粒子濾波
- 無人值守智能安保機器人的激光SLAM的研究分析
4B，以基于粒子濾波算法為理論依據(jù)，在ROS操作系統(tǒng)環(huán)境下實現(xiàn)小車對其所處場景中的實時定位與地圖構(gòu)建。關(guān)鍵詞：SLAM算法;激光雷達;粒子濾波;實時定位與地圖構(gòu)建1引言SLAM全稱Simultaneous localization and mapping，是即時定位與建圖的縮寫，主要用于解決機器人在未知環(huán)境運動時的定位與地圖構(gòu)建問題。對于市面上的激光雷達，主要用于環(huán)境探測和地圖構(gòu)建。目前，SLAM技術(shù)被廣泛運用于機器人、無人機、無人駕駛、AR、VR等領(lǐng)域，
科學(xué)與生活 2021年8期2021-12-22
- 基于粒子濾波的多徑伯努利目標(biāo)跟蹤算法
出了一種基于粒子濾波的多徑伯努利跟蹤算法。該算法首先利用多徑伯努利濾波算法解決了超視距雷達系統(tǒng)中的多徑傳播問題，然后結(jié)合粒子濾波實現(xiàn)方式解決了系統(tǒng)模型非線性問題。仿真實驗表明該算法比傳統(tǒng)的高斯混合多徑伯努利濾波具有更高的跟蹤精度。關(guān)鍵詞：粒子濾波;伯努利濾波;目標(biāo)跟蹤1引言目標(biāo)跟蹤即為利用傳感器獲得的參數(shù)對目標(biāo)位置信息進行估計的過程，根據(jù)目標(biāo)個數(shù)的不同目標(biāo)跟蹤分為單目標(biāo)跟蹤和多目標(biāo)跟蹤兩種。傳統(tǒng)的單目標(biāo)跟蹤過程即利用基于目標(biāo)運動和測量方程的濾波算法對目標(biāo)狀
電腦知識與技術(shù) 2021年22期2021-09-14
- 基于粒子濾波的波疊加算法
提出一種基于粒子濾波的波疊加算法來實現(xiàn)正向求解源強。該方法基于波疊加理論建立狀態(tài)空間模型，根據(jù)初始化粒子的先驗信息預(yù)測并更新狀態(tài)向量。通過權(quán)重計算和重采樣，估計等效源的強度及其位置，進而重建三維輻射聲場。仿真分析與實驗驗證表明，該算法可避免逆問題求解中的不適定性難題，實現(xiàn)聲場的高精度重建。關(guān)鍵詞： 粒子濾波; 波疊加; 聲源定位; 聲場重建文章編號： 2095-2163（2021）03-0080-05 中圖分類號：TP391.9; TB52 文獻標(biāo)志碼：A
智能計算機與應(yīng)用 2021年3期2021-08-09
- 基于選定區(qū)域顏色直方圖的粒子濾波行人跟蹤算
GB直方圖的粒子濾波行人跟蹤算法。首先實現(xiàn)了Eiji Ota在2011 年實現(xiàn)的算法，該算法只能對紅色目標(biāo)進行跟蹤，然后對該算法進行改進，改進后能夠根據(jù)選定區(qū)域RGB顏色直方圖的粒子濾波算法對行人進行跟蹤。自動提取跟蹤視頻的第一幀，然后在第一幀上選擇要跟蹤的區(qū)域，再計算選定區(qū)域的RGB平均值，最后根據(jù)該區(qū)域的RGB顏色空間直方圖進行粒子濾波行人跟蹤。實驗結(jié)果表明，采用改進的方法對視頻監(jiān)控的行人進行跟蹤，效果較好。關(guān)鍵詞：RGB;直方圖;粒子濾波;行人跟蹤中
軟件工程 2021年7期2021-08-05
- 非視距條件下航站樓定位算法優(yōu)化
。首先，采用粒子濾波算法建立基站到移動節(jié)點的距離誤差模型，結(jié)合誤差閾值對測量值進行修正;再將修正后的值代入Chan算法得到移動節(jié)點的初始估計位置。最后，將初始估計位置值帶入Taylor級數(shù)展開算法，迭代估計出移動節(jié)點的精確位置。仿真表明，該算法在含有非視距誤差的室內(nèi)定位效果上優(yōu)于傳統(tǒng)的Chan、Taylor級數(shù)展開法，且迭代次數(shù)少于Taylor級數(shù)展開算法的迭代次數(shù)，并有很好的抗噪聲干擾的能力。關(guān)鍵詞：航站樓;室內(nèi)定位;超寬帶;非視距傳播;粒子濾波中圖分類
物流科技 2021年4期2021-07-22
- 幾種濾波算法的分析與比較
卡爾曼濾波、粒子濾波以及在此基礎(chǔ)上改進的擴展卡爾曼，無跡卡爾曼，無跡粒子濾波算法等。對于線性高斯系統(tǒng)模型，卡爾曼濾波有著極強的處理能力，因此得到了廣泛的應(yīng)用。粒子濾波無須對系統(tǒng)狀態(tài)做線性高斯假設(shè)，其應(yīng)用范圍大于卡爾曼濾波，但時間的消耗要遠遠大于前者。在介紹了常見濾波算法的原理與應(yīng)用后，通過仿真實驗對比了上述幾種常見濾波方法的跟蹤效果。實驗表明，上述算法在非線性高斯模型下均有較好的準(zhǔn)確性與較低的誤差。關(guān)鍵詞：卡爾曼濾波;擴展卡爾曼濾波;無跡卡爾曼濾波;粒子濾
電腦知識與技術(shù) 2020年32期2020-12-29
- ssd模型和kalman濾波器的電子圍欄實現(xiàn)方法
器跟蹤技術(shù)和粒子濾波器跟蹤技術(shù)在圖像目標(biāo)跟蹤場景中的性能差異，我們的分析結(jié)果顯示ssd物體檢測模型能夠很好的在檢測精度和算法時間復(fù)雜度之間找到一個較好的平衡點，而kalman濾波器跟蹤能夠有效的克服目標(biāo)區(qū)域的遮擋、性變干擾，兩個結(jié)合實現(xiàn)的電子圍欄應(yīng)用誤報率為0.5%。關(guān)鍵詞：深度學(xué)習(xí)? SSD模型? YOLO模型? kalman濾波? 粒子濾波1引言目前我國已經(jīng)進入了信息化高速發(fā)展的時期，信息化進程中出現(xiàn)的各項新成果已經(jīng)逐步進入到了我們的日常生活中。計算機
裝備維修技術(shù) 2020年5期2020-11-20
- 試析變電站GIS 設(shè)備的故障診斷及檢修
;然后，采用粒子濾波算法對 GIS設(shè)備振動特征進行估計。同時，將特征估計值與實際測量值之間殘差的絕對值作為設(shè)備故障檢測指標(biāo)，結(jié)合自適應(yīng)閾值方法來檢測故障;昀后，依據(jù)振動特征殘差的變化趨勢實現(xiàn)機械故障與放電故障的隔離。對多組變電站現(xiàn)場 GIS設(shè)備不同故障前、后實測振動數(shù)據(jù)的仿真分析發(fā)現(xiàn)，通過振動特征估計不僅可以準(zhǔn)確檢測設(shè)備故障，而且可以有效隔離設(shè)備機械故障與放電故障。關(guān)鍵詞：GIS設(shè)備;振動特征;粒子濾波;自回歸模型;自適應(yīng)閾值;故障檢測與分析引言隨著電力系
