基于MKLD准则的PSOPF算法设计及其应用

针对标准粒子滤波算法中存在的粒子权值退化和计算量大的缺陷,提出了基于MKLD准则的粒子群优化粒子滤波算法。该方法将粒子群优化算法嵌入到粒子滤波算法的重要性采样过程中,对采样过程进行了优化,提高了粒子集的优良性的同时保证了粒子滤波状态估计的性能。同时,为了降低计算量,算法设计时基于MKLD准则自适应地选择粒子群优化算法所...     

基于均值漂移的粒子滤波算法设计及其在导航数据处理中的应用

针对标准粒子滤波算法中存在的计算量大和粒子的权值退化的缺陷,将均值漂移算法和PF算法进行融合,设计基于均值漂移搜索算法的粒子滤波新算法。该算法仍遵从粒子滤波算法的计算框架,基本原理是利用MS算法对粒子的聚类作用,将均值漂移思想融合到粒子滤波算法的重要性采样过程中,对粒子集进行确定性搜索,使每个粒子收敛于局部最优值,这样粒子的状态表示更接近真实的状态分布,因此只需较少的粒子数便可达到未嵌入MS的使用大量粒子数的粒子滤波状态估计的性能,从而在缓解粒子的权值退化的同时提高粒子滤波算法的实时性。大量的数值试验和对GPS/DR组合导航数据处理的结果验证了该方法的有效性。     

利用粒子滤波进行动态精密单点定位观测异常影响控制

采用粒子滤波控制观测异常影响,提高动态精密单点定位精度。粒子滤波是一种非高斯噪声分布的动态滤波,通过重点概率密度进行随机采样以获取高精度状态参数;根据观测噪声概率密度、状态噪声概率密度以及重点概率密度等因素确定粒子权值,降低受污染粒子对定位结果的影响;采用Kalman滤波进行重点采样,减缓粒子退化;采用单差无电离层固定模糊度,减少状态参数维数,进而减少粒子的选取个数。实测数据结果表明,粒子滤波有效控制了观测异常影响,提高了动态精密单点定位的精度。     

一种自适应的PSO粒子滤波人脸视频跟踪方法

提出了一种自适应的PSO粒子滤波人脸视频跟踪算法。本算法充分利用粒子群算法的寻优能力,使粒子向真实值的后验概率分布移动,同时引入小生境(niche)技术加以改进,构造出多种群特性,使目标分布呈现非线性非高斯特性的多模分布,由此提高对动态系统中最优解动态变化的自适应能力。实验表明,在简单背景匀速运动、复杂背景匀速和变速运动的人脸视频跟踪中,和传统粒子滤波、普通PSO粒子滤波相比,具有良好的跟踪精度和稳定性。     

改进粒子滤波在多路径效应减轻中的应用

提出了一种基于改进粒子滤波的多路径效应减轻算法。首先,针对粒子退化问题,将无迹卡尔曼滤波应用到粒子更新过程中;其次,考虑到原始信号噪声及更新过程噪声的影响,在数据预处理阶段及粒子更新过程中,利用小波变换算法进行降噪处理。实验数据分析结果表明,改进算法能够有效地提取出信号的多路径模型,有一定的参考价值。     

粒子滤波算法在GPS/DR组合导航中的应用

针对建议分布函数的选择问题,系统地分析比较了改进的粒子滤波算法。在此基础上提出了一种新的粒子滤波算法——自适应渐消扩展Kalman粒子滤波方法。该方法用渐消扩展Kalman滤波产生建议分布函数,由于参数的可在线调节性,使得系统具有更好的自适应性和鲁棒性。与用转移先验、扩展Kalman滤波、自适应扩展Kalman滤波、迭代扩展Kalman滤波以及无迹Kalman滤波产生建议分布函数的粒子滤波方法相比,自适应渐消扩展Kalman粒子滤波进一步提高了粒子滤波的精度。通过对GPS与航位推算(DR)组合导航系统GPS/DR的试验,验证了该方法的有效性。     

粒子滤波算法在GPS/DR组合导航中的应用

针对建议分布函数的选择问题,系统地分析比较了改进的粒子滤波算法.在此基础上提出了一种新的粒子滤波算法--自适应渐消扩展Kalman粒子滤波方法.该方法用渐消扩展Kalman滤波产生建议分布函数,由于参数的可在线调节性,使得系统具有更好的自适应性和鲁棒性.与用转移先验、扩展Kalman滤波、自适应扩展Kalman滤波、迭代扩展Kalman滤波以及无迹Kalman滤波产生建议分布函数的粒子滤波方法相比,自适应渐消扩展Kalman粒子滤波进一步提高了粒子滤波的精度.通过对GPS与航位推算(DR)组合导航系统GPS/DR的试验,验证了该方法的有效性.     

