環(huán)中。

    2基于改進(jìn)粒子濾波的車速估計

    2.1車輛運動學(xué)模型

    車輛的運動學(xué)模型如圖2所示。在汽車運動過程中,如下運動學(xué)關(guān)系始終成立:

    式中:和分別表示汽車的縱向和側(cè)向速度;和分別表示汽車的縱向和側(cè)向加速度;表示汽車的橫擺角速度。

    2.2狀態(tài)轉(zhuǎn)移方程和觀測方程

    根據(jù)式(5)和式(6)得到汽車縱向速度、側(cè)向速度的離散表達(dá)式如下:

    2.3提議分布修正項

    粒子濾波算法效果的好壞取決于粒子集合能否準(zhǔn)確地“覆蓋”真實值,如果不能很好地“覆蓋”真實值則會出現(xiàn)粒子退化問題,從而導(dǎo)致粒子濾波算法的狀態(tài)估計效果變差。為了減小粒子退化的影響,通常采取以下3種措施[25]

    1)增加粒子數(shù);

    2)采用能更有效抑制粒子退化的重采樣技術(shù);

    3)選擇合理的生成粒子的提議分布。

    本研究中通過在狀態(tài)轉(zhuǎn)移方程中加入修正項,實現(xiàn)實時修正提議分布,使粒子集合更準(zhǔn)確地“覆蓋”真實值,從而減弱粒子退化問題帶來的影響,提升狀態(tài)估計精度?;跁r刻傳感器對縱向加速度、側(cè)向加速度及橫擺角速度的測量值(即和rz)與時刻每一個粒子的縱向加速度、側(cè)向加速度及橫擺角速度值的差值對提議分布進(jìn)行修正。提議分布修正項如下:

    2.4改進(jìn)粒子濾波估計器設(shè)計

    對于固定參數(shù)的狀態(tài)估計器,在實際應(yīng)用中,不可能針對每一種工況都分別調(diào)試出適合的參數(shù),而只能兼顧各種常用工況來調(diào)試出一組折中的參數(shù)。因此,在工況變化時,固定參數(shù)估計器往往無法達(dá)到最佳的性能。為了保證估計器能夠在大多數(shù)工況下有效工作,提升估計器的魯棒性,本研究中對估計器的狀態(tài)轉(zhuǎn)移方程進(jìn)行自適應(yīng)設(shè)計以提高其工況適應(yīng)能力[17]

    估計器的觀測方程仍為式(13)。所提出的改進(jìn)粒子濾波估計器完整算法以偽代碼形式表示如圖3所示。

    算法1. 改進(jìn)粒子濾波車速估計算法偽代碼

    初始化濾波器:確定粒子數(shù),仿真步長(采樣周期)和仿真時間

    3仿真驗證分析

    本研究中基于運動學(xué)模型設(shè)計了改進(jìn)粒子濾波車速估計器,為了排除不同模型體系對車速估計精度的影響,選用文獻(xiàn)[17]中提出的基于運動學(xué)模型的粒子濾波估計器作為對照組,基于Matlab/Simulink和CarSim聯(lián)合仿真平臺,在雙移線工況和正弦轉(zhuǎn)角輸入工況下對設(shè)計的基于改進(jìn)粒子濾波算法的車速估計器性能進(jìn)行仿真驗證。

    將CarSim軟件直接輸出的車速數(shù)據(jù)作為真實值,下文中簡稱實際值;將文獻(xiàn)[17]提出的自適應(yīng)粒子濾波估計器產(chǎn)生的車速估計值稱為自適應(yīng)粒子濾波估計值;將改進(jìn)粒子濾波估計器產(chǎn)生的車速估計值稱為改進(jìn)粒子濾波估計值。

    3.1雙移線工況

    在本工況中,設(shè)定車輛以120 km/h的車速勻速行駛,方向盤轉(zhuǎn)角輸入選擇CarSim中的“跟隨駕駛路徑-雙移線”選項(圖4),得到的仿真結(jié)果如圖5所示。由圖5可見,與自適應(yīng)粒子濾波估計值相比,改進(jìn)粒子濾波估計值更接近實際值。

    進(jìn)行50次蒙特卡洛仿真試驗后,自適應(yīng)粒子濾波估計器和改進(jìn)粒子濾波估計器的估計誤差結(jié)果如表1所示??梢?,改進(jìn)粒子濾波估計器產(chǎn)生的縱向速度估計值的平均絕對誤差、最大絕對誤差和均方根誤差比自適應(yīng)粒子濾波估計器產(chǎn)生的相應(yīng)誤差大幅降低,分別減小了40.25%、49.23%和25.63%。類似地,改進(jìn)粒子濾波估計器產(chǎn)生的側(cè)向速度估計值的平均絕對誤差、最大絕對誤差和均方根誤差比自適應(yīng)粒子濾波估計器產(chǎn)生的相應(yīng)誤差分別減小了55.71%、54.23%和57.25%。在雙移線工況下,與自適應(yīng)粒子濾波估計器相比,改進(jìn)粒子濾波估計器的車速估計性能大幅提升。

