一种用于解决粒子滤波粒子退化现象的重要性重采样算法的研究

粒子滤波通过蒙特卡罗模拟来实现递推贝叶斯估计,在非线性非高斯系统中体现出良好的特性;但粒子滤波存在粒子退化现象的缺陷,针对这一问题,提出一种新的重采样算法,即分区重采样算法,其主要思想是根据多项式重采样与分层重采样算法的特点,把随机数区间划分成若干个区,每个区内的随机数任意排列,而区与区之间按升序排列。与目前常用的其他重采样算法相比,该方法提高了粒子滤波的平均性能,仿真实验验证了该算法的有效性和实用性。     

用于非线性跟踪问题的一种新的粒子滤波器

机动目标跟踪系统通常是非线性而且不完全观测的 ,所以问题的关键在于每一时刻的目标机动性都是高度不确定的。提出了一种新的平滑粒子滤波算法 ,该算法在粒子滤波器中加入了对系统模型的概率分布密度的平滑处理 ,从而很好的解决了目标的机动性估计问题。在仿真研究中 ,与辅助粒子滤波器的比较验证了本文算法处理非线性跟踪问题的优越性     

4F傅里叶变换透镜系统对粒子场全息记录的影响

 4F傅里叶变换透镜系统在空间滤波和光学信息处理中,被广泛用来处理二维透光物体。但在实际应用中,4F系统也被用于三维场的研究。例如三维粒子场的全息记录。由于全息记录的特点,要求了解经4F系统转换后的粒子物光场,以确定粒子场的空间分布。而目前4F系统在粒子场全息记录的应用基础均借助对二维物场的研究理论。本文讨论了经4F系统转换后的三维粒子物光场的特点以及对全息记录的影响。     

自适应增量粒子滤波方法

提出自适应增量粒子滤波(AIPF)的概念和定义,建立AIPF模型,给出了分析方法和主要的计算步骤.对于许多实际工程(如深空探测)中存在的由未知系统误差的影响而无法精确建立量测似然函数及滤波过程中的粒子匮乏等问题,通过增量粒子滤波模型对滤波过程中的粒子数进行自适应调整,从而消除这种未知系统和滤波粒子匮乏的影响,自动调整粒子,提高非线性滤波的精度.仿真计算中,滤波误差均值和方差分别降低为原来的3.8%和19.6%.该方法有效地改善了滤波效果,计算简单,便于工程应用.      

混合线性/非线性状态空间模型的边缘Rao-Blackwellized粒子滤波法(英文)

本文提出了边缘 Rao-Blackwellized 粒子滤波器(marginal Rao-Blackwellized particle filter, MRBPF)算法,算法融合了 Rao-Blackwellized 粒子滤波器(Rao-Blackwellized particle filter , RBPF)算法和边缘粒子滤波器(marginal particle filter, MPF)算法。算法中状态被分为线形和非线性两部分,分别用 MPF 和卡尔曼滤波器(Kalman Filter)进行估计。地形辅助导航(terrain aided navigation, TAN)的仿真结果表明,与 RBPF 相比,提出算法的非线性状态估计的误差均方根(root mean square error, RMSE)和误差方差分别降低了约 29%和 96%,独立粒子数提高了约80%,获得了更好的收敛结果。分析表明,现有RBPF是MRBPF的一个特例。     

增量粒子滤波方法

提出增量粒子滤波的概念,建立增量粒子滤波模型及其分析方法,给出其算法.对于工程实际中存在的由未知系统误差的影响而无法精确建立量测似然函数的这一问题,提出增量粒子滤波方法,通过对带有未知系统误差的量测数据进行校正,获得精确的量测似然函数,建立精确的增量粒子滤波模型,从而消除这种未知系统误差的影响,减少重采样的次数,较好地保存了粒子的多样性,提高非线性滤波的精度.模拟仿真中,重采样的次数减少41.7%,滤波误差均值和均方根误差分别降低了45.3%和70.1%,有效地改善了滤波的效果.      

