搜索
北京交通大学硕士学位论文基于粒子滤波的无线传感器网络目标跟踪姓名：季莹申请学位级别：硕士专业：控制理论与控制工程指导教师：张三同20071201基于粒子滤波的无线传感器网络目标跟踪作者：季莹学位授予单位：北京交通大学相似文献(10条)1.期刊论文程水英.张剑云.CHENGShui-ying.ZHANGJian-yun裂变自举粒子滤波-电子学报2008,36(3)自举粒子滤波(BPF:BootstrapParticleFiltering)是一种经典而应用广泛的粒子滤波算法,但其重采样后常会引起严重的样本枯竭问题.本文提出在权值蜕化较为严重时,在原先的重采样前增加SFN预处理,即权值排序、裂变繁殖(fission)和权值归一,得到裂变BPF(FBPF)算法.针对一个典型的后验密度为双峰的强非线性滤波估计问题,通过MonteCarlo仿真表明,FBPF算法在保持与BPF算法相当的估计精度和运算时间的条件下,克服了样本枯竭问题,算法的鲁棒性更强.2.学位论文刘国成基于序列MonteCarlo方法的非线性滤波技术研究2008现实世界中的随机动态系统大都是非线性非高斯的，因此非线性滤波问题是极为普遍的，许多领域都涉及到，目标跟踪是其重要应用之一。目标跟踪是基于具有不确定性测量的传感器数据，对来自未知目标的运动学特征做出估计。近年来粒子滤波，也称序列MonteCarlo方法，在目标跟踪方面得到广泛关注，其原因可以理解为这种方法的简洁性、处理复杂情况的鲁棒性及易操作性，更重要的是它对非线性非高斯估计问题的强大处理能力。这种非线性滤波技术是一种基于仿真的数值方法，其利用离散隐马尔可夫链建模，通过系统模型描述目标未知状态随时间的演化规律，通过测量模型把可利用的目标观测值与状态联系起来，并鉴于过去和目前的测量值，在先验信息已知的基础上，进行预测和更新，提供一个目标状态的近似分布。本文对基于贝叶斯框架下的序列MonteCarlo方法及目标跟踪原理进行了综述，对粒子滤波的改进方法进行了全面的概括，分析了粒子滤波方法的收敛性，其收敛特性保证了收敛率独立于状态空间的维数，而且是Lp收敛的。通过仿真实验，表明了对于线性高斯系统，精确的估计方法比粒子滤波的跟踪效果要好；但对于非线性非高斯模型，粒子滤波具有较大的优势，可以显著提高滤波的效果，并应用语音增强的实例进行了比较说明。针对多传感器目标跟踪问题，本文论述了数据融合技术，提出了一种交叉传感器交叉特征（CSCM）数据融合算法，可以对种类不同、模型不同的多个传感器数据进行融合，并应用粒子滤波来进行非线性估计，完成一移动机器人目标跟踪任务，为准确地定义目标位置的状态，我们分别采用最佳粒子、加权均值和鲁棒均值三种估计方法，并对三种基本的重采样策略进行了比较，实验结果证明了这种数据融合算法的可行性和有效性。在视觉跟踪方面，本文论述了视觉跟踪技术、摄像机系统以及颜色分布的相关内容，提出一种基于颜色直方图的粒子滤波算法用来跟踪运动目标，所提出的方法可以处理旋转、尺寸变换和光照条件的变化以及目标的部分遮挡等问题，从而可以鲁棒地跟踪目标。这种方法是把颜色直方图结合到粒子滤波的观测模型中，应用二阶自回归模型作为系统模型，跟踪的目标既可以是刚性目标，也可以是非刚性目标，并且跟踪算法可以实时实现。针对复杂背景环境下的多目标跟踪问题，本文论述了主要的数据关联技术，将目标检测算法和粒子滤波结合起来，利用颜色直方图作为观测模型，利用GNN算法进行数据关联，提出了一种基于粒子滤波的多目标跟踪算法，实现了视频场景中的多个目标跟踪。