    3.2正弦轉(zhuǎn)角輸入工況

    在本工況中,設(shè)定車輛以80 km/h的車速勻速行駛,方向盤轉(zhuǎn)角輸入為正弦波,如圖6所示。仿真時間設(shè)定為10 s,得到仿真結(jié)果如圖7所示。由圖7可見,與自適應(yīng)粒子濾波估計值相比,改進(jìn)粒子濾波估計值更接近實際值。

    用自適應(yīng)粒子濾波估計器和改進(jìn)粒子濾波估計器進(jìn)行50次蒙特卡洛仿真的估計誤差結(jié)果如表2所示??梢姡倪M(jìn)粒子濾波估計器產(chǎn)生的縱向速度估計值的平均絕對誤差、最大絕對誤差和均方根誤差比自適應(yīng)粒子濾波估計器產(chǎn)生的相應(yīng)誤差分別減小了47.00%、41.98%和43.85%。類似地,改進(jìn)粒子濾波估計器產(chǎn)生的側(cè)向速度估計值的平均絕對誤差、最大絕對誤差和均方根誤差比自適應(yīng)粒子濾波估計器產(chǎn)生的相應(yīng)誤差分別減小了41.21%、37.43%和52.85%。與雙移線工況類似,在正弦轉(zhuǎn)角輸入工況下,與自適應(yīng)粒子濾波估計器相比,改進(jìn)粒子濾波估計器的車速估計性能大幅提升。

    4結(jié)束語

    本研究中通過修正提議分布來減弱粒子濾波算法粒子退化問題對車速估計精度的影響。仿真結(jié)果表明,加入提議分布修正項后的粒子濾波估計器能夠在不同工況下準(zhǔn)確、穩(wěn)定地估計車輛的縱向速度和側(cè)向速度。與沒有修正提議分布的自適應(yīng)粒子濾波估計器相比,改進(jìn)后的粒子濾波估計器產(chǎn)生的平均絕對誤差、最大絕對誤差和均方根誤差均較小,車速估計精度得到較大的提升。

    參考文獻(xiàn)

    [1]??Zhao Z G, Chen H J, Yang J, et al. Estimation of the vehicle speed in the driving mode for a hybrid electric car based on an unscented Kalman filter[J]. Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 2015, 229(4): 437-456.

    [2]??余卓平, 高曉杰. 車輛行駛過程中的狀態(tài)估計問題綜述[J]. 機(jī)械工程學(xué)報, 2009, 45(5): 20-33.

    Yu Z P, Gao X J. Review of vehicle state estimation problem under driving situation[J]. Journal of Mechanical Engineering, 2009, 45(5): 20-33. (in Chinese)

    [3]??Daiss A, Kiencke U. Estimation of vehicle speed fuzzy-estimation in comparison with Kalman-filtering[C]//Proceedings of International Conference on Control Applications, September 28-29, 1995, Albany, NY, USA. IEEE, 1995: 281-284.

    [4]??Moaveni B, Khosravi Roqaye Abad M, Nasiri S. Vehicle longitudinal velocity estimation during the braking process using unknown input Kalman filter[J]. Vehicle System Dynamics, 2015, 53(10): 1373-1392.

    [5]??王仁廣, 劉昭度, 齊志權(quán), 等. 基于自適應(yīng)卡爾曼濾波算法確定汽車參考車速[J]. 農(nóng)業(yè)機(jī)械學(xué)報, 2006, 37(4): 9-11, 41.

    Wang R G, Liu Z D, Qi Z Q, et al. Vehicle reference speed determination using adaptive Kalman filter algorithm[J]. Transactions of the Chinese Society for Agricultural Machinery, 2006, 37(4): 9-11, 41. (in Chinese)

    [6]??Guo H Y, Chen H, Xu F, et al. Implementation of EKF for vehicle velocities estimation on FPGA[J]. IEEE Transactions on Industrial Electronics, 2013, 60(9): 3823-3835.

    [7]??Park G, Choi S B, Hyun D, et al. Integrated observer approach using in-vehicle sensors and GPS for vehicle state estimation[J]. Mechatronics, 2018, 50: 134-147.

    [8]??Wenzel T A, Burnham K J, Blundell M V, et al. Dual extended Kalman filter for vehicle state and parameter estimation[J]. Vehicle System Dynamics, 2006, 44(2): 153-171.

    [9]??張志勇, 張淑芝, 黃彩霞, 等. 基于自適應(yīng)擴(kuò)展卡爾曼濾波的分布式驅(qū)動電動汽車狀態(tài)估計[J]. 機(jī)械工程學(xué)報, 2019, 55(6): 156-165.