電力與能源系統(tǒng)學(xué)報·下旬刊 2020年4期2020-11-16
- 基于Hermite插值改進的軌跡修正濾波算法
曼濾波和標(biāo)準(zhǔn)粒子濾波的狀態(tài)方程進行修正，得到兩種改進濾波模型，解決了標(biāo)準(zhǔn)濾波算法中狀態(tài)方程不能準(zhǔn)確刻畫物體實際運動軌跡的問題。在實驗分析中對定常速曲線運動物體的位置坐標(biāo)進行濾波修正，位置坐標(biāo)的均方誤差分析表明，卡爾曼濾波算法和粒子濾波算法的濾波效果均有改善，其中卡爾曼濾波算法在精度上明顯提高。此外，真實值點數(shù)量的靈敏度分析的結(jié)果表明，在目標(biāo)軌跡上取少量且關(guān)鍵的點作為真實值點即可達到明顯的修正效果。關(guān)鍵詞：卡爾曼濾波;粒子濾波;真實值;Hermite插值中圖
計算技術(shù)與自動化 2020年3期2020-10-20
- 基于無損卡爾曼輔助粒子濾波的目標(biāo)跟蹤算法研究
損卡爾曼輔助粒子濾波算法。通過無損卡爾曼濾波算法求取重要性函數(shù)，實現(xiàn)對輔助粒子濾波算法的優(yōu)化，從而進一步提高了輔助粒子濾波的性能。本文通過MAT-LAB軟件進行仿真實驗，證明了該算法能夠更好地緩解粒子濾波中多樣性的問題，其性能優(yōu)于輔助粒子濾波。關(guān)鍵詞：粒子濾波;無損卡爾曼濾波;無損卡爾曼輔助粒子濾波中圖分類號：TP18 文獻標(biāo)識碼：A文章編號：1009-3044（2020）20-0202-021引言在非線性運動目標(biāo)跟蹤的狀態(tài)估計方面，粒子濾波越來越受人們關(guān)
電腦知識與技術(shù) 2020年20期2020-08-26
- 改進的粒子濾波在視頻目標(biāo)跟蹤中的應(yīng)用
要：針對標(biāo)準(zhǔn)粒子濾波重采樣階段導(dǎo)致粒子多樣性降低進而影響跟蹤精度的問題，在原重采樣階段使用螢火蟲算法優(yōu)化，利用螢火蟲的移動機制進化粒子，促使粒子向最優(yōu)解區(qū)域移動。最后將改進的算法應(yīng)用于使用HSV（Hue，Saturation.Value）顏色特征建模目標(biāo)的視頻目標(biāo)跟蹤中，實驗結(jié)果表明：與標(biāo)準(zhǔn)粒子濾波相比，改進算法的跟蹤精度有了一定提高。關(guān)鍵詞：粒子濾波;重采樣;螢火蟲算法;HSV;視頻目標(biāo)跟蹤中圖分類號：TP391 文獻標(biāo)識碼：A文章編號：1009-304
電腦知識與技術(shù) 2020年19期2020-08-19
- 結(jié)合退火優(yōu)化和遺傳重采樣的RBPF算法
間。關(guān)鍵詞：粒子濾波;RBPF算法;提議分布;重采樣;交叉變異中圖分類號：TP 242文獻標(biāo)志碼：A文章編號：1672-9315（2020）02-0349-07DOI：10.13800/j.cnki.xakjdxxb.2020.0222開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：RBPF algorithm based on annealing optimizationand genetic resamplingSUN Yi，ZHANG Xiao-xiao（C
西安科技大學(xué)學(xué)報（社會科學(xué)版） 2020年2期2020-06-16
- 礦山井下超寬帶無線定位算法研究
B技術(shù)，采用粒子濾波算法進行位置估計，并用TDOA/RSS聯(lián)合技術(shù)獲得的觀測信號對位置進行修正。實驗結(jié)果表明，與傳統(tǒng)單一的井下定位技術(shù)相比，基于粒子濾波的TDOA/RSS聯(lián)合定位技術(shù)降低了多徑和NLOS對井下目標(biāo)定位精度的影響，提高了井下定位精度。本聯(lián)合技術(shù)在具有更低成本、易實現(xiàn)的情況下，能夠達到更高的定位精度。關(guān)鍵詞：超寬帶;非視距傳播;超寬帶定位;粒子濾波;礦山井下中圖分類號：TN 929.5文獻標(biāo)志碼：A文章編號：1672-9315（2020）02-
西安科技大學(xué)學(xué)報（社會科學(xué)版） 2020年2期2020-06-16
- 基于粒子濾波融合Wi-Fi和PDR的室內(nèi)定位研究
提出一種基于粒子濾波的Wi-Fi和PDR的室內(nèi)定位方法。首先對Wi-Fi指紋數(shù)據(jù)進行卡爾曼濾波，改善權(quán)重KNN提升分類精度;然后通過行人航位推算（PDR）根據(jù)加速度傳感器數(shù)據(jù)和方向角數(shù)據(jù)計算出每步的步長以及步速，從而推算出路徑;最后在改進的Wi-Fi和PDR的定位基礎(chǔ)上，使用粒子濾波將兩者結(jié)果進行融合。試驗過程中，使用采集兩個教室的環(huán)境數(shù)據(jù)，試驗結(jié)果證明了該算法能提升定位精度。關(guān)鍵詞：室內(nèi)定位;Wi-Fi指紋;粒子濾波;卡爾曼濾波;行人航位推算（PDR）中
電腦知識與技術(shù) 2020年9期2020-05-21
- 基于ViBe和粒子濾波的多目標(biāo)汽車跟蹤
iBe算法和粒子濾波的汽車多目標(biāo)跟蹤方法。通過ViBe算法提取運動車輛前景區(qū)域，對每個運動車輛目標(biāo)創(chuàng)建獨立的粒子濾波器，使用Harris算法計算角點數(shù)，以初始化粒子數(shù)，通過粒子濾波對車輛進行跟蹤。該方法經(jīng)實驗驗證，魯棒性較好。關(guān)鍵詞：ViBe算法;粒子濾波;多目標(biāo)跟蹤;Harris算法;魯棒性;前景檢測中圖分類號：TP391文獻標(biāo)識碼：A文章編號：2095-1302（2020）04-00-020 引 言圖像處理在車輛跟蹤方面具有廣泛的應(yīng)用。常用的檢測算法如
物聯(lián)網(wǎng)技術(shù) 2020年4期2020-05-09
- 基于交互多模型的粒子濾波導(dǎo)引頭機動目標(biāo)檢測技術(shù)研究