一个用于目标跟踪的改进粒子滤波算法

简化UT（unscented transformation）转化参数，修改UKF（unscented Kalmanfilter）提议分布，提出了改进的粒子滤波算法。调节因子的增加使得能在线自适应估计，滤波性能提高，并形成一个自适应的算法。仅有角测量的目标跟踪仿真试验证实了改进的粒子滤波算法要优于其它滤波方式。     

超声速流体密度场的全息干涉测量

介绍一种基于全息干涉计量原理、应用数字图像处理系统, 精确测量风洞超声速叶栅流场中流体密度分布的新方法。整个测量过程中测量仪器对流场没有机械扰动, 还具有测量精度高、数据获取、处理方便, 能同时获得流体全场信息等优点。给出了用该方法所获得的超声速叶栅流场的全场密度分布结果。      

一种基于Gabor滤波的不同聚焦图像融合方法

提出了一种基于Gabor滤波对不同聚焦图像融合的方法。通过取不同方向的Gabor滤波器对待融合的图像进行多方向滤波,从而提取出不同方向的高频能量,再通过比较高频能量大小来判断属于清晰还是模糊像素,以此达到融合不同聚焦图像的目的。实验表明这种方法简单有效,给出了图像融合的实验结果,并与小波变换和简单取平均融合结果进行了比较。     

一种基于高斯混合模型粒子滤波的故障预测算法

针对一类故障预测问题提出了一种基于粒子滤波的故障预测算法。在算法的状态估计阶段,采用联合估计和粒子滤波同时估计对象系统故障演化模型状态和未知参数的后验分布。在算法的状态预测阶段,采用了两种不同的计算方法：一种方法是对状态变量当前时刻的后验分布进行迭代采样,从而获得未来时刻的状态变量的先验分布;另一种方法是采用数据驱动的方法预测未来一段时间内对象系统的量测信息,从而将未来时刻状态变量的先验分布的预测问题转化为一个求解后验分布的估计问题。采用高斯混合模型近似随机变量分布密度,从而将两种方法的计算结果在一个统一的预测框架之下进行有效交互,进一步提高了预测的准确性和可靠性。在算法的决策阶段,在获取的故障演化模型状态变量分布基础上,结合一定的故障判据近似计算出对象系统剩余寿命分布。故障预测仿真实验结果证明了所提算法的有效性。     

涡扇发动机故障诊断中粒子滤波改进方法

针对标准粒子滤波算法诊断步数多且诊断结果噪声水平高的问题,提出伪协方差和自适应似然分布结合的改进粒子滤波算法。该算法通过使用伪协方差代替了粒子集协方差,保证采样得到的粒子能够更真实地反映突变情况,减少诊断步数;通过对似然分布自适应调整,增加其与先验分布的重叠区域,提高抽样率,增加有效粒子数,降低诊断结果噪声水平。发动机健康参数估计仿真结果表明:与标准粒子滤波算法相比,改进的粒子滤波算法能使诊断速度提高约27%,诊断精度提高约38%,有效地减少了突变故障的诊断步数,并显著降低了诊断结果的噪声水平。     

基于自适应粒子滤波的涡扇发动机故障诊断

针对涡扇发动机非线性、非高斯的特点,提出了一种自适应的粒子滤波算法用于涡扇发动机气路部件突变故障的诊断.为了减小算法的计算量并且保证滤波精度,分析了滤波精度和样本数目的关系,提出根据滤波过程中状态的方差自适应地调整粒子数,在保证一定的滤波精度下可以有效地减少滤波过程中使用的粒子数,提高了算法的实时性.同时,引入扩展卡尔曼滤波(EKF)用于更新粒子,产生重要概率密度函数,在一定程度上避免了粒子的退化.通过某型涡扇发动机的仿真分析表明:改进的算法相比标准粒子滤波算法用于涡扇发动机气路部件故障诊断时,参数估计的方均根误差减小了50%左右,且算法的计算量减小了30%.     

一种减少失速保护虚警率的混合滤波方法

针对飞机失速保护设计过程中易出现虚警的情况,提出一种基于FIR和传统滤波器相结合的混合滤波方法。结合飞机本体的运动特征,对参与失速保护逻辑运算的两个重要参数,即侧向加速度和迎角信号进行频率分析,基于信号的特征设计混合滤波器,然后采用Simulink滤波工具箱设计滤波器对信号进行滤波处理。仿真结果表明该方法能够减少虚警率的发生,特别是大背景噪声下的虚警率能够得到较好抑制,验证了滤波器设计正确性,从而提高失速保护功能对适航条款符合性。该滤波器设计方法,不但可以有效解决本文提到的问题,对于其他涉及信号处理的系统设计同样具有借鉴意义。     