    Zhang Z Y, Zhang S Z, Huang C X, et al. State estimation of distributed drive electric vehicle based on adaptive extended Kalman filter[J]. Journal of Mechanical Engineering, 2019, 55(6): 156-165. (in Chinese)

    [10]??Chu L, Zhang Y S, Shi Y R, et al. Vehicle lateral and longitudinal velocity estimation based on unscented Kalman filter[C]//2010 2nd International Conference on Education Technology and Computer, June 22-24, 2010, Shanghai, China. IEEE, 2010: V3-427.

    [11]??金賢建, 楊俊朋, 殷國棟, 等. 分布式驅(qū)動電動汽車雙無跡卡爾曼濾波狀態(tài)參數(shù)聯(lián)合觀測[J]. 機(jī)械工程學(xué)報, 2019, 55(22): 93-102.

    Jin X J, Yang J P, Yin G D, et al. Combined state and parameter observation of distributed drive electric vehicle via dual unscented Kalman filter[J]. Journal of Mechanical Engineering, 2019, 55(22): 93-102. (in Chinese)

    [12]??張志達(dá), 鄭玲, 吳行, 等. 基于魯棒自適應(yīng)UKF的分布式電動汽車狀態(tài)估計[J]. 中國科學(xué): 技術(shù)科學(xué), 2020, 50(11): 1461-1473.

    Zhang Z D, Zheng L, Wu H, et al. State estimation of distributed electric vehicle based on robust adaptive UKF[J]. Scientia Sinica (Technologica), 2020, 50(11): 1461-1473. (in Chinese)

    [13]??Xin X S, Chen J X, Zou J X. Vehicle state estimation using cubature Kalman filter[C]//2014 IEEE 17th International Conference on Computational Science and Engineering, December 19-21, 2014, Chengdu, China. IEEE, 2014: 44-48.

    [14]??李剛, 王野, 宗長富. 四輪輪轂電機(jī)電動汽車行駛狀態(tài)估計[J]. 汽車工程, 2018, 40(2): 150-155.

    Li G, Wang Y, Zong C F. Driving state estimation of electric vehicle with four-wheel-hub-motors[J]. Automotive Engineering, 2018, 40(2): 150-155. (in Chinese)

    [15]??樊東升, 李剛. 分布式驅(qū)動電動汽車行駛狀態(tài)估計綜述[J]. 汽車實用技術(shù), 2019(16): 10-12.

    Fan D S, Li G. Review on driving state estimation of distributed drive electric vehicles[J]. Automobile Applied Technology, 2019(16): 10-12. (in Chinese)

    [16]??包瑞新, Edoardo S. 基于輔助粒子濾波算法的車輛行駛狀態(tài)和參數(shù)聯(lián)合估計方法研究[J]. 機(jī)械設(shè)計與制造, 2015(10): 26-30.

    Bao R X, Edoardo S. The research of state and parameter estimation under driving situation based on auxiliary particle filter method[J]. Machinery Design & Manufacture, 2015(10): 26-30. (in Chinese)

    [17]??Huang F H, Gao Y, Fu C Y, et al. Vehicle state estimation based on adaptive state transition model[C]//2020 4th CAA International Conference on Vehicular Control and Intelligence (CVCI), December 18-20, 2020, Hangzhou, China. IEEE, 2020: 92-96.

    [18]??姬鵬, 徐碩碩, 趙一凡, 等. 改進(jìn)粒子濾波算法的車輛狀態(tài)估計研究[J]. 機(jī)械設(shè)計與制造, 2020(2): 43-46, 50.

    Ji P, Xu S S, Zhao Y F, et al. Research on vehicle state estimation based on improved particle filter algorithm[J]. Machinery Design & Manufacture, 2020(2): 43-46, 50. (in Chinese)

    [19]??靳彪. 輪轂電機(jī)驅(qū)動電動汽車狀態(tài)參數(shù)觀測及轉(zhuǎn)矩分配策略研究[D]. 北京: 北京交通大學(xué), 2016.

    Jin B. Research on state parameter observation and torque distribution strategy of electric vehicle driven by hub motor[D] . Beijing: Beijing Jiaotong University, 2016. (in Chinese)

    [20]??李天成, 范紅旗, 孫樹棟. 粒子濾波理論、方法及其在多目標(biāo)跟蹤中的應(yīng)用[J]. 自動化學(xué)報, 2015, 41(12): 1981-2002.

    Li T C, Fan H Q, Sun S D. Particle filtering: theory, approach, and application for multitarget tracking[J]. Acta Automatica Sinica, 2015, 41(12): 1981-2002. (in Chinese)

    [21]??胡士強, 敬忠良. 粒子濾波算法綜述[J]. 控制與決策, 2005, 20(4): 361-365, 371.