多普勒二維譜粒子濾波的交互多模型算法，通過交互多模型引入多模態(tài)，實時進行機動參數(shù)辨識，提高模型匹配性，結(jié)合粒子濾波弱小信號探測方面的優(yōu)勢提升導(dǎo)引頭對大機動目標(biāo)的適應(yīng)性。仿真結(jié)果表明：基于交互多模型的粒子濾波算法明顯改善了雷達導(dǎo)引頭對大機動目標(biāo)的檢測跟蹤性能，改善了傳統(tǒng)的粒子濾波算法對大過載機動的適應(yīng)性，具有較好工程應(yīng)用價值。關(guān)鍵詞：交互多模型;粒子濾波;雷達導(dǎo)引頭;機動目標(biāo);檢測跟蹤中圖分類號：TJ765文獻標(biāo)識碼：A?文章編號：1673-5048（202
航空兵器 2020年1期2020-03-05
- 蒙特卡洛粒子濾波算法應(yīng)用研究
用較為廣泛的粒子濾波器算法，該算法基于蒙特卡洛方法，將捕捉機器人位姿狀態(tài)的問題轉(zhuǎn)化為概率問題，該文介紹了貝葉斯濾波理論的推導(dǎo)過程，以及由其發(fā)展而來的貝葉斯重要性采樣理論，然后簡要概括了如何利用重采樣方法優(yōu)化了采樣粒子的權(quán)值，進而得到較優(yōu)的粒子權(quán)值。該理論在目標(biāo)追蹤及機器人定位等領(lǐng)域中應(yīng)用較為廣泛。關(guān)鍵詞：粒子濾波? 蒙特卡洛? 機器人定位? 貝葉斯濾波理論中圖分類號：TP242.6? ? ? ? ? ? ? ? ? ? ? ? 文獻標(biāo)識碼：A? ? ? ?
科技資訊 2020年35期2020-01-15
- 基于稀疏子空間的卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)跟蹤
洋摘要：針對粒子濾波目標(biāo)跟蹤過程中初始化和權(quán)值退化的數(shù)據(jù)處理情況，在粒子濾波框架下提出一種基于稀疏子空間的卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)跟蹤算法。以仿生學(xué)為基礎(chǔ)，在目標(biāo)跟蹤過程中引入稀疏子空間和卷積神經(jīng)網(wǎng)絡(luò)。首先，利用稀疏子空間模型篩選出與目標(biāo)狀態(tài)相似度較高的候選區(qū)域進行后續(xù)跟蹤處理，減少冗余計算并降低跟蹤的復(fù)雜性;然后，將稀疏子空間輸出用作卷積神經(jīng)網(wǎng)絡(luò)的輸入，并利用卷積神經(jīng)網(wǎng)絡(luò)模型對圖像數(shù)據(jù)處理的優(yōu)點進行目標(biāo)跟蹤的數(shù)據(jù)處理;最后，通過對目標(biāo)數(shù)據(jù)的不斷更新來減少目標(biāo)表觀
中國測試 2019年7期2019-11-16
- 一種改進的蝴蝶算法優(yōu)化粒子濾波算法
要：傳統(tǒng)的粒子濾波算法在重采樣期間丟棄小重量粒子，因此重要性權(quán)重落在極少數(shù)粒子上。這會導(dǎo)致采樣粒子貧化、粒子多樣性缺失以及需要大量粒子才能進行比較準(zhǔn)確的狀態(tài)估計等問題，針對這些問題，提出了一種改進的蝶式算法優(yōu)化粒子濾波算法。首先，將最新時刻觀測信息引入蝴蝶香味公式中，以提高濾波精度;其次，引入吸引半徑參數(shù)來控制蝴蝶種群尋優(yōu)的搜索范圍，降低算法的復(fù)雜度，進而提高算法的實時性;最后，將改進的蝴蝶種群位置更新公式用于優(yōu)化迭代更新。實驗結(jié)果表明，與經(jīng)典粒子濾波器
西安科技大學(xué)學(xué)報（社會科學(xué)版） 2019年1期2019-09-10
- 基于改進粒子濾波跟蹤算法的運動視頻跟蹤
一種基于改進粒子濾波的運動視頻跟蹤算法。首先，通過高斯混合模型實現(xiàn)動態(tài)背景建模，從而降低噪聲和局部動態(tài)背景的干擾;然后，在RGB顏色直方圖分離的基礎(chǔ)上，結(jié)合粒子濾波和迭代遞歸實現(xiàn)目標(biāo)運動檢測，提高了前景檢測的準(zhǔn)確性。仿真試驗結(jié)果顯示，相比典型粒子濾波算法、遺傳粒子濾波和DCEM，改進粒子濾波跟蹤算法得到的前景目標(biāo)的輪廓更好，因此運動目標(biāo)檢測精確度更高且處理時間更短。關(guān)鍵詞： 運動目標(biāo)檢測; 高斯混合模型; 背景建模; 粒子濾波; RGB顏色直方圖; 迭代遞
現(xiàn)代電子技術(shù) 2019年15期2019-08-12
- 非線性系統(tǒng)的多擴展目標(biāo)跟蹤算法
，提出了采用粒子濾波技術(shù)對目標(biāo)狀態(tài)和關(guān)聯(lián)假設(shè)進行聯(lián)合估計的多擴展目標(biāo)跟蹤算法。首先，提出了將多擴展目標(biāo)狀態(tài)和關(guān)聯(lián)假設(shè)進行聯(lián)合估計的思想，解決了在估計目標(biāo)狀態(tài)和數(shù)據(jù)關(guān)聯(lián)時相互牽制的問題;其次，根據(jù)擴展目標(biāo)演化模型、量測模型建立多擴展目標(biāo)狀態(tài)和關(guān)聯(lián)假設(shè)的聯(lián)合建議分布函數(shù)，并利用粒子濾波技術(shù)實現(xiàn)聯(lián)合估計的Bayes框架;最后，為解決直接采用粒子濾波實現(xiàn)時存在的維數(shù)災(zāi)難問題，將目標(biāo)聯(lián)合狀態(tài)粒子的產(chǎn)生和演化分解為各個目標(biāo)狀態(tài)粒子的產(chǎn)生和演化，對每個目標(biāo)的粒子集根據(jù)與
計算機應(yīng)用 2019年5期2019-08-01
- 智能優(yōu)化粒子濾波算法綜述研究
要：本文針對粒子濾波算法的退化及重采樣使得樣本枯竭問題，從進化類優(yōu)化算法、群智能算法和人工神經(jīng)網(wǎng)絡(luò)三種智能優(yōu)化算法入手，研究了各智能優(yōu)化算法融入基本的粒子濾波算法的文獻，旨在改善基本的粒子濾波算法的精度，為研究其它的智能優(yōu)化粒子濾波算法打下理論基礎(chǔ)。關(guān)鍵詞：智能優(yōu)化算法；粒子濾波；退化；重采樣中圖分類號：TN713 文獻標(biāo)識碼：A 文章編號：1007-9416（2019）01-0138-020 引言濾波的先決條件是給系統(tǒng)建立數(shù)學(xué)模型，包括狀態(tài)方程和觀測方程
