一种改进的粒子滤波算法

在粒子滤波中,防止粒子退化的两个关键因素是选择适当的采样建议分布和重采样算法.针对建议分布的选择条件,提出了一种改进的粒子滤波算法,该算法采用强跟踪扩展卡尔曼滤波方法构建其建议分布.强跟踪扩展卡尔曼滤波可在线调节参数,从而使得系统具有更好的自适应性和鲁棒性,对高机动目标具有更强的跟踪效果.仿真结果表明,该算法的性能优于其它几种非线性滤波算法.     

一种改进重采样的粒子滤波算法

粒子滤波算法中重采样是解决粒子退化的一种重要方法,但重采样会导致粒子多样 性的损失。针对这一问题,对基本重采样算法进行了改进。改进算法首先按基本重采样思想 找到权值大的粒子进行复制,然后借鉴遗传算法进行交叉和变异操作,其中变异由变异尺 度因子和粒子集的均值来实现。利用改进重采样的粒子滤波算法对经典纯方位目标跟踪问题 进行了仿真,仿真结果表明,改进算法具有更好的跟踪精度。     

采样滤波算法在单站无源定位中的应用

讨论了用采样的方法近似非线性分布来解决无源定位中的非线性问题，提出了一种简单的正则粒子滤波，克服了标准粒子滤波用于单站无源定位中出现的粒子贫乏现象，将粒子滤波成功应用到无源定位中，计算机仿真表明该算法的定位精度较Unscented卡尔曼滤波（UKF）有一定的提高。     

容积Rauch-Tung-Striebel平滑器

针对离散非线性系统的状态平滑问题,基于Rauch-Tung-Striebel(RTS)理论设计了一种容积卡尔曼平滑器(Cubature Kalman Smoother,CKS),即容积Rauch-Tung-Striebel平滑器(RTS-CKS)。首先,基于经典贝叶斯状态估计理论框架,推导了状态概率密度分布形式的非线性系统最优平滑算法;其次,基于Rauch-Tung-Striebel理论,建立了相应的最优平滑递推算法;然后,将其与容积卡尔曼滤波算法相结合,建立了递推形式的RTS-CKS平滑器;最后,通过典型的纯方位跟踪模型验证了该平滑器的可行性和有效性。该平滑器为非线性系统的状态估计提供了新的估计算法。     

基于改进粒子滤波的GPS接收机自主完好性监测算法

针对基本粒子滤波重采样过程中粒子权值退化和多样性丧失的问题,将遗传算法引入基于神经网络的权值调整粒子滤波算法中,结合了遗传算法全局寻优的收敛性与神经网络局部寻优的快速性优点。将提出的算法与对数似然比方法结合用于GPS接收机自主完好性监测,通过建立一致性检验统计量实现对故障卫星的检测与隔离。通过采集实测数据进行验证,结果表明：该算法可以成功检测和隔离故障卫星,其性能优于基于基本粒子滤波的接收机自主完好性监测,验证了该算法应用于GPS接收机自主完好性监测的可行性和有效性。     

粒子滤波的目标跟踪算法研究与实现

通过已经获得的运动目标的先验特征点,以及基于这些特征点在各种噪声的干扰下多呈现非线性和非高斯的特点,我们可以利用粒子滤波的方法进行运动估计和跟踪。由于粒子滤波具有对非线性和非高斯的有效逼近的性质,获得粒子的后验概率分布,估计目标状态,实现目标的有效跟踪。为了有效避免粒子退化问题,采用累加权值、聚类算法并且引入高斯分布函数进行采样,保证粒子的多样性。经过程序测试,结果很有效。     

结合匈牙利指派和改进粒子滤波的多目标跟踪算法

使用汽车雷达进行多目标跟踪时,为了提高航迹关联效率并改善非线性场景跟踪效果,提出了结合匈牙利指派和卡尔曼重要性采样的粒子滤波(Particle Filter with Kalman Importance Sampling,PF-KIS)算法。首先,将航迹关联分解为聚类和指派,通过密度聚类筛选并整合有效目标,经过匈牙利指派得到目标和航迹的最佳匹配关系,避免产生多余联合事件,提高关联效率;其次,以卡尔曼滤波的结果作为粒子滤波的先验,使采样粒子分布更合理,提高估计精度,进而改善非线性跟踪能力。实验表明,算法平均航迹关联正确率约为95%;非线性场景误差约为卡尔曼滤波的1/2,有效地改善了非线性场景跟踪能力。     

UPF算法在OFDM时变信道估计中的应用

为了提高正交频分复用（OFDM）系统中时变信道估计的精度和系统性能,提出一种利 用无迹粒子滤波（UPF）算法的OFDM时变信道估计方法。该方法首先将OFDM系统时变信道建 模为具有动态特性的状态方程,然后利用UPF算法,结合接收信号动态地估计信道状态。仿 真结果表明：在高斯和非高斯环境下,所提的方法均可以获得比采用传统粒子滤波（PF）算 法的信道估计方法更高的估计精度和更好的系统性能,因此适用于实际系统。     

基于改进粒子群算法与SVM的变压器状态评估

本文采用改进粒子群算法，通过动态地调整算法的全局与局部搜索能力对SVM参数优化，提高了分类准确率。本文以变压器油中溶解气体（DGA）浓度为评估指标，将变压器分成正常、注意、异常、严重4个等级。通过实例数据分析得出。用改进舌粒子群算法更适合在变压器状态评估中应用。     