    Hu S Q, Jing Z L. Overview of particle filter algorithm[J]. Control and Decision, 2005, 20(4): 361-365, 371. (in Chinese)

    [22]??Xu Y, Chen B Y, Chi C. Estimation of road friction coefficient and vehicle states by 3-DOF dynamic model and HSRI model based on information fusion[J]. Asian Journal of Control, 2018, 20(3): 1067-1076.

    [23]??黃小平, 王巖, 繆鵬程. 粒子濾波原理及應(yīng)用: MATLAB仿真[M]. 北京: 電子工業(yè)出版社, 2017.

    Huang X P, Wang Y, Miao P C. Particle filter principle and application: MATLAB simulation[M]. Beijing: Publishing House of Electronics industry, 2017. (in Chinese)

    [24]??Panicker S, Gostar A K, Bab-Haidashar A, et al. Sensor control for selective object tracking using labeled multi-bernoulli filter[C]//2018 21st International Conference on Information Fusion (FUSION), July 10-13, 2018, Cambridge, UK. IEEE, 2018: 2218-2224.

    [25]??Li X R, Bar-Shalom Y. Design of an interacting multiple model algorithm for air traffic control tracking[J]. IEEE Transactions on Control Systems Technology, 1993, 1(3): 186-194.

    (編輯??羅敏)