數(shù)字技術(shù)與應(yīng)用 2019年1期2019-05-13
- 高斯輔助粒子算法
昊霖摘 要：粒子濾波算法在處理非線性，非高斯問題的狀態(tài)估計方面有獨特的優(yōu)勢。粒子濾波方法由于存在粒子退化，粒子多樣性匱乏等問題，不能準(zhǔn)確地估計系統(tǒng)狀態(tài)。該文提出了一種新的粒子濾波算法-高斯輔助粒子濾波算法，將即時的觀測值信息引入重要性概率密度函數(shù)當(dāng)中。該研究進行重采樣時，用高斯變換對粒子進行了重新分布并調(diào)整重采樣后的粒子權(quán)值。通過仿真實驗驗證該方法可以有效運用當(dāng)前觀測量值，優(yōu)化粒子分布，在解決粒子退化問題的同時，也能維持粒子的多樣性，提高濾波效率。關(guān)鍵詞：
科技資訊 2019年1期2019-04-27
- 基于隱馬爾可夫模型路徑規(guī)劃方法
爾可夫模型的粒子濾波算法。該方法通過隱馬爾可夫模型的概率計算、粒子濾波算法時間流逝、觀察、抽樣策略，推理出目標(biāo)體可能范圍，通過A·算法將目標(biāo)捕獲。仿真結(jié)果表明，與普通的概率計算目標(biāo)體位置，粒子濾波算法計算的目標(biāo)體位置，大大減少了總步數(shù)，形成了最短路徑。關(guān)鍵詞：路徑規(guī)劃：隱馬爾可夫模型：粒子濾波0引言人工智能在越來越多的領(lǐng)域得到了應(yīng)用。近幾年人工智能的發(fā)展異常迅猛。Hinton等的卷積神級網(wǎng)絡(luò)在計算機視覺領(lǐng)域的圖形分類做出了重要貢獻，并且在2015優(yōu)化成深度
智能計算機與應(yīng)用 2019年6期2019-03-11
- 應(yīng)用于運動視頻目標(biāo)跟蹤的改進粒子濾波模型技術(shù)研究
運動視頻; 粒子濾波; HSV分布模型; 退化權(quán)值中圖分類號： TN713?34; TP391 ? ? ? ? ? ? ? ? ? ? 文獻標(biāo)識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）03?0065?03Abstract： As the mainstream technology of target tracking， particle filtering has broad application pro
現(xiàn)代電子技術(shù) 2019年3期2019-02-19
- 基于果蠅優(yōu)化算法改進的粒子濾波及其在目標(biāo)跟蹤中的應(yīng)用
摘 要：針對粒子濾波算法重采樣導(dǎo)致的樣本貧化問題，提出一種基于果蠅優(yōu)化思想的粒子濾波算法.該方法視粒子權(quán)值為個體適應(yīng)度值，并將果蠅不斷從低濃度的地方飛向高濃度的地方的覓食尋優(yōu)過程引入到粒子濾波當(dāng)中，驅(qū)使粒子不斷向高似然區(qū)域移動，提高了粒子群的整體質(zhì)量.為了解決標(biāo)準(zhǔn)果蠅優(yōu)化算法易陷入早熟的問題，將遺傳算法中的交叉、變異操作自適應(yīng)地應(yīng)用到果蠅優(yōu)化算法尋優(yōu)過程當(dāng)中.首先通過交叉操作改善粒子分布，當(dāng)果蠅優(yōu)化算法陷入局部最優(yōu)時，再采用柯西變異擾動，促使算法快速跳出局
湖南大學(xué)學(xué)報·自然科學(xué)版 2018年10期2018-12-26
- 基于在線魯棒判別式字典學(xué)習(xí)的視覺跟蹤
模板更新。以粒子濾波為框架，利用提出的字典學(xué)習(xí)實現(xiàn)了視覺跟蹤方法。實驗結(jié)果表明：本文跟蹤方法比現(xiàn)有跟蹤方法具有更強的魯棒性和較高的跟蹤精度。關(guān)鍵詞： L1跟蹤； 字典學(xué)習(xí)； 模板更新； 粒子濾波中圖分類號：TP391 文獻標(biāo)志碼：A 文章編號：1006-8228（2018）07-20-04Abstract： Sparse representation and dictionary learning based visual tracking have we
計算機時代 2018年7期2018-09-17
- 歷史信息驅(qū)動反饋融合多目標(biāo)跟蹤算法研究
;目標(biāo)跟蹤;粒子濾波;反饋融合中圖分類號：TP391文獻標(biāo)識碼：A文章編號：1003-5168（2018）28-0010-04Abstract： In view of the problem of large number of target tracking and complicated correlation between observation data and target state， this paper presented a? mult
河南科技 2018年28期2018-09-10
- 多特征融合的粒子濾波紅外單目標(biāo)跟蹤
及紋理特征的粒子濾波紅外單目標(biāo)跟蹤算法。首先，對紅外目標(biāo)進行多種特征提取，并根據(jù)不同特征對目標(biāo)的不同特性，采用權(quán)重分配的特征融合策略，在相似似然函數(shù)中對目標(biāo)特征進行加權(quán)融合，最后將融合后的特征進行粒子濾波處理，預(yù)測粒子運動狀態(tài)，得到跟蹤結(jié)果。實驗結(jié)果表明，算法能克服各種噪聲、遮擋等干擾，保證了跟蹤的魯棒性和準(zhǔn)確性。關(guān)鍵詞：紅外目標(biāo)跟蹤；特征融合；加權(quán)融合；粒子濾波中圖分類號：TP751 文獻標(biāo)識碼：A 文章編號：1009-3044（2018）14-0178
電腦知識與技術(shù) 2018年14期2018-07-12
- 基于改進粒子濾波的稀疏子空間單目標(biāo)跟蹤算法
提出基于改進粒子濾波的稀疏子空間單目標(biāo)跟蹤算法。在改進的粒子濾波中提出將樣本分為正、負(fù)和過渡樣本，減小粒子退化帶來的影響，通過仿真實驗驗證改進粒子濾波器可提高目標(biāo)跟蹤的魯棒性。仿照人眼視覺神經(jīng)系統(tǒng)，將稀疏子空間引入粒子濾波中，建立一個稀疏最優(yōu)化模型，獲得稀疏矩陣，稀疏子空間有針對性地對目標(biāo)進行聚類，得到聚類中心位置實現(xiàn)目標(biāo)跟蹤。經(jīng)過在相同視頻序列實驗與基本粒子濾波同mean?shift算法目標(biāo)跟蹤的實驗對比可知，單目標(biāo)跟蹤的快速性和魯棒性得到了很大提高。關(guān)