电力系统状态估计算法分析比较与趋势

电力系统状态估计是能量管理系统（EMS）的重要组成部分,其结果直接影响电网调度的智能化分析与决策。本文编程分析比较了几种近年来研究较多的状态估计算法的估计质量、计算速度、抗差能力指标,指出各种方法的优缺点。最后对状态估计方法中值得研究的方面进行了展望。     

带多普勒量测的序贯SCKF雷达目标跟踪算法

为提高非线性观测条件下雷达目标的跟踪性能,将序贯处理方法引入均方根容积卡尔曼滤波（SCKF）,提出一种带多普勒量测的序贯均方根容积卡尔曼滤波（SSCKF-D）雷达目标跟踪算法,该算法通过建立伪量测去除径向距离和径向速度量测误差方差之间的相关性。基于SCKF算法,按照量测精确度的高低顺序对方位角、俯仰角、径向距离和伪量测序贯处理。Monte Carlo仿真表明,与SCKF和带多普勒量测的均方根容积卡尔曼滤波（SCKF-D）算法相比,SSCKF-D算法跟踪精度更高,较后者提高20%以上,收敛速度更快,更适用于空间目标跟踪。     

用于非合作信号噪底估计的改进自回归算法

非合作接收中由于信道或接收机模拟器件的影响可能导致接收信号功率谱存在噪声基底不平坦现象,为便于划定检测门限需要先估计噪声基底再对原始功率谱进行修正。传统的非线性自回归滑动滤波算法采用固定阈值,仅适用于窄带单信号的噪底估计。改进算法通过增加调节系数实现对阈值的动态调节,并根据功率谱特征计算初始阈值和调节系数,提高了原算法的适应范围和工程实用性。仿真结果表明,改进算法对不同种类的信号具有普适性,能解决原算法无法适应的宽带多信号噪底估计。     

一种高效的TD-LTE系统频偏估计改进算法

鉴于TD-LTE系统下行同步过程中频偏估计模块的重要性,提出了一种利用旋转因子校正的改 进方法,在时域联合估计小数频偏和整数频偏,对接收信号在有限频偏范围内进行频偏补偿 后做相关,根据相关能量峰值确定频偏大小。仿真结果表明,该算法无论是在可靠性还是在 复 杂度的降低上较常规算法都有很大提高,具有一定的参考价值。     

基于开关扩展卡尔曼滤波的姿态估计

针对低成本动中通系统中的姿态估计问题,提出一种开关扩展卡尔曼滤波算法。以 无航向角的姿态更新算法为基础,根据微机械陀螺和加速度计分别建立系统状态方程和测量 方程。针对机动加速度的影响,设计了三维开关扩展卡尔曼滤波方程,对载体姿态角和陀螺 零偏进行实时估计。实验结果表明,该算法能够准确估计载体姿态和陀螺零偏,姿态角估计 误差小于0.5°,俯仰角和横滚角估计误差的方差分别为0.130 1°和0.140 5°, 两轴陀螺零偏误差均值均小于(2×10-4) °/s,能够满足动中通的应用要求。     

MIMO系统中改进的二进制粒子群天线选择算法

在多输入多输出系统中,发射端和接收端的多天线配置提高了信道容量和传输可靠性,而天线选择技术能在保持系统优点的同时有效地降低运算复杂度以及硬件成本。为了能在时变的信道条件下快速地选择出一组最优的天线子集,提出了一种基于二进制粒子群算法的改进的天线选择算法。推导出了二进制粒子群联合收发端天线选择的信道容量公式,并将其作为粒子群算法的适应度函数,使天线选择问题转换成二进制编码串的组合优化问题。通过改进模糊函数提高粒子群算法的收敛性,让二进制粒子群尽可能地收敛于全局最优位置。仿真结果表明,改进的算法能在降低运算复杂度的同时提高收敛性,且系统信道容量趋近于最优算法。     

基于FTV的改进深度估计算法

深度估计是任意视点电视(Free View Television,FTV)系统的关键技术。为提高深 度边缘的深度估计准确度,并解决视频序列中不同帧间同一深度物体深度估计值不一致问题 ,提出一种在深度图的时间一致性保持算法,以前一帧的深度图与当前视图的运动信息为约 束条件估计当前帧的深度,使得相邻帧的深度图在时间上保持一致。     

一种改进的基于奇异值分解的信源数目估计算法

信源数目估计问题在盲源分离中具有重要的意义。研究了传感器数目大于信源数目时的源数估计问题。首先分析了用奇异值分解法进行信源数目估计的优势与不足,然后提出了一种改进的基于奇异值分解的信源数目估计算法。该算法首先对含噪混合信号进行奇异值分解,然后检测信号分量与噪声分量之间的转折点,将信号分量与噪声分量区分开来,从而得到信号源的数目。实验仿真表明,该算法在低信噪比以及采样点数较少时仍然具有好的性能。     

基于IMM-EKF的高动态“北斗”导航信号频率估计算法

高动态环境下的“北斗”导航信号含有较大的多普勒频率及其变化率,传统锁相环（PLL）在跟踪时难以保证较高的跟踪精度。在分析高动态环境下“北斗”信号模型的基础上,提出了一种基于交互式多模型-扩展卡尔曼滤波（IMM-EKF）的自适应滤波算法,对载波相位及其高阶分量进行估计。IMM-EKF采用多个跟踪模型来解决滤波过程中单个模型不准确的问题,并结合改进的Sage-Husa自适应算法,在线估计和修正过程噪声及测量噪声的统计特性,增强了滤波的稳定性。仿真结果表明,IMM-EKF相比于PLL和EKF,估计精度更高,算法稳定性更强。