    猜你喜歡
    粒子濾波
    基于粒子濾波算法的視頻目標(biāo)跟蹤研究
    數(shù)字濾波技術(shù)的現(xiàn)狀與發(fā)展
    可見光與紅外CPCT彩色圖像融合研究與實現(xiàn)
    OCV處于平臺期的汽車鋰電池SOC估算的研究
    粒子濾波法在移動物體定位中的應(yīng)用
    基于智能粒子濾波的多傳感器信息融合算法
    基于重采樣粒子濾波的目標(biāo)跟蹤算法研究
    航空兵器(2016年5期)2016-12-10 17:12:24
    復(fù)雜場景中的視覺跟蹤研究
    一種針對海面弱小目標(biāo)的檢測方案
    交互多模型的Rao—Blackwellized粒子濾波算法在多目標(biāo)跟蹤中的應(yīng)用
    航空兵器(2014年4期)2015-01-15 02:31:43
    亚洲 国产 在线| 久久中文字幕一级| av电影中文网址| 中文字幕高清在线视频| 免费在线观看视频国产中文字幕亚洲| 看免费av毛片| 在线观看舔阴道视频| 少妇猛男粗大的猛烈进出视频| av国产精品久久久久影院| 色综合婷婷激情| a级毛片黄视频| 在线观看66精品国产| 天堂俺去俺来也www色官网| 国产亚洲精品久久久久久毛片 | 国产xxxxx性猛交| 精品一区二区三卡| 亚洲,欧美精品.| 大陆偷拍与自拍| 男女免费视频国产| 最新的欧美精品一区二区| 久久九九热精品免费| 如日韩欧美国产精品一区二区三区| 一级作爱视频免费观看| 国产亚洲欧美98| 午夜久久久在线观看| 欧美大码av| 丰满迷人的少妇在线观看| 日日爽夜夜爽网站| av电影中文网址| 亚洲精品在线美女| 亚洲伊人色综图| 国产在线一区二区三区精| 丰满的人妻完整版| 99在线人妻在线中文字幕 | 日日夜夜操网爽| 高清欧美精品videossex| 国产亚洲av高清不卡| 999久久久国产精品视频| 日韩成人在线观看一区二区三区| 欧美午夜高清在线| 视频区欧美日本亚洲| 欧美日韩乱码在线| 免费看十八禁软件| 亚洲人成伊人成综合网2020| 久久精品国产99精品国产亚洲性色 | 青草久久国产| 啪啪无遮挡十八禁网站| 两性夫妻黄色片| 夜夜爽天天搞| 欧美日韩福利视频一区二区| 亚洲第一欧美日韩一区二区三区| 久久久久国产一级毛片高清牌| 欧美久久黑人一区二区| 亚洲成人手机| 亚洲专区国产一区二区| 老熟女久久久| 久久精品aⅴ一区二区三区四区| 中文字幕人妻丝袜一区二区| 香蕉丝袜av| 亚洲五月婷婷丁香| 午夜老司机福利片| 国产激情久久老熟女| xxxhd国产人妻xxx| 欧美人与性动交α欧美软件| 女同久久另类99精品国产91| 国产欧美日韩一区二区三区在线| 一a级毛片在线观看| 啦啦啦 在线观看视频| 国产伦人伦偷精品视频| 这个男人来自地球电影免费观看| 后天国语完整版免费观看| 亚洲欧美激情综合另类| 欧洲精品卡2卡3卡4卡5卡区| 欧美大码av| 午夜91福利影院| 激情在线观看视频在线高清 | 日韩大码丰满熟妇| 日韩有码中文字幕| 亚洲精品国产一区二区精华液| 我的亚洲天堂| 中文字幕精品免费在线观看视频| 一边摸一边做爽爽视频免费| 国产野战对白在线观看| 男女床上黄色一级片免费看| 久久天躁狠狠躁夜夜2o2o| 18禁裸乳无遮挡动漫免费视频| 黄色成人免费大全| 激情视频va一区二区三区| 久久国产乱子伦精品免费另类| 人人妻人人爽人人添夜夜欢视频| 性色av乱码一区二区三区2| 在线观看免费日韩欧美大片| 中文字幕色久视频| 欧美最黄视频在线播放免费 | 久久热在线av| 成年人午夜在线观看视频| 久久久久久久国产电影| 九色亚洲精品在线播放| 老司机深夜福利视频在线观看| 不卡一级毛片| 十八禁网站免费在线| 人妻一区二区av| 亚洲av第一区精品v没综合| 三级毛片av免费| 看片在线看免费视频| 亚洲欧美日韩另类电影网站| 亚洲精品久久成人aⅴ小说| 欧美激情高清一区二区三区| 久久久精品国产亚洲av高清涩受| 最近最新中文字幕大全电影3 | 看片在线看免费视频| 美女视频免费永久观看网站| 国产在线一区二区三区精| 欧美黑人欧美精品刺激| 99国产精品一区二区蜜桃av | 男人舔女人的私密视频| 他把我摸到了高潮在线观看| 狠狠婷婷综合久久久久久88av| 亚洲一卡2卡3卡4卡5卡精品中文| 伦理电影免费视频| 欧美 亚洲 国产 日韩一| 欧美+亚洲+日韩+国产| 欧美黑人欧美精品刺激| 国产精品久久视频播放| 欧美 亚洲 国产 日韩一| 国产亚洲精品久久久久久毛片 | 免费av中文字幕在线| 咕卡用的链子| 巨乳人妻的诱惑在线观看| 亚洲一区二区三区欧美精品| 亚洲精品av麻豆狂野| 