该算法对目标在场景中的频繁出现和消失、相似外表、交叉运动和短暂遮挡等有较好的处理效果。关于粒子滤波目标跟踪的性能评价方面，本文提出了定量化的解决方案，以度量跟踪算法的品质。这种方案以精度和召回率为理论基础，相互补充，可以对视频目标跟踪的性能作出较合理的判断，通过设计实验，我们可以选择出最佳的参数，虽然所有的实验是在单目标跟踪的环境下完成的，但可以推广到多目标跟踪的场合。3.期刊论文史延春非线性滤波理论的发展-科技咨询导报2007,(23)本文从Kalman滤波到粒子滤波详细论述了非线性滤波理论的发展过程.在论述传统非线性滤波缺点的基础上,指出了非线性滤波革新的两条发展思路--非Taylor展开的线性变换及非线性变换出发,分别对Unscented滤波、粒子滤波和神经网络滤波等近年来最具特色的新方法进行介绍和评述.通过分析这些方法的工作原理、性能特点、必要性和可行性,将非线性滤波最新进展的思想传承、本质内涵、地位与作用予以展现,指出各方法的现存问题、发展潜力和最具可实现性的发展方向.同时强调了各种算法的选取须根据具体应用场合和条件.4.学位论文张永安非线性滤波及其在寻的制导中的应用2004以寻的导弹制导这一应用为背景,本文在贝叶斯框架下研究了一般随机离散时间非线性系统的最优滤波问题.首先,本文从随机动态系统的贝叶斯滤波方程出发,研究了一般系统的最优滤波的两类近似算法:高斯滤波和粒子滤波近似算法.高斯滤波算法简单,计算量小,但是其线性化操作在很大程度上影响了滤波器的收敛性和估计精度.其代表性的近似滤波算法为推广卡尔曼滤波(EKF).针对EKF线性化带来的误差,采用迭代法改进线性化参考点,并在迭代中引入虚拟噪声统计估值器,从而为EKF获得了一种有效的线性化误差的补偿途径.对于粒子滤波,本文从蒙特卡罗积分的观点研究了粒子滤波的退化和样贫问题,探讨了粒子滤波的抽样效率的改进途径.其次,研究了一类跳跃马尔可夫系统的最优滤波,导出了该类系统的递推贝叶斯滤波方程.从该方程出发,给出了交互多模型算法和多模型粒子滤波新的推导方法.在应用方面,首先讨论了固定辐射源的机载单站无源定位问题.传统的无源定位估计方法为最小二乘估计和EKF.在无源定位问题中,利用等概率轮廓图表明:EKF中的高斯假设和线性化操作将引起定位估计的后验分布的失真.因此,本文研究了粒子滤波定位估计方法.由于无源定位问题是一个参数估计问题,直接应用粒子滤波将会引起严重的样贫现象.为此,本文提供了一种自适应正则粒子滤波解决方法.然后,论文利用JMS滤波方法解决了寻的制导中的一些跟踪问题.在雷达寻的制导中,距离测量经常由于某些战术条件而失效,从而导致错误的目标跟踪估计.对于这个问题,论文给出了相应的多模型滤波解决办法.在解决该问题的过程中,本文研究了雷达测量下的跟踪问题以及被动寻的系统的可观性程度问题.对于前一个问题,本文给出了一种两步测量修正方法来提高跟踪滤波器的估计精度;对于后一个问题,本文引入了Cramér-Rao误差下界分析的办法来直观地了解被动闭合寻的系统的可估计性.近距离雷达跟踪中复杂目标和大目标在雷达测量附加的闪烁噪声在很大程度上影响了雷达跟踪的性能.为此,论文给出了一种简化的多模型滤波算法,与现有的算法相比,计算效率提高了约38%.本文利用该算法研究了尖峰测量噪声下被动寻的制导系统中的跟踪问题,仿真验证了算法的有效性.5.期刊论文程水英.张剑云.ChengShui-ying.ZhangJian-yun基于辅助变