現(xiàn)代電子技術(shù) 2018年13期2018-07-10
- 基于粒子濾波算法的智慧社區(qū)信息化服務(wù)績效評價
足，提出基于粒子濾波算法的績效評價方法。根據(jù)智慧社區(qū)建設(shè)績效評價指標(biāo)體系，利用浙北地區(qū)若干試點智慧社區(qū)的信息化服務(wù)統(tǒng)計調(diào)查數(shù)據(jù)，對比分析基于粒子濾波方法與模糊層次綜合評價法對智慧社區(qū)信息化服務(wù)績效評價的結(jié)果，表明基于粒子濾波算法的績效評價是有效的且具有更優(yōu)的客觀準(zhǔn)確性。關(guān)鍵詞：智慧社區(qū)；信息化服務(wù)；粒子濾波；績效評價中圖分類號：F224.9 文獻標(biāo)識碼：A 文章編號：1009-3044（2018）06-0167-03作為城市細胞的社區(qū)，是居民生存和發(fā)展的載
電腦知識與技術(shù) 2018年6期2018-03-31
- 基于粒子濾波的分布式智能故障診斷系統(tǒng)研究
究了一種基于粒子濾波的分布式智能故障診斷系統(tǒng).該系統(tǒng)采用ZigBee無線傳感網(wǎng)絡(luò)實現(xiàn)系統(tǒng)分布式多變量參數(shù)的實時采集，基于粒子濾波算法在線處理各變量數(shù)據(jù)，并基于簡易模式識別算法獲得系統(tǒng)真實狀態(tài)的準(zhǔn)確估計，實現(xiàn)系統(tǒng)故障的智能診斷與故障預(yù)示.智能故障診斷系統(tǒng)由ZigBee無線傳感數(shù)據(jù)采集網(wǎng)絡(luò)、粒子濾波算法、系統(tǒng)狀態(tài)模型和故障模式識別四部分構(gòu)成.粒子濾波算法基于粒子序貫重要性重采樣和蒙特卡洛方法對傳感器采集數(shù)據(jù)濾波，抑制或消除干擾及顯著性誤差對系統(tǒng)狀態(tài)估計的影響，
湖南大學(xué)學(xué)報·自然科學(xué)版 2018年2期2018-03-21
- 基于卡爾曼濾波與粒子濾波的SLAM研究綜述
卡爾曼濾波與粒子濾波的SLAM算法如何解決現(xiàn)實世界的非線性、非高斯問題，并總結(jié)了各算法優(yōu)缺點;最后，展望了基于卡爾曼濾波的SLAM算法發(fā)展趨勢。關(guān)鍵詞關(guān)鍵詞：SLAM;卡爾曼濾波;擴展卡爾曼濾波;無跡卡爾曼濾波;粒子濾波SLAM Research Based on Kalman Filter and Particle FilterSUN Hai?bo?TONG Zi?yuan?TANG Shou?feng?TONG Min?ming?JI Yu?ming（
軟件導(dǎo)刊 2018年12期2018-02-12
- 室內(nèi)景觀設(shè)計中的視覺感官建模
進行視覺動態(tài)粒子濾波處理，將圖像數(shù)據(jù)以及三維影像數(shù)據(jù)進行融合編輯，保證數(shù)據(jù)的有效性，對全方位視覺圖像進行離焦降質(zhì)處理，把每一幀的圖像進行重新編排聯(lián)立，完成模型建立。為了保證建立模型的有效性，模擬使用過程設(shè)計了對比仿真實驗，通過實驗數(shù)據(jù)的分析有效證明了所建立的視覺感官模型能夠保持較高的圖像清晰度，具有較高的有效性。關(guān)鍵詞： 室內(nèi)景觀設(shè)計； 視覺感官； 視覺機制； 感官建模； 粒子濾波； 離焦降質(zhì)處理中圖分類號： TN911.73?34； TP391 文獻標(biāo)識
現(xiàn)代電子技術(shù) 2018年2期2018-01-22
- 基于粒子濾波的混沌時間序列局域多步預(yù)測
度，提出基于粒子濾波（PF）的混沌時間序列局域多步預(yù)測法，利用粒子濾波進行參數(shù)優(yōu)化得到更準(zhǔn)確的優(yōu)化模型進行多步預(yù)測。仿真實驗結(jié)果表明，該方法的單步和多步預(yù)測效果明顯得到了提升。關(guān)鍵詞： 局域線性預(yù)測； 混沌時間序列； 粒子濾波； 多步預(yù)測； 鄰近點； 預(yù)測誤差中圖分類號： TN911.1?34； O415.5 文獻標(biāo)識碼： A 文章編號： 1004?373X（2018）01?0043?04Abstract： It has important value a
現(xiàn)代電子技術(shù) 2018年1期2018-01-20
- 基于非線性狀態(tài)估計的常見濾波算法性能研究
卡爾曼濾波；粒子濾波；估計精度；實時性中圖分類號：U666.1 文獻標(biāo)識碼： A 文章編號： 2095-2457（2018）26-0138-001DOI：10.19694/j.cnki.issn2095-2457.2018.26.061Research on Performances of the Regular Filtering Algorithms for Nonlinear State EstimationLIU Peng-peng1，2（1.Se
科技視界 2018年26期2018-01-09
- 基于能量有效的水下分布式粒子濾波跟蹤算法
有效的分布式粒子濾波跟蹤算法（EEPF算法）。EEPF算法通過能量有效的最優(yōu)分布式動態(tài)成簇機制和啟發(fā)式能量有效的調(diào)度算法來平衡水下節(jié)點間的能耗，延長網(wǎng)絡(luò)生存期，并在預(yù)測、濾波、重采樣階段對粒子濾波算法進行改進，在保障期望目標(biāo)跟蹤精度的同時降低了運算能耗。仿真結(jié)果表明，EEPF算法是一種輕量級的能量有效的目標(biāo)跟蹤算法，該算法能耗低，網(wǎng)絡(luò)存活時間長，且跟蹤精度較傳統(tǒng)粒子濾波算法有了較大提高。關(guān)鍵詞： 能量有效； 粒子濾波； 跟蹤算法； 目標(biāo)跟蹤中圖分類號： T
現(xiàn)代電子技術(shù) 2017年23期2017-12-20
- 粒子濾波檢測前跟蹤算法的粒子比優(yōu)化方法研究