免费看a级黄色片| а√天堂www在线а√下载 | 国产亚洲欧美在线一区二区| 免费久久久久久久精品成人欧美视频| 少妇粗大呻吟视频| 国产亚洲精品久久久久5区| 免费久久久久久久精品成人欧美视频| 午夜精品国产一区二区电影| 老鸭窝网址在线观看| 最新美女视频免费是黄的| 亚洲欧美日韩另类电影网站| 国产av精品麻豆| 美女扒开内裤让男人捅视频| 亚洲欧美激情在线| 国产有黄有色有爽视频| 亚洲情色 制服丝袜| 18禁观看日本| 国产精品 国内视频| 人妻丰满熟妇av一区二区三区 | 久久久国产成人免费| 亚洲欧美一区二区三区久久| a级片在线免费高清观看视频| 免费在线观看黄色视频的| 女人爽到高潮嗷嗷叫在线视频| 成年动漫av网址| 国产色视频综合| 精品国产国语对白av| 久久精品熟女亚洲av麻豆精品| 在线观看午夜福利视频| 一本综合久久免费| 在线免费观看的www视频| 精品熟女少妇八av免费久了| 午夜激情av网站| 99精品欧美一区二区三区四区| 亚洲人成伊人成综合网2020| 建设人人有责人人尽责人人享有的| 国产亚洲欧美在线一区二区| 亚洲欧洲精品一区二区精品久久久| 国产无遮挡羞羞视频在线观看| 国产免费现黄频在线看| 国产片内射在线| 亚洲全国av大片| 日本a在线网址| 黑人欧美特级aaaaaa片| 欧美精品高潮呻吟av久久| 丝袜人妻中文字幕| 日韩免费高清中文字幕av| 精品国产美女av久久久久小说| 女警被强在线播放| 女同久久另类99精品国产91| 男女之事视频高清在线观看| 一级毛片精品| 国产不卡av网站在线观看| 国产欧美日韩综合在线一区二区| 女同久久另类99精品国产91| 天堂中文最新版在线下载| 久久国产精品人妻蜜桃| 99久久人妻综合| 亚洲精华国产精华精| 国精品久久久久久国模美| 国产又爽黄色视频| 国产精品美女特级片免费视频播放器 | 久久这里只有精品19| 97人妻天天添夜夜摸| 捣出白浆h1v1| 国产片内射在线| 老熟女久久久| 国产精品久久视频播放| 热re99久久国产66热| 国产av一区二区精品久久| 女警被强在线播放| 精品一区二区三区视频在线观看免费 | 人妻一区二区av| 在线av久久热| 18禁观看日本| 成人手机av| 国产99久久九九免费精品| 国产又色又爽无遮挡免费看| 精品熟女少妇八av免费久了| 建设人人有责人人尽责人人享有的| 俄罗斯特黄特色一大片| 日韩视频一区二区在线观看| 法律面前人人平等表现在哪些方面| 欧美日韩亚洲高清精品| 99riav亚洲国产免费| 王馨瑶露胸无遮挡在线观看| 91麻豆精品激情在线观看国产 | 国产在视频线精品| 亚洲精品国产精品久久久不卡| 免费久久久久久久精品成人欧美视频| 精品亚洲成a人片在线观看| 欧美亚洲 丝袜 人妻 在线| 精品久久久精品久久久| 大香蕉久久网| 人人妻人人添人人爽欧美一区卜| 精品人妻在线不人妻| 大型av网站在线播放| 黄色毛片三级朝国网站| 日本精品一区二区三区蜜桃| 欧美国产精品一级二级三级| 国产在线观看jvid| 色婷婷av一区二区三区视频| 悠悠久久av| 久久亚洲真实| 亚洲自偷自拍图片 自拍| 亚洲av成人av| 精品一区二区三区四区五区乱码| 老汉色∧v一级毛片| 国产成人精品无人区| 久久 成人 亚洲| 国产蜜桃级精品一区二区三区 | 久久狼人影院| 嫁个100分男人电影在线观看| 国产精品久久电影中文字幕 | 99在线人妻在线中文字幕 | 午夜精品国产一区二区电影| 亚洲av日韩精品久久久久久密| 制服诱惑二区| 天天躁日日躁夜夜躁夜夜| 亚洲精品一二三| 亚洲人成电影免费在线| 欧美 亚洲 国产 日韩一| 另类亚洲欧美激情| bbb黄色大片| 一本综合久久免费| 午夜福利一区二区在线看| 丝袜人妻中文字幕| 国产成人啪精品午夜网站| 欧美日韩瑟瑟在线播放| 精品视频人人做人人爽| 51午夜福利影视在线观看| 成年女人毛片免费观看观看9 | 国产欧美亚洲国产| 午夜老司机福利片| 91九色精品人成在线观看| 久久久国产欧美日韩av| 99国产精品一区二区蜜桃av | 久久精品国产亚洲av香蕉五月 | 久久婷婷成人综合色麻豆| 国产欧美亚洲国产| 极品人妻少妇av视频| 老司机深夜福利视频在线观看| 日韩精品免费视频一区二区三区| 国产精品久久久久久人妻精品电影| 亚洲免费av在线视频| 一二三四在线观看免费中文在| 99精品欧美一区二区三区四区| 精品国产一区二区久久| 丝袜美足系列| 午夜福利一区二区在线看| 日本一区二区免费在线视频| 亚洲自偷自拍图片 自拍| 人妻 亚洲 视频| 麻豆国产av国片精品| 美国免费a级毛片| 在线永久观看黄色视频| 操出白浆在线播放| 免费日韩欧美在线观看| 