高超声速轴对称模型密度场的激光全息干涉测量

激光息干涉技术在２００ｍ自由飞弹道靶的初步应用中,对高速和高超声速的轴对称模型周围气流密度场定量测量进行了初步探索。给出了Ｍ＝２．２的弹头和Ｍ＝２．４５、Х＝２００ｍｍ的球标模以及Ｍ＝９．３５的钝锥模型的全息干涉图和处理结果,同时与钝锥模型的理论数值计算结果进行了比较,首次在弹道靶上获得了流场密度的定量结果。     

一种用于机动目标跟踪的新自适应卡尔曼滤波算法

在“当前”模型的概念下,从工程实现的背景出发,提出了一种用于机动目标跟踪的新自适应卡尔曼滤波算法。基本思想是通过对加速度项引入加权因子来进一步突出“当前”信息的作用,为“当前”模型提供更加准确的“当前”信息。蒙特卡罗模拟结果表明,算法不仅克服了“当前”模型自适应卡尔曼滤波算法的缺陷,而且使跟踪性能得到进一步的提高。     

混合线性/非线性模型的准高斯Rao-Blackwellized粒子滤波法

 针对混合线性/非线性模型,提出一种新的递推估计滤波算法,称为准高斯Rao-Blackwellized粒子滤波器（Q-GRBPF）。算法采用Rao-Blackwellized思想,将线性状态与非线性状态进行分离,对非线性状态运用准高斯粒子滤波（Q-GPF）算法进行估计,并将其后验分布近似为单个高斯分布,再利用非线性状态的估计值对线性状态进行卡尔曼滤波（KF）估计。将Q-GRBPF应用于目标跟踪的仿真结果表明,与Rao-Blackwellized粒子滤波器（RBPF）相比,Q-GRBPF在保证估计精度的前提下有效降低了计算复杂度,计算时间约为RBPF的58%;与Q-GPF相比,x坐标与y坐标的估计精度分别提升了45％和30％,而计算时间也节省了约30％。     

全息平视显示器光学组合玻璃的制造方法

本文重点介绍了全息夜视平视显示器的关键件—光学组合玻璃的制造方法,并从技术原理上分析了提高飞机作战能力的原因和它的主要特征及其应用前景。     

多目标跟踪的概率假设密度粒子滤波

在多目标跟踪中,当目标数很大时,目标状态的联合分布的计算量会非常大。如果目标独立运动,可用各目标分别滤波来代替,但这要求考虑数据互联问题。文章介绍一种可以解决计算量问题的方法,只需计算联合分布的一阶矩——概率假设密度(PHD),PHD在任意区域S上的积分是S内目标数的期望值。因未记录目标身份,避免了数据互联问题。仿真中,传感器为被动雷达,目标观测值为距离、角度及速度时,对上述的PHD滤波进行了粒子实现,并对观测值是否相关的不同情况进行比较。PHD粒子滤波应用在非线性模型的多目标跟踪,实验结果表明,滤波可以稳健跟踪目标数为变数的情况,得到了接近真实情况的结果。     

基于加速退化试验和粒子滤波的电子设备故障预测方法

针对导弹电子设备故障预测问题,提出了一种基于综合环境加速退化试验(ADT)和粒子滤波的故障预测新方法。首先,不同于传统的ADT方案,仅以单个样本为试验对象,采用步进加速的思想,将性能退化理论拓展为加速性能退化理论(APDT),建立基于电子设备寿命退化速度的加速寿命退化模型。其次,为克服环境应力等测试不确定性因素对预测精度的影响,定义了电子设备退化度的概念,将寿命预测的不确定性问题转化为设备退化度最优估计问题,利用改进粒子滤波算法求解出电子产品动态退化的最优估计值,进而实现设备的全寿命评估。最后,实例说明该方法可行、有效,并大大提高了试验的效费比。     

基于高斯和粒子滤波的动态称重数据处理

由于动态称重过程中的噪声干扰,导致动态称重信号处理中存在数据处理速度慢与精度低等不足。为了提高动态称重的快速性与准确性,本文将高斯和粒子滤波算法应用于动态称重数据处理。在对动态称重系统建立状态空间模型的基础上,引进高斯和粒子滤波算法,利用高斯和逼近状态的后验密度,提高了对状态分布估计的精确性。实验结果证明,高斯和粒子滤波方法有效地提高了动态称重的速度与精度,比较实验结果说明本文方法优于传统的扩展卡尔曼滤波和粒子滤波效果。