一种改进的粒子滤波算法

为提高非线性滤波的性能,提出一种改进的粒子滤波算法(MUPF),该算法将新构造的辅助模型和无迹卡尔曼滤波(UKF)相结合产生新的建议分布函数。与传统的无迹粒子滤波(UPF)相比,该算法充分利用了新的测量信息。在非高斯条件下与其他滤波器进行了仿真对比,分析了跟踪性能和均方根误差。仿真结果表明,MUPF不仅具有很高的跟踪精度,而且用很少的粒子就可以达到更好的滤波性能。     

基于入侵野草优化算法的粒子滤波算法

入侵野草优化(IWO)算法是近年来提出的一种简单、有效的基于种群的新颖数值优化算法,在许多领域得到成功运用。将IWO算法与粒子滤波(PF)算法相结合,提出一种基于IWO算法的粒子滤波算法(IWOPF)。该算法将IWO算法运用于粒子滤波的重采样中,以保证粒子的有效性和多样性。最后通过计算仿真验证该算法的有效性和优越性。     

浅海领域多天线阵列信号盲分离技术

浅海水声环境非常复杂,包含了各种各样的大量噪声干扰。根据水声检测器监测到的信号会被这些隐藏的异常信号干扰进而影响传输,同时也给有效信号的获取造成困难。盲分离技术可以模仿人的认知能力,通过不断迭代有效选择所关注的信号,被认为是解决该问题的有效途径。本文采用一种慢特性分析方法来解决浅海环境下非线性盲源分离问题,仿真实验的结果也进一步验证了本文方法的有效性,加快了收敛时间,提高效率。     

粒子滤波和无轨迹粒子滤波算法比较

解决水下水声目标的定位跟踪问题,需要建立动态的非线性非高斯模型,粒子滤波直接采用未含有最新量测信息的状态转移先验分布函数作为重要性密度函数来逼近后验概率密度函数,无轨迹粒子滤波是在粒子滤波的过程中引入重采样技术,通过无轨迹变换设计重要性密度函数,使其更加接近系统状态后验概率密度。仿真结果表明粒子滤波和无轨迹粒子滤波算法都可以提高定位跟踪精度,但无轨迹粒子滤波算法的估计精度更高,更适用于工程实践。     

基于粒子滤波的水下目标被动跟踪算法

针对水下被动目标跟踪的非高斯噪声环境和弱可观性的特点,提出了将粒子滤波算法应用于水下被动目标跟踪中的非线性问题,克服了常规的线性化方法易发散且跟踪精度低、误差大的缺点.仿真结果表明:粒子滤波算法提高了滤波的稳定性,跟踪精度优于扩展卡尔曼滤波算法和无迹卡尔曼滤波算法,收到了良好的效果,具有较高的实用价值.     

梯度自适应在盲分离算法中的研究

通过传感器获得的水下声场信号含有复杂多样的噪声信号,从收集的信号中提取有用的信号,是盲源信号分离的研究重点。本文针对自然梯度算法在盲源信号分离中的收敛速度慢,误差精度低等问题,利用步长自适应进行改进,通过实验对比结果可以看出,本文所改进的算法收敛速度快,提高了系统的性能,算法简单,推广性强。     

基于UKF和线性优化的改进粒子滤波算法

针对标准粒子滤波算法存在的粒子退化问题,提出了一种改进的粒子滤波算法,该算法将不敏卡尔曼滤波算法（UKF）、线性优化的思想和基本粒子滤波算法相结合,运用不敏卡尔曼滤波算法获得重要性概率密度函数,提高了粒子的使用效率;运用线性优化的思想,保证了所有粒子都以一定的概率对状态估计作出贡献,提高了粒子的多样性。仿真结果表明,改进的算法很好的解决了基本粒子滤波存在的粒子退化问题,具有更高的状态估计精度。     

基于均值漂移粒子滤波的目标跟踪算法研究

针对粒子滤波计算量大的问题,将视觉跟踪领域的均值漂移算法（Mean Shift）与粒子滤波（PF）算法相结合,该算法利用均值漂移算法在重采样之后将粒子收敛到靠近目标真实状态的区域内,改善了传统粒子滤波器的退化现象,减少了算法的运行时间,通过被动跟踪仿真实例,同时使用均值漂移粒子滤波与传统粒子滤波进行跟踪仿真,分析了轨迹跟踪性能,利用均方根误差比较了误差性能。仿真结果表明,Mean Shift PF具有更高的跟踪精度,并且运行时间显著减少。     

基于盲分离的柴油机轴系扭振信号分离研究

柴油机瞬时转速信号来自不同激励源,激励源信号的频率成分受气动力、往复惯性力和离心力等影响,并且相互重叠。干扰成分的频谱组成非常复杂,主要分为随机噪声谱,独立线谱等。文中应用盲源分离信号处理技术对瞬时转速数据进行分离与仿真研究,实现均值处理、白化处理和分离前滤波等预处理方法,建立滤波预处理与盲源分离相结合的时延分离模型。并用仿真和实验进行了算法验证。     