99精品欧美一区二区三区四区| 成人手机av| 日日摸夜夜添夜夜添小说| 国产xxxxx性猛交| 久久精品人人爽人人爽视色| 国产精品秋霞免费鲁丝片| 老司机深夜福利视频在线观看| 高清视频免费观看一区二区| 精品无人区乱码1区二区| 又黄又粗又硬又大视频| 日韩欧美一区视频在线观看| 黄片大片在线免费观看| 欧美乱码精品一区二区三区| 久久天堂一区二区三区四区| 精品久久久久久电影网| 一二三四在线观看免费中文在| 日韩熟女老妇一区二区性免费视频| 最近最新中文字幕大全电影3 | 国产91精品成人一区二区三区| 男人操女人黄网站| 亚洲av成人一区二区三| 久热这里只有精品99| 三级毛片av免费| 黑人巨大精品欧美一区二区mp4| 90打野战视频偷拍视频| 免费久久久久久久精品成人欧美视频| 激情视频va一区二区三区| 亚洲人成77777在线视频| 大片电影免费在线观看免费| 黑人操中国人逼视频| 飞空精品影院首页| 大型av网站在线播放| 男男h啪啪无遮挡| 国产精品影院久久| 久久天躁狠狠躁夜夜2o2o| xxx96com| 波多野结衣av一区二区av| 狠狠狠狠99中文字幕| 国产精品欧美亚洲77777| 男人操女人黄网站| 欧美日韩av久久| 亚洲中文av在线| 91麻豆av在线| 身体一侧抽搐| 女性生殖器流出的白浆| 国产97色在线日韩免费| 欧美日韩av久久| 天堂√8在线中文| 婷婷丁香在线五月| 国产99白浆流出| 国产精品av久久久久免费| 亚洲精品国产色婷婷电影| 丝袜在线中文字幕| 狠狠婷婷综合久久久久久88av| 91大片在线观看| 精品电影一区二区在线| 精品福利永久在线观看| 亚洲欧美日韩高清在线视频| 丁香欧美五月| 欧美亚洲 丝袜 人妻 在线| 欧美日韩国产mv在线观看视频| 一区二区日韩欧美中文字幕| 18禁黄网站禁片午夜丰满| www日本在线高清视频| 亚洲精品美女久久久久99蜜臀| 免费在线观看亚洲国产| 下体分泌物呈黄色| 久久久久久久午夜电影 | 美女扒开内裤让男人捅视频| 国产高清视频在线播放一区| 69精品国产乱码久久久| 久久久久久久国产电影| 性少妇av在线| 国产成人系列免费观看| 美女扒开内裤让男人捅视频| 欧美黑人精品巨大| 久久ye,这里只有精品| 丰满的人妻完整版| 亚洲情色 制服丝袜| 精品乱码久久久久久99久播| 精品第一国产精品| 国产一区二区三区综合在线观看| 免费观看精品视频网站| 视频区欧美日本亚洲| 男男h啪啪无遮挡| 人人妻人人澡人人爽人人夜夜| 亚洲av片天天在线观看| 日韩欧美免费精品| 一边摸一边抽搐一进一出视频| 久久久久久久精品吃奶| 久久国产精品影院| 欧美精品一区二区免费开放| 中文字幕制服av| 国产精品美女特级片免费视频播放器 | 窝窝影院91人妻| 国产一区二区激情短视频| 黄色毛片三级朝国网站| 国产av精品麻豆| 久久精品亚洲精品国产色婷小说| 在线看a的网站| 亚洲色图av天堂| 亚洲一区二区三区欧美精品| 999久久久精品免费观看国产| 成人手机av| 丝袜在线中文字幕| 很黄的视频免费| videos熟女内射| 亚洲第一欧美日韩一区二区三区| 一区二区日韩欧美中文字幕| 久久久久久久久免费视频了| 女人久久www免费人成看片| 中文字幕高清在线视频| 欧美激情高清一区二区三区| 9热在线视频观看99| 午夜福利在线观看吧| 午夜两性在线视频| 成人黄色视频免费在线看| 少妇粗大呻吟视频| 操美女的视频在线观看| 国产不卡一卡二| 亚洲国产中文字幕在线视频| 亚洲第一青青草原| 免费一级毛片在线播放高清视频 | 老汉色av国产亚洲站长工具| 看片在线看免费视频| 天天添夜夜摸| 搡老熟女国产l中国老女人| 男女之事视频高清在线观看| av免费在线观看网站| 十八禁人妻一区二区| 老汉色∧v一级毛片| 视频区图区小说| videos熟女内射| 亚洲综合色网址| 亚洲国产毛片av蜜桃av| 欧洲精品卡2卡3卡4卡5卡区| 美女高潮喷水抽搐中文字幕| 看片在线看免费视频| 精品国产一区二区三区久久久樱花| 不卡av一区二区三区| 欧美精品人与动牲交sv欧美| 亚洲精品在线美女| x7x7x7水蜜桃| 久久狼人影院| 淫妇啪啪啪对白视频| 美女高潮到喷水免费观看| 韩国av一区二区三区四区| 亚洲av熟女| 又紧又爽又黄一区二区| av福利片在线| 久久国产乱子伦精品免费另类| 熟女少妇亚洲综合色aaa.