搜索结果: 1-15 共查到“兵器科学与技术 粒子滤波”相关记录22条 . 查询时间(0.448 秒)
针对非线性退化设备缺乏历史退化数据和先验信息不足等问题，提出了一种基于粒子滤波的剩余寿命自适应预测方法。在状态空间模型的框架下建立了具有双隐含状态的非线性随机退化模型，基于粒子滤波算法估计隐含状态，并在首达时间的概念下推导出了剩余寿命的分布。提出了一种基于粒子期望最大化算法的参数估计方法，实现了模型参数的自适应估计和剩余寿命分布的在线更新。通过惯性导航系统中陀螺仪的实际退化数据验证了本文方法的有效...
卡尔曼粒子滤波中基于精确运动模型的局部区域估计
改进分层卡尔曼粒子滤波 由粗到精搜索策略 区域估计 Jerk模型
2015/3/13
粒子滤波广泛应用于对精度和稳定性要求较高的目标跟踪,但其计算量大,并且计算复杂度随着状态量和粒子数目增长迅速增加。将目标跟踪转化为由粗到精的搜索过程,提出了一种基于精确运动模型的改进分层卡尔曼粒子滤波算法。该方法利用加速度的运动模型在真实目标位置的周围估计目标的散布范围,并在该范围内随机生成粒子,寻找精确的目标位置。文中引入加加速度模型主要是由于现有方法的状态量阶数不足,导致模型精确度较低,无法应...
退化速率跟踪粒子滤波在剩余使用寿命预测中的应用
粒子滤波 退化速率跟踪 剩余使用寿命 预测框架
2015/1/21
毋庸置疑，剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中，这是因为粒子滤波方法能更好地解决非线性非高斯系统滤波问题，而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型，并且对于模型参数的初始分布也比较敏感，这在一定程度上限制了粒子滤波预测方法的进一步发展。针对基本粒子滤波预测方法的不足，提出了一种基于退化速率跟踪粒子滤波的通用预...
退化速率跟踪粒子滤波在剩余使用寿命预测中的应用
粒子滤波 退化速率跟踪 剩余使用寿命 预测框架
2015/1/21
毋庸置疑，剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中，这是因为粒子滤波方法能更好地解决非线性非高斯系统滤波问题，而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型，并且对于模型参数的初始分布也比较敏感，这在一定程度上限制了粒子滤波预测方法的进一步发展。针对基本粒子滤波预测方法的不足，提出了一种基于退化速率跟踪粒子滤波的通用预...
自调整分层卡尔曼粒子滤波的快速目标跟踪
分层卡尔曼粒子滤波 自调整策略 姿态估计 目标跟踪
2014/10/5
分层卡尔曼粒子滤波成功应用于目标跟踪,但其只对目标位置进行了优化,忽略了其他仿射参数,导致跟踪中的粒子数目仍然很大。为了实现复杂环境下的快速目标跟踪,提出一种带有自调整策略的分层卡尔曼粒子滤波方法。该方法将目标划分为线性和非线性状态空间,并通过少量粒子的迭代过程在非线性状态空间逐步搜索最优状态。其详细过程如下:首先,利用卡尔曼滤波预测目标位置,结合目标运动信息计算潜在目标区域;然后在该区域内生成一...
在无线传感网络（WSN)中运用基于粒子滤波的时延差估计方法进行目标追踪，其性能的关键是设计精确的粒子滤波器建议分布。为了解决追踪过程中粒子贫化问题，提出了一种基于改进无迹粒子滤波器的时延差估计算法。利用最小二乘法估计目标初始时刻位置，在卡尔曼滤波框架下运用高斯-牛顿迭代法则融合最新观测信息，并引入尺度调节衰减因子不断修正重要性密度函数，从而使建议分布更加逼近真实。将其与时延差定位方法结合，并在W...
基于粒子滤波的非线性目标跟踪算法研究
目标跟踪 扩展卡尔曼滤波 粒子滤波 基于EKF的扩展粒子滤波
2014/4/24
针对非线性非高斯的目标跟踪，传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象，提出了采用粒子滤波算法来解决非线性滤波问题；粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法，在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势，但是存在运算量大和实时性差的问题，因此提出了基于EKF的扩展粒子滤波；仿真结果表明：在强非线性非高斯环境下，PF算法的跟踪性能优于EK...