大坝变形监测的粒子群优化高斯过程预测

针对大坝变形数据的非平稳非线性特点,传统预测模型受到了一定限制。鉴于高斯过程(Gaussian Process,GP)对非平稳数据具有高自适应性,考虑到其自身在协方差函数选取以及超参数优化方面存在不足,为提高高斯过程模型的预测精度,文中通过粒子群算法(Particle Swarm Optimization,PSO)优化其超参数并选择最优协方差函数。通过实例验证分析,比较多元回归分析、GP、PSO-GP三种模型在大坝变形监测数据处理中的预测精度,表明大坝非线性预测模型粒子群优化高斯过程算法具有较高的预测精度,是一种有效的大坝变形分析预测方法。     

一种基于改进粒子滤波的动态精密单点定位算法

提出一种改进的粒子滤波,试图提高粒子滤波的收敛速度,减弱非线性模型线性化误差和非正态分布随机误差对动态单点定位结果的影响.首先固定单差无电离层模糊度,以减少状态参数向量的维数,提高初始定位的精度和粒子滤波的收敛速度;采用Kalman滤波作为粒子滤波的预滤波,以提高粒子滤波的重点采样效率,并提高采样粒子精度,减缓粒子退化.利用一个实测动态GPS数据验证表明,改进的粒子滤波可以提高动态GPS的定位精度.     

基于免疫粒子群优化算法的影像纹理分类

粒子群优化算法是基于群智能的随机全局优化方法,它源于对鸟群简化社会系统的模拟。为了提高标准粒子群优化算法的收敛性能,将生物免疫系统的记忆能力和多样性引入标准粒子群优化算法,提出一种免疫粒子群优化算法。在提取纹理样本Laws纹理能量模板特征、小波特征等纹理特征的基础上,提出针对分类问题的粒子表达方法和群体寻优策略,实现了基于免疫粒子群算法的纹理分类。实验结果表明,与标准粒子群优化算法相比,免疫粒子群优化算法在获取训练样本类别中心时具有较好的收敛性能,并且基于该算法的影像纹理分类具有较高的分类精度。     

模拟退火机制下优化离散粒子群的端元提取算法

针对离散粒子群优化(Discrete Particle Swarm Optimization,DPSO)端元提取算法初始种群质量差、收敛性能低且易于陷入局部最优,本文将模拟退火算法引入到DPSO的不同阶段,模拟退火算法能以一定的概率接受和舍弃新状态,使种群内粒子渐趋有序、达到平衡,收敛到全局最优,有效避免了搜索陷入局部最优。因此,该算法不仅保持了DPSO的全局组合优化特点,克服了初始种群质量差、易陷入局部最优等缺点,而且还提高了收敛速度和端元提取精度。     

粒子群算法在极化SAR目标对比增强中的应用

针对SAR极化对比增强中存在计算复杂的问题,将粒子群算法应用到极化SAR目标增强当中,并通过数据实验,验证了其优越性。该方法将对比增强问题抽象成最优化问题,将统计得到的区域平均协方差矩阵作为粒子群优化算法的输入,计算每个粒子的适应度值,更新粒子群的个体最优和全局最优值,通过迭代得到最优对比度。实验结果表明,与传统的最优极化对比增强算法相比,基于粒子群优化算法的极化对比增强方法能达到更好的对比度,而且实现较为简单。     

平方根 UKF及其在 GNSS多径估计中的应用

针对一般的加性高斯白噪声系统,结合平方根无迹卡尔曼滤波和加性噪声无迹卡尔曼滤波的优点,提出了无须增广变量的加性高斯白噪声系统的平方根无迹卡尔曼滤波方法,并给出了其详细算法.该算法较传统方法具有较小的运算负担,较高的精度,并能有效克服滤波的发散.该方法应用于卫星导航系统动态多径估计问题,能够高效准确地得到直射信号与多径信号的各个参数的估计,从而抑制多径的影响.仿真试验表明,该方法在诸多方面改进了已有方法,是一种高效准确的非线性滤波方法.     

Application of unscented Kalman filter in satellite orbit simulation

IntroductionAs is well known,the Kal manfilter(KF) is al-ways usedto deal withthe system whose dynam-ics and observation models are linear , and theextended Kal manfilter(EKF) is the most widelyused esti mator for nonlinear systems . In theEKFthe kal man …     

城市土地利用空间优化配置的多智能体系统与微粒群集成优化算法

在多目标约束下,构建了应用于城市土地利用空间优化配置的多智能体系统与微粒群集成优化算法,并以长株潭城市群的核心区域为例,开展了基于该算法的城市土地利用空间优化配置应用研究。研究结果表明,集成优化算法的Agent平均适应值和运行效率分别较微粒群优化和标准遗传算法得到了大幅度提高,从而证明了算法的可行性与先进性。     

Application of unscented Kalman filter in satellite orbit simulation

A new estimate method is proposed, which takes advantage of the unscented transform method, thus the true mean and covariance are approximated more accurately. The new method can be applied to nonlinear systems without the linearization process necessary for the EKF, and it does not demand a Gaussian distribution of noise and what's more, its ease of implementation and more accurate estimation features enables it to demonstrate its good performance in the experiment of satellite orbit simulation. Numerical experiments show that the application of the unscented Kalman filter is more effective than the EKF.     

基于粒子群优化的BP神经网络在GPS高程拟合中的应用

讨论了利用粒子群优化(PSO)算法来训练BP神经网络的权值和阀值的原理,分析了三种GPS高程拟合实例,结果表明PSO-BP模型可以应用于GPS高程拟合中。