基于蚁群优化的边缘化粒子滤波器跟踪算法

针对边缘化粒子滤波器(MPF)中的Kalman滤波通常无法从量测方程中获得线性状态估计,以及标准粒子滤波器估计非线性状态计算量大和粒子退化的问题,提出了一种改进的MPF粒子滤波目标跟踪算法。该方法采用状态的预测值作为Kalman粒子滤波的量测更新,用Kalman滤波估计目标的速度和加速度,并通过蚁群优化算法改进标准粒子滤波器,并用以估计目标的位置信息。仿真结果表明:该方法在提高目标状态估计精度的同时,降低了粒子滤波的计算复杂度,克服了粒子滤波退化现象。     

基于IGA算法的FastSLAM算法研究

为了使自主移动机器人在SLAM(同步定位和地图创建)上更加准确,分析了粒子滤波器（Particle Filter,PF）的FastSlam 算法在粒子退化和粒子早熟两方面的不足,提出了一种改进算法（IGA算法）。该算法通过替代原有的重采样过程,改善了粒子多样性,提高了预测精度。在粒子早熟方面采用模拟退火思想对遗传算子进行改进,避免了遗传算法中的遗传算子易陷入局部最优解产生“早熟”现象问题。仿真结果表明,IGA算法使粒子保持的多样性更加持久,算法精度持续时间更长。     

改进粒子滤波的锂电池SOC估算

为了提高锂电池SOC估算的精度,采用改进粒子滤波算法。首先在Thevenin模型的基础上考虑了电流漂移和温度对SOC估算的影响,并对模型参数求解,同时校正了锂电池SOC估算模型,减少了计算误差,使得SOC估算更加精确;通过UKF算法更新粒子,比对权值大小,只有权值大的粒子才能够进入复制组被重新采样,小的则被抛弃,进入复制组的粒子通过线性函数生成新粒子,如果抛弃组粒子数目大于复制组粒子时,循环使用抛弃组粒子;最后给出了算法流程。试验结果表明,改进算法提高了SOC估算精度,本文模型结果与试验标准结果的误差能够控制在较小的范围内,最大误差为1.846%,明显低于采用卡尔曼滤波和粒子滤波算法的SOC估计误差。     

一种新的EBPSK通信系统检测器

为了提高扩展的二元相移键控(EBPSK)接收机的检测精度,设计了一种基于改进粒子群算法(IMPSO)和BP神经网络的EBPSK检测器.首先,阐述了EBPSK调制特征及冲击滤波器的特殊滤波机理.然后,提出了基于logistic混沌扰动和Cauchy变异的改进粒子群算法,并利用IMPSO-BP神经网络设计了EBPSK检测器...     

一种改进的粒子滤波目标跟踪算法

针对无线传感器网络实际环境的非线性模型目标跟踪问题,提出一种改进的粒子滤波跟踪算法。首先用模糊C-均值算法确定量测的目标归属,对同一目标的量测进行线性融合,然后用采样重要重采样粒子滤波估计目标位置。仿真结果表明：在非线性模型下,所提出算法与扩展卡尔曼滤波相比,目标估计位置的均方根误差从0．6895m显著减小到0．3703m。     

粒子滤波在目标跟踪中的状态维数降解

针对标准粒子滤波算法中计算量大的问题,提出粒子滤波在目标跟踪中的状态维数降解方法。试验结果表明,该方法在保证跟踪精度的同时,极大减少了在二维或多维情况下的粒子滤波计算量,提高了粒子滤波的实时性能,取得了较好的跟踪效果。     

智能视频监控系统中的目标跟踪方法研究

针对单一的传统目标跟踪算法计算量大、跟踪易丢失等问题,采用均值漂移算法嵌入到粒子滤波的跟踪框架中,遇到遮挡时,算法切换到粒子滤波进行跟踪,并采用重采样方法来抑制粒子退化现象;而在无遮挡时,采用均值漂移算法来提高跟踪的实时性和鲁棒性。实验结果表明,该算法可以增强算法目标在遮挡情况下的实时性和鲁棒性。     

基于方差估计的快速稀疏表示目标跟踪算法研究

针对粒子滤波框架下稀疏表示跟踪算法存在的粒子规模大以及复杂的L1范数最小化计算等问题,提出一种基于方差估计的快速稀疏表示目标跟踪算法.该算法首先在运动估计阶段应用方差估计优化采样粒子的分布;然后利用L2范数代替L1范数对判别目标函数进行稀疏求解计算,并进一步从重构误差的度量形式做出改进来增强L2范数的稀疏性;最后利用在...     