摘要： 基于粒子濾波的檢測前跟蹤方法是解決空空導(dǎo)彈弱小信號檢測跟蹤問題的重要手段， 然而常規(guī)的PF-TBD算法中， 普遍存在著新生粒子與持續(xù)粒子的比例選取問題， 其直接影響著算法的收斂速度及跟蹤精度。 針對這一問題， 本文提出一種自適應(yīng)的粒子比優(yōu)化方法， 利用前一時刻檢測概率對粒子比進行優(yōu)化設(shè)計， 相比于傳統(tǒng)的固定粒子比方法， 其能根據(jù)歷史檢測信息對粒子比進行自適應(yīng)調(diào)整。 仿真結(jié)果表明， 本文提出的自適應(yīng)粒子比優(yōu)化方法不僅能提高檢測跟蹤精度， 而且能有效提
航空兵器 2017年5期2017-11-27
- 基于多特征信息融合粒子濾波的紅外目標(biāo)跟蹤
適應(yīng)性， 而粒子濾波則是一種處理目標(biāo)跟蹤模型的非線性和非高斯特點的有效方法，將兩者優(yōu)點結(jié)合并針對紅外圖像特點，提出一種基于多特征信息融合的跟蹤算法，該方法按一定的權(quán)值系數(shù)利用目標(biāo)顏色和紋理特征構(gòu)建模型，并融合于粒子濾波框架中。實驗表明該跟蹤方法能準(zhǔn)確地跟蹤海上紅外運動目標(biāo)。關(guān)鍵詞： 粒子濾波； 紋理特征； 多特征融合； 目標(biāo)跟蹤中圖分類號： TN929.1?34 文獻標(biāo)識碼： A 文章編號： 1004?373X（2017）13?0009?04Abstrac
現(xiàn)代電子技術(shù) 2017年13期2017-07-08
- 基于粒子濾波算法的視頻目標(biāo)跟蹤研究
唐金摘要：粒子濾波算法適用于非線性非高斯系統(tǒng)中，在視頻目標(biāo)跟蹤領(lǐng)域中有著廣泛的應(yīng)用。該文詳細介紹了粒子濾波算法的基本原理，并給出了粒子濾波算法在視頻目標(biāo)跟蹤中的實現(xiàn)步驟。最后仿真分析了粒子濾波的濾波效果，給出了粒子濾波在視頻目標(biāo)跟蹤中的實驗結(jié)果圖。關(guān)鍵詞：粒子濾波；重采樣；目標(biāo)跟蹤中圖分類號：TP301文獻標(biāo)識碼：A文章編號：1009-3044（2017）10-0149-021.引言視頻目標(biāo)跟蹤是計算機視覺技術(shù)的一個重要的研究方向，目前被廣泛應(yīng)用在各種領(lǐng)域
電腦知識與技術(shù) 2017年10期2017-06-05
- 數(shù)字濾波技術(shù)的現(xiàn)狀與發(fā)展
應(yīng)濾波技術(shù)與粒子濾波及其缺陷，并介紹了為解決這些缺陷提出的新技術(shù)與每項技術(shù)的應(yīng)用場景。關(guān)鍵詞：數(shù)字濾波技術(shù)；卡爾曼濾波；自適應(yīng)濾波；粒子濾波中圖分類號：TH122；TP39 文獻標(biāo)識碼：A 文章編號：2095-1302（2017）05-00-040 引 言在各類數(shù)字系統(tǒng)中，噪聲與干擾會降低系統(tǒng)性能，甚至影響系統(tǒng)正常工作。濾波技術(shù)的目的就是抑制各類噪聲與干擾，提高信噪比，維護系統(tǒng)穩(wěn)定。數(shù)字濾波技術(shù)相比傳統(tǒng)模擬濾波技術(shù)，以其靈活度大、穩(wěn)定性高等優(yōu)點[1]被廣泛
物聯(lián)網(wǎng)技術(shù) 2017年5期2017-06-03
- 基于改進QIPF的弱目標(biāo)檢測前跟蹤算法的研究
的擬蒙特卡羅粒子濾波檢測前跟蹤（Imporve Quasi-Maonte Carlo Intelligent Particle Filter Track Before Detect，IQIPF-TBD）算法。解決了粒子多樣性匱乏的問題并有效的降低了粒子數(shù)，使追蹤的結(jié)果更加精確。關(guān)鍵詞：弱目標(biāo)；檢測前跟蹤；擬蒙特卡羅；粒子濾波目標(biāo)的檢測與跟蹤[ 1 ]是現(xiàn)在研究的熱點問題。常用的微弱信號檢測跟蹤技術(shù)就是基于粒子濾波的檢測前跟蹤（Particle Filter
科技風(fēng) 2017年9期2017-05-30
- 可見光與紅外CPCT彩色圖像融合研究與實現(xiàn)
色融合圖像的粒子濾波目標(biāo)跟蹤算法。關(guān)鍵詞： CPCT； 彩色圖像融合； 融合評價； 粒子濾波； 融合跟蹤中圖分類號： TN911.73?34； TM417 文獻標(biāo)識碼： A 文章編號： 1004?373X（2017）09?0005?05Abstract： The infrared image and visible?light image fusion， objective evaluation of fusion quality and fusion t
現(xiàn)代電子技術(shù) 2017年9期2017-05-18
- OCV處于平臺期的汽車鋰電池SOC估算的研究
爾曼濾波； 粒子濾波； 平臺期中圖分類號： TN301.2?34； TM912 文獻標(biāo)識碼： A 文章編號： 1004?373X（2017）10?0175?03Abstract： For the open?circuit voltage （OCV） of lithium battery during the plateau， the variation of the state of charge （SOC） may change the OCV hard
現(xiàn)代電子技術(shù) 2017年10期2017-05-17
- 粒子濾波法在移動物體定位中的應(yīng)用
要：本文就粒子濾波在移動物體定位應(yīng)用展開的研究中，論述了PFLT的設(shè)計，希望由此能夠為相關(guān)領(lǐng)域的研究帶來一定啟示。關(guān)鍵詞：粒子濾波；移動物體定位；應(yīng)用中圖分類號：TP393 文獻標(biāo)識碼：A所謂PFLT，指的是一種基于粒子濾波的目標(biāo)定位算法，這一算法本身能夠較好應(yīng)用于人或無人機的定位中，而這種定位的實現(xiàn)也使得PFLT具備著較高的實用價值。不同于傳統(tǒng)的MTLL策略，PFLT進行的移動物體定位能夠大大提高這一定位的效率，并實現(xiàn)電池消耗的較好降低，這自然使得PF