反馈粒子滤波器(FPF)是一种连续时间最优贝叶斯估计器.针对FPF对系统采样率要求较高的问题,提出一种基于径向基函数-Galerkin法求解的反馈粒子滤波器.该算法推导了反馈增益势函数所满足偏微分方程的弱形式,结合径向基函数对势函数进行近似,利用Galerkin法和蒙特卡罗积分得到了反馈增益近似解,并给出了一种径向基参数选取方法,从数值上分析了径向基函数参数选取对于滤波精度的影响.仿真算例表明反馈...
针对低信噪比条件下的机动小目标实时检测与跟踪困难的问题, 提出一种基于混合估计多模粒子滤波的检测前跟踪改进算法. 首先根据前一时刻所采用的模型状态及其转移概率等先验信息实现当前时刻的模型采样; 然后在充分考虑当前量测下实现当前的粒子预测, 采用一种序贯重要性平滑重采样策略, 在不增加计算量的前提下, 改善了粒子多样性衰退的问题; 最后通过新的粒子集完成对模型和状态的合理估计与目标检测. 仿真结果验...
标准粒子滤波虽然能够实现简单场景下的目标跟踪，但在复杂场景下其性能较差，粒子权值退化是影响视觉跟踪的一个重要方面，为解决这一问题，从选择准确重要性建议分布函数入手，给出了基于ＥＫＦ和ＵＫＦ预测采样的粒子滤波视觉跟踪算法ＥＫＦＰＦ（ＥＫＦｅｎｈａｎｃｅｄｐａｒｔｉｃｌｅｆｉｌｔｅｒｉｎｇ）和ＵＫＦＰＦ（ＵＫＦｅｎｈａｎｃｅｄｐａｒｔｉｃｌｅｆｉｌｔｅｒｉｎｇ），并进行了一定改进，通过仿真实验表明...
基于交互式多模型粒子滤波的状态估计方法
状态估计 粒子滤波 IMM
2013/4/7
为了提高目标跟踪中状态估计环节的性能，基于交互式多模型粒子滤波的状态估计方法,采用交互式多模型（IMM）描述目标的运动过程，利用粒子滤波算法进行目标状态估计。方法避免了单一运动模型所带来的估计误差，同时克服了卡尔曼跟踪滤波算法的局限性，有效的提升了状态估计精确度。仿真实验证明了该方法在缺乏关于先验知识的情况下，对于不同的运动形式，均取得了较好的自适应性与鲁棒性。
为修正组合导航系统受到干扰的数据，使用粒子滤波算法判别数据是否符合系统误差要求；采用改进的粒子滤波算法，当组合导航系统单一通道受到干扰而发散时，通过改变受干扰通道粒子在系统中的权值来抑制干扰。仿真结果表明，改进的粒子滤波算法在组合导航系统单一通道发散的条件下能够有效地降低误差、提高精度，从而使系统仍能保持较好的工作
为了提高三维运动声阵列在有色噪声环境中对二维机动目标的跟踪精度，提出了一种基于测量残差的自适应交互多模型无迹粒子滤波算法。该算法建立了三维运动声阵列跟踪系统动态模型，通过无迹变换（unscented transformation,UT）构造初始粒子概率分布函数，利用测量残差及自适应因子实时修正测量协方差和状态协方差；通过不同算法仿真对比，验证了文中算法在跟踪精度、稳定性及实时性上的有效性。
粒子滤波算法在视频目标跟踪中的改进与运用
粒子滤波 目标跟踪 重采样 HSV颜色基准
2011/6/29
为实现粒子滤波算法在视频目标跟踪领域的应用,减小算法的运算量,提高算法的适应性和鲁棒性,文中提出利用构造等价有效粒子数的概念,采用选择重采样的方式减少重采样的执行步骤,减少运算量。同时为减小算法对亮度的敏感性,提出利用HSV色彩基准代替RGB色彩基准作为目标特征,对目标进行识别。最后对改进算法进行了试验,结果表明文中所提的方法能减少算法的计算量,有效的改进算法在视频目标跟踪中的稳定性。