无线传感器网络下的最优粒子滤波目标跟踪算法研究

在不确定噪声类型的非线性无线传感器网络环境下,采用分布式代价参考粒子滤波算法对移动目标进行跟踪。针对出现的概率密度函数方差不收敛的问题,结合最优控制思想,提出算法的改进。分析自适应函数中方差更新的特点,将修正系数γ替换步长k,以最接近真实轨迹为依据,选取最佳粒子;建立非高斯噪声的目标运动模型,利用仿真工具比较改进前后算法得出的多步数状态估计值方差,验证可行性,并给出修正系数γ的最佳取值范围。     

he way of conc

:清华大学出版社,2000:280体育视频:3924,粒子滤波:3887,均值转移算法:3850,混合跟踪算法:3812,运动目标:3223,目标运动模型:3177,相似度:2691,目标模型:2537,颜色直方图:1819,滤波算法:1625体育视频:3744,粒子滤波:3709,均值转移算法:3673,混合跟踪算法:3637,运动目标:3075,目     

基于改进粒子滤波的SLAM算法研究

基于粒子滤波器同时定位与地图构建(Simultaneous Localization And Mapping,Slam)证明移动机器的根据周围环境自我定位在理论上可行,但存在着两个不足之处:一是运算过程中涉及到矩阵求逆,粒子数越多计算量指数倍增大;二是不可以频繁的采样.文章针对粒子滤波理论这两处缺陷,引入GMapping算法,提出了有效的解决办法:(1)改善粒子采样选择;(2)改进选择性重采样.实验验证了算法的有效性.     

改进自适应中值滤波算法研究

重点介绍了自适应中值滤波算法以及两种改进的自适应中值滤波算法。针对这3种滤波算法,对含有不同密度椒盐噪声的图像进行去噪实验。结果表明:改进算法去噪效果明显、能有效保护图像细节,PSNR保持在25 d B以上;改进算法在高密度噪声时也能得到细节较为清晰的图像,PSNR比改进前的提高17 d B以上。     

脉冲噪声的自适应滤除方法

为了在滤除图像噪声的同时更好的保护图像的细节,文中提出了一种基于非线性自适应滤波结构的改进算法。用中心加权中值滤波算法代替原方法中的中值滤波算法以及中值滤波代替均值滤波作为最终滤波结果输出。这种算法与同类算法相比,具有更好的滤波性能并能更好的保护细节,其效果明显优于中值滤波算法。     

鲁棒UKF滤波算法在SINS初始对准中的应用

针对系统存在不确定性扰动时传统UKF滤波算法的滤波精度和鲁棒性均下降的问题,提出了一种基于H∞范数的鲁棒UKF滤波算法.该算法在Krein空间内对简化UKF滤波算法进行改进,增加了一个鲁棒环节.鲁棒环节通过引入给定正常数调整滤波增益从而提高滤波算法的鲁棒性能.在SINS大方位失准角初始对准中对简化UKF滤波算法和鲁棒U...     

非线性、非高斯系统滤波的最优估算

为了探寻非线性、非高斯系统滤波的最优算法,运用Python搭建Monte Carlo仿真实验模型,观察了扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)、重要性重采样算法(SIR)和辅助粒子滤波(APF)的状态估计曲线,对比了仿真结果的RMSE平均值,对各种滤波算法进行性能评估.实验结果表明,EKF对于强非线性系统会出现滤波发散现象,APF比UKF和SIR有更好的跟踪准确性.     

基于智能算法优化卡尔曼滤波器的电机转速估计

针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题,提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点,采用可调整的算法模型对粒子群算法进行改进,将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理,将优化后的卡尔曼滤波器应用于感应电机转速估计,仿真实验表明,与试探法、标准粒子群算法及遗传算法比较,改进粒子群算法优化的扩展卡尔曼滤波器能够有效提高转速估计的精度,从而提高无速度传感器矢量控制系统的控制性能。     

关于去除图像噪音的中值滤波算法

本文讨论了图像去噪的中值滤波算法 ,提出了对中值滤波算法的改进的方法 ,使得计算机在图像处理时更加高效 .     

粒子群优化算法及其应用

介绍了粒子群优化算法及该算法的优越性,并与遗传优化算法进行了比较;针对经典粒子群算法存在的不足,介绍了一个改进的动态改变惯性权的自适应粒子群算法;最后,以神经网络为例给出了粒子群优化算法的应用.     

基于贝叶斯滤波方法的心脏运动信号实时滤波算法

提出一种基于贝叶斯滤波递推状态估计的心脏运动测量信号实时滤波算法,提高心脏数据的测量精度,该方法建立了心脏运动模型与传感器误差模型,采用了扩展卡尔曼滤波与粒子滤波两种贝叶斯滤波方法的实现形式。实验结果表明,提出的算法有效地还原了心脏运动的真实值,并且满足了跟踪系统实时数据处理的要求,为整个系统精度的提高提供了保证。     

粒子群圆检测算法

针对基于霍夫变换类圆检测算法计算量大、耗时长等问题,提出了一种基于粒子群算法的圆检测算法。该算法通过对图像进行灰度化、滤波去噪与边缘检测等预处理获取边缘图像后,再从中随机选取两点之中点作为初始粒子位置,通过设置最大迭代次数与阈值克服粒子陷入局部最优问题及判断是否检测到圆。对比粒子群圆检测算法与Open CV 3.0中霍夫变换圆检测算法实验数据,结果表明,粒子群圆检测算法在同样检测背景下,检测效果相同,所需时间最短。