中國新技術(shù)新產(chǎn)品 2017年10期2017-05-10
- 基于智能粒子濾波的多傳感器信息融合算法
摘 要：針對粒子濾波中存在粒子質(zhì)量低和粒子貧化的問題，提出了一種基于智能粒子濾波的多傳感器信息融合算法。該算法分為兩個模塊，首先，將多傳感器數(shù)據(jù)發(fā)送給相應(yīng)的粒子濾波計算模塊，以優(yōu)化粒子分布為目的更新建議分布密度；然后，在智能粒子濾波模塊中對多傳感器數(shù)據(jù)構(gòu)造完整的似然函數(shù)，引入設(shè)計的遺傳因子將小權(quán)重粒子修正為大權(quán)重粒子，近似于真實的后驗分布，重采樣過程中保留了權(quán)值較大的粒子，又避免了粒子耗盡問題，進一步保持粒子的多樣性，提高了濾波精度，最終得到最優(yōu)的估計值。
計算機應(yīng)用 2016年12期2017-01-13
- 基于重采樣粒子濾波的目標(biāo)跟蹤算法研究
： 基于傳統(tǒng)粒子濾波的機動目標(biāo)跟蹤方法針對非線性、 非高斯系統(tǒng)有較好的估計性能， 但是存在粒子退化現(xiàn)象。 利用殘差重采樣算法， 可以有效克服粒子濾波的退化問題。 本文針對殘差重采樣算法作進一步研究， 提出了一種改進的殘差重采樣粒子濾波算法。 該方法在殘差重采樣基礎(chǔ)上進行改進， 可以避免殘差重采樣中關(guān)于殘留粒子的重采樣問題， 在保證精度的前提下提高運行效率， 減少運算復(fù)雜程度。 仿真實驗結(jié)果表明該算法與殘差重采樣粒子濾波相比提高了目標(biāo)跟蹤的實時性， 并且隨著
航空兵器 2016年5期2016-12-10
- 基于模糊邏輯的多特征融合的SOAMST跟蹤算法*
態(tài)信息,調(diào)用粒子濾波算法對目標(biāo)位置進行預(yù)測,可以避免丟失跟蹤目標(biāo),實現(xiàn)目標(biāo)連續(xù)跟蹤。實驗表明,論文算法在復(fù)雜環(huán)境條件下能很好地實現(xiàn)目標(biāo)跟蹤。關(guān)鍵詞目標(biāo)跟蹤; SOAMST算法; 模糊邏輯; 粒子濾波Class NumberTP3911 引言目標(biāo)跟蹤是計算機視覺領(lǐng)域的重要問題,它在智能交通、安防系統(tǒng)和軍事方面的應(yīng)用越來越廣泛。目前已經(jīng)提出了Mean Shift算法、CAMSHIFT[1]算法、SOAMST算法、卡爾曼濾波算法[2]、粒子濾波[3]等經(jīng)典算法,
計算機與數(shù)字工程 2016年4期2016-08-11
- 基于色彩相關(guān)直方圖與SIFT特征融合的粒子濾波跟蹤算法*
T特征融合的粒子濾波跟蹤算法*劉元龍李玉惠(昆明理工大學(xué)信息工程與自動化學(xué)院昆明650500)摘要論文提出了基于色彩相關(guān)直方圖與尺度不變性特征(SIFT)相融合的粒子濾波跟蹤算法,該方法克服了在跟蹤過程中運動目標(biāo)的遇到形變以及目標(biāo)被短暫遮擋丟失的問題。特別是提高了當(dāng)運動目標(biāo)與背景相近的情況下的跟蹤效果。該算法在粒子濾波算法基礎(chǔ)上將目標(biāo)色彩相關(guān)直方圖作為目標(biāo)的一種描述特征,用于評價不同預(yù)測狀態(tài)與觀測狀態(tài)之間的色彩相關(guān)性。依靠尺度不變性特征保證克服運動目標(biāo)的仿
計算機與數(shù)字工程 2016年7期2016-08-10
- EMD馬氏距離與SOM神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用研究
振動信號進行粒子濾波，提高信噪比，然后對其進行EMD分解，并對分解后的各模式分量進行分析，獲得相關(guān)特征值組成特征向量，并求原始信號特征向量，為了選取能代表信號特征的模式分量，求各模式分量與原信號特征向量的馬氏距離，將最優(yōu)模式分量輸入訓(xùn)練好的SOM神經(jīng)網(wǎng)絡(luò)，對故障分類，以軸承診斷為應(yīng)用實例結(jié)果表明該方法切實有效。關(guān)鍵詞：振動與波；粒子濾波；EMD；馬氏距離；SOM神經(jīng)網(wǎng)絡(luò)；故障診斷故障診斷主要研究如何對系統(tǒng)中出現(xiàn)的故障進行檢測、分離和辨識。目前，基于模糊理論
噪聲與振動控制 2016年1期2016-08-04
- 基于壓縮特征的稀疏表示運動目標(biāo)跟蹤
；稀疏表示；粒子濾波；塊正交匹配0引言稀疏表示是近年來信號處理領(lǐng)域的熱點之一，為一種對原始信號的分解過程，該分解過程借助一個事先得到的字典，將輸入信號表示為字典的線性近似.文獻[1]首次在人臉識別中運用稀疏表示的方法;文獻[2]則利用線性表示特征構(gòu)建模板，結(jié)合稀疏表示理論，成功進行目標(biāo)識別.隨著稀疏表示運用領(lǐng)域的推廣，在ICCV 2009上L1 tracker算法被首次提出來，文獻[3]提出L1 tracker算法是將跟蹤問題看成稀疏求解的過程,結(jié)合粒子濾
鄭州大學(xué)學(xué)報（工學(xué)版） 2016年3期2016-07-22
- 主被動傳感器空時對準(zhǔn)融合模型目標(biāo)跟蹤技術(shù)*
；目標(biāo)跟蹤；粒子濾波0引言在激烈的電子偵察與反偵察斗爭中，壓制干擾[1-3]對傳感器的檢測、識別、跟蹤[4-5]等性能產(chǎn)生了嚴(yán)重的影響，嚴(yán)重制約和限制了傳感器的作用范圍，甚至對傳感器自身的生存造成威脅。多傳感器信息融合[6]是一種有效的抗壓制干擾途徑，目前該方向的研究主要有2方面：一方面是壓制干擾下多傳感器信息融合的目標(biāo)檢測性能；另一方面是在強壓制干擾通過測向交叉定位[7-8]進行目標(biāo)定位和跟蹤。被動傳感器可以獲得輻射源的方向，因此，嚴(yán)重干擾下可以通過測向
現(xiàn)代防御技術(shù) 2016年3期2016-07-21
- 基于Meanshift和粒子濾波的目標(biāo)跟蹤方法