自适应步长EASI算法研究及改进

EASI算法（一种在线LMS）是很重要的盲信号分离（BSS）算法,总结了EASI算法应用于盲信号分离的优点与不足,并提出了利用模拟退火策略有效地结合两种步长的优点,在初期快速下降,在后期精确收敛。结果表明,在该实验中使用模拟退火策略来调整学习率简单有效。     

基于盲源分离的一维距离像特征提取算法磁

在日趋复杂的电磁环境下,雷达回波中存在着大量的噪声和干扰,一维高分辨距离像目标识别过程中,采用一般的特征提取算法不能提取有效的目标特征,影响着目标识别的效果。论文采用盲源分离的方法对复杂电磁环境下的雷达回波进行处理,提取目标回波,将强散射点回波信号视为不同的信号源进行盲源分离,实现了一维距离像上散射点位置特征的提取,并通过计算机仿真验证了该方法的有效性。     

基于一种改进粒子滤波算法的目标跟踪研究

为了解决非线性、非高斯系统目标跟踪问题,研究了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。并讨论了此算法在机动目标非线性转弯运动中的跟踪应用,与粒子滤波算法相比,其优点是不需要重采样步骤。在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和扩展卡尔曼滤波器在滤波精度、运算时间等方面的差异,仿真结果表明该算法性能优于其他算法。     

基于粒子滤波的无人机侦察图像跟踪算法研究

针对无人机侦察图像跟踪的实时性以及战场环境复杂的特点,研究了在复杂背景下实现对单一目标跟踪,提出了一种基于粒子滤波的快速目标跟踪算法,通过计算机仿真将此方法与传统的目标跟踪方法进行了对比,实验结果表明,该算法能够稳健地跟踪目标,具有很好的准确性、实时性和鲁棒性。     

基于遗传算法的舰船航速模糊控制研究

研究并建立了舰船航速控制系统的数学模型,并将模糊控制理论应用到该系统,提出了一种基于遗传算法的舰船航速模糊控制新方法。该方法较常规的模糊控制具有更优的控制性能,仿真实验结果表明该方法可行、有效。     

基于四元素的扩展卡尔曼滤波航姿参考系统算法设计

为了优化飞行姿态信息,设计一种适用于捷联式航姿参考系统的九态扩展卡尔曼滤波算法,得到最优估计。为了验证此EKF算法的可行性和滤波效果,采用AHRS300惯性测量单元的数据进行MATLAB滤波算法仿真,把感器采集数据平滑计算后,建立精确的MATLAB算法模型作为参考。把两种结果作差比较,计算姿态角误差。从仿真结果可以看出,所设计的算法能够获得较好的姿态角精度,证明此扩展卡尔曼滤波性能良好。     

基于惯导解算与数字滤波的舰船振荡运动的分离研究

舰船在风浪激励或（和）其它因素的作用下产生六自由度的随机摇荡运动,而摇荡运动将降低舰载武器的打击精度。针对该问题,论文在捷联惯导（SINS）导航解算的基础上,提出了数字滤波的舰船振荡运动分离方法,以实时分离舰船振荡运动,并实时修正舰载武器的运动轨迹,提高其打击精度。由于惯性导航系统为避免加速度对平台跟踪地垂线的干扰而自然形成舒勒振荡,此振荡必然会引入舰船运动的导航解算结果中,因此为提取出瞬时运动,引入数字高通滤波器消除舒勒振荡。论文给出了瞬时运动定义及滤波器的实现方法,仿真结果证明了该方法的有效性。     

高速三体船波浪中运动与增阻CFD计算研究

基于数值波浪水池技术,对波浪中高速三体船运动及增阻进行CFD计算研究。控制方程—RANS方程和连续性方程使用有限体积法离散,非线性自由面采用VOF方法处理;在入口边界模拟柔性造波板运动产生入射波,使用位于波浪水池尾部的人工阻尼区消波。首先对规则波顶浪中单个主船体的运动和增阻进行了计算,并与高速细长体理论计算结果进行了比较;随后进行了三体船运动和增阻计算,分析了侧片体对主船体阻力增加的影响。为高速三体船耐波性研究提供了数值工具。     

基于瞬时转速和遗传算法的内燃机故障诊断方法

内燃机瞬时转速信号中蕴含着大量有关机器运行的信息,非常适合用于内燃机的故障诊断.但瞬时转速中蕴藏的故障信息比较微弱,加上测量的随机性影响,必须提取多个故障特征进行综合诊断,而如何从中构造理想的特征参数,是一项非常困难的工作.对此,本文使用遗传算法对故障特征进行组合优化,构造最佳特征参数.以6-135型柴油机单缸少量减油故障为例,从多个瞬时转速数据样本的时域、频域和波形参数中提取了6个原始特征,利用遗传算法使这些参数在各种运算组合的过程中优胜劣汰,最后进化成为一个综合了几个原始特征的综合诊断参数,使用该参数进行故障状态的判别,提高了诊断的正确率,并简化了诊断过程.