| 一区福利在线观看| 夜夜躁狠狠躁天天躁| videosex国产| 岛国在线观看网站| 久久性视频一级片| 亚洲精品在线观看二区| 国产男女内射视频| 亚洲精品美女久久久久99蜜臀| 午夜日韩欧美国产| 久久久久久久精品吃奶| 超碰97精品在线观看| 美女 人体艺术 gogo| 亚洲欧美色中文字幕在线| 高清在线国产一区| av有码第一页| 757午夜福利合集在线观看| 最近最新中文字幕大全免费视频| 国产高清激情床上av| 亚洲第一欧美日韩一区二区三区| 国产精品久久久人人做人人爽| 国产精品免费大片| www.999成人在线观看| 一级毛片精品| 亚洲av第一区精品v没综合| 一二三四在线观看免费中文在| 欧美成狂野欧美在线观看| 好男人电影高清在线观看| 久久久国产成人精品二区 | 99国产精品免费福利视频| 午夜日韩欧美国产| 老鸭窝网址在线观看| 婷婷成人精品国产| 亚洲免费av在线视频| 一区二区日韩欧美中文字幕| 日日夜夜操网爽| 少妇裸体淫交视频免费看高清 | 老熟女久久久| www.精华液| 精品人妻熟女毛片av久久网站| 亚洲色图综合在线观看| 在线看a的网站| 日韩中文字幕欧美一区二区| 国产精品秋霞免费鲁丝片| 久久狼人影院| 99精品在免费线老司机午夜| 日本a在线网址| 亚洲三区欧美一区| 精品久久久久久电影网| 午夜福利一区二区在线看| 丁香六月欧美| 高清黄色对白视频在线免费看| 久久久精品区二区三区| 99热网站在线观看| 国产精品国产av在线观看| 国产精品电影一区二区三区 | 在线观看66精品国产| 免费在线观看黄色视频的| 免费少妇av软件| 久久人人爽av亚洲精品天堂| 久久人妻福利社区极品人妻图片| 国产亚洲精品久久久久久毛片 | 久久久精品免费免费高清| 国产精品电影一区二区三区 | 亚洲精品国产区一区二| 国产成人欧美在线观看 | 午夜日韩欧美国产| 久久天躁狠狠躁夜夜2o2o| 亚洲专区中文字幕在线| 午夜久久久在线观看| 岛国毛片在线播放| 激情在线观看视频在线高清 | 一级a爱片免费观看的视频| 欧美久久黑人一区二区| 免费观看人在逋| 国产亚洲精品久久久久久毛片 | 国产蜜桃级精品一区二区三区 | 久久久久久久久久久久大奶| 999久久久国产精品视频| 校园春色视频在线观看| 国产精品九九99| 又黄又爽又免费观看的视频| 麻豆国产av国片精品| 亚洲第一av免费看| 欧美最黄视频在线播放免费 | 男人操女人黄网站| 久久国产精品男人的天堂亚洲| 久久人人爽av亚洲精品天堂| 久久人妻熟女aⅴ| 亚洲精品在线美女| 中出人妻视频一区二区| 亚洲精品美女久久av网站| 欧美精品啪啪一区二区三区| 一级作爱视频免费观看| 精品一品国产午夜福利视频| 成人精品一区二区免费| 亚洲一区二区三区欧美精品| 新久久久久国产一级毛片| 最新美女视频免费是黄的| 99国产综合亚洲精品| 亚洲熟女毛片儿| 欧美黄色淫秽网站| www.999成人在线观看| www日本在线高清视频| 欧美人与性动交α欧美精品济南到| 啦啦啦免费观看视频1| 脱女人内裤的视频| 精品福利永久在线观看| 韩国精品一区二区三区| 亚洲精品国产色婷婷电影| 99精国产麻豆久久婷婷| 建设人人有责人人尽责人人享有的| 欧美丝袜亚洲另类 | 久久人人97超碰香蕉20202| 国产激情久久老熟女| 午夜福利免费观看在线| 国产亚洲精品久久久久久毛片 | 欧美激情 高清一区二区三区| 成人永久免费在线观看视频| 亚洲色图 男人天堂 中文字幕| 久久国产精品男人的天堂亚洲| 国产激情欧美一区二区| 精品福利永久在线观看| 亚洲伊人色综图| xxx96com| 亚洲av熟女| 好男人电影高清在线观看| 正在播放国产对白刺激| 久久人妻福利社区极品人妻图片| 欧美亚洲日本最大视频资源| 国产激情久久老熟女| 露出奶头的视频| 亚洲成人免费电影在线观看| 亚洲精品乱久久久久久| www.999成人在线观看| 手机成人av网站| 国产麻豆69| 人妻一区二区av| 又黄又爽又免费观看的视频| 热99re8久久精品国产| 宅男免费午夜| 免费日韩欧美在线观看| 人人妻人人澡人人看| a级片在线免费高清观看视频| 不卡av一区二区三区| 免费在线观看黄色视频的| 久久天堂一区二区三区四区| 超碰成人久久| 亚洲熟女精品中文字幕| 久久久精品免费免费高清| 精品久久久精品久久久| 69精品国产乱码久久久| 在线永久观看黄色视频| 亚洲自偷自拍图片 自拍| 99热国产这里只有精品6| 精品国产美女av久久久久小说| 国产在视频线精品| 在线观看免费午夜福利视频| 少妇被粗大的猛进出69影院| 欧美人与性动交α欧美软件| 国产欧美日韩综合在线一区二区| 1024香蕉在线观看| 亚洲国产精品合色在线| 在线观看日韩欧美| 最新美女视频免费是黄的| 高清黄色对白视频在线免费看| 老熟女久久久| 黄色怎么调成土黄色| 久久天躁狠狠躁夜夜2o2o| 老汉色∧v一级毛片| 精品无人区乱码1区二区| 一级a爱片免费观看的视频| 国产人伦9x9x在线观看| 亚洲性夜色夜夜综合| 国产乱人伦免费视频|