shift和粒子濾波的目標(biāo)跟蹤方法徐瞇1, 徐成鴻2, 舒軍2(1武漢理工大學(xué) 自動化學(xué)院，武漢 430070；2湖北工業(yè)大學(xué)，武漢 430068)摘要：Meanshift是一種目標(biāo)跟蹤的有效算法。但是，當(dāng)光照條件變化快或目標(biāo)被遮擋的時候表現(xiàn)很差。與之相比，基于粒子濾波的目標(biāo)跟蹤有一個很好的表現(xiàn)，但是跟蹤速度比Meanshift慢很多。由于使用單個算法的限制，本文提出了一種基于Meanshift和粒子濾波相結(jié)合的新的算法。此種方法構(gòu)建了反饋系統(tǒng)，Means
湖北第二師范學(xué)院學(xué)報 2016年2期2016-07-19
- 融合RTS平滑的迭代無跡卡爾曼粒子濾波方法
代無跡卡爾曼粒子濾波方法李敏，陳志梅，邵雪卷(太原科技大學(xué)電子信息工程學(xué)院，太原 030024)摘要：對粒子濾波算法中建議分布函數(shù)的設(shè)計提出了一種新的方法，即將迭代無跡卡爾曼濾波(Iterated Unscented Kalman Filtering，IUKF)與Rauch-Tung-Striebel(RTS)平滑算法融合，產(chǎn)生新的建議分布函數(shù)，以減小粒子濾波的粒子數(shù)匱乏現(xiàn)象，與單獨使用無跡卡爾曼濾波產(chǎn)生建議分布函數(shù)的粒子濾波方法(Unscented Ka
太原科技大學(xué)學(xué)報 2016年4期2016-07-13
- 基于粒子濾波改進的VTS微弱目標(biāo)檢測前跟蹤算法*
61）?基于粒子濾波改進的VTS微弱目標(biāo)檢測前跟蹤算法*崔威威1，黃孝鵬1，2，姚遠1，匡華星1（1.中船重工第七二四研究所，南京211153；2.海軍裝備研究院博士后科研工作站，北京100161）摘要：艦船交通服務(wù)系統(tǒng)是民用雷達的信息集成系統(tǒng)，探測微弱目標(biāo)存在RCS小、回波弱、雜波強等問題，導(dǎo)致信噪比低，難以實現(xiàn)有效檢測跟蹤?；?span id="j5i0abt0b" class="hl">粒子濾波的檢測前跟蹤技術(shù)對低信噪比下微弱目標(biāo)信息積累和探測有良好效果。通過采集單設(shè)備實測數(shù)據(jù)，構(gòu)建遺忘因子和收斂因子以增加重采
火力與指揮控制 2016年5期2016-07-12
- 一種改進的粒子濾波算法
鴿[摘 要]粒子濾波算法其重采樣過程往往引起樣本多樣性喪失問題，影響算法精度。本文針對多樣性問題，對重采樣進行改進，首先劃分粒子集為三個子集，然后利用高、低權(quán)值子集的組合產(chǎn)生下一代粒子。通過實驗證明，本文算法能有效改善多樣性問題，提高算法精度。[關(guān)鍵詞]粒子濾波；重采樣；多樣性[中圖分類號]TL181 [文獻標(biāo)志碼]A1 引言粒子濾波算法是經(jīng)典而常用的濾波定位算法。它以遞推貝葉斯原理和蒙特卡洛思想為基礎(chǔ)，通過采樣一組狀態(tài)空間中的粒子，并應(yīng)用系統(tǒng)的運動方程和
農(nóng)村經(jīng)濟與科技 2016年8期2016-07-10
- 基于粒子濾波的動態(tài)自回歸預(yù)測模型方法
051)基于粒子濾波的動態(tài)自回歸預(yù)測模型方法張海兵(昆明船舶設(shè)備研究試驗中心 第5室，云南 昆明 650051)摘要針對自回歸模型以固定歷史觀測序列建模，模型不能隨時間序列新的觀測值實時更新，導(dǎo)致預(yù)測中對序列趨勢變化適應(yīng)性差，預(yù)測精度低的問題，提出以粒子濾波動態(tài)優(yōu)化調(diào)整自回歸模型的方法，通過對模型參數(shù)蒙特卡洛采樣得到粒子，以粒子描述模型狀態(tài)變量的演變，采用遞推貝葉斯方法估計粒子權(quán)重，由粒子及其權(quán)重近似模型參數(shù)的后驗濾波值，從而隨觀測序列的動態(tài)獲得不斷更新模
電子科技 2016年6期2016-07-04
- 一種基于改進粒子濾波的多目標(biāo)檢測與跟蹤方法
一種基于改進粒子濾波的多目標(biāo)檢測與跟蹤方法周明1，涂宏斌2 （1.上海申通軌道交通研究咨詢有限公司，上海201103；2.華東交通大學(xué)軌道交通學(xué)院，江西南昌330013）摘要：針對復(fù)雜監(jiān)控環(huán)境下由于目標(biāo)間相互遮擋導(dǎo)致多行人目標(biāo)檢測與跟蹤準(zhǔn)確率低的問題，利用一種基于改進運動目標(biāo)的檢測方法和改進粒子濾波的多目標(biāo)跟蹤算法。首先，采用改進動態(tài)高斯模型在監(jiān)控環(huán)境下對人體運動目標(biāo)進行檢測，然后利用改進粒子濾波算法對場景中多人體運動目標(biāo)進行識別。該算法可以在發(fā)生行人目標(biāo)
華東交通大學(xué)學(xué)報 2016年2期2016-06-25
- 基于改進SFLA-PF算法的OFDM系統(tǒng)目標(biāo)跟蹤
SFLA)和粒子濾波算法(PF)相結(jié)合的方法來研究動態(tài)目標(biāo)跟蹤技術(shù)。首先利用高斯變異的局部搜索能力強和柯西變異的全局搜索能力強等優(yōu)點對混合蛙跳算法進行改進，然后用改進后的混合蛙跳算法來優(yōu)化粒子濾波算法進行動態(tài)跟蹤，其優(yōu)點不需要重采樣步驟，有效地保持了粒子的多樣性和有效性。仿真結(jié)果表明，該算法能夠有效實現(xiàn)動態(tài)目標(biāo)跟蹤，并且跟蹤效果優(yōu)于同等條件下的混合蛙跳算法和粒子濾波算法。關(guān)鍵詞:OFDM；混合蛙跳；粒子濾波；高斯變異；柯西變異在軍事以及民用領(lǐng)域中,尋求可靠
電視技術(shù) 2016年3期2016-06-24
- 擴展卡爾曼濾波與粒子濾波性能對比
卡爾曼濾波與粒子濾波性能對比薛長虎，聶桂根，汪晶(武漢大學(xué)衛(wèi)星導(dǎo)航定位技術(shù)研究中心，湖北 武漢 430079)Comparison of Performance between Extended Kalman Filter and Particle FilterXUE Changhu,NIE Guigen,WANG Jing摘要：在非線性濾波方法中，粒子濾波以其精度均勻且不受模型復(fù)雜程度的影響而受到廣泛關(guān)注。與傳統(tǒng)的非線性濾波方法——擴展卡爾曼濾波相比，粒
測繪通報 2016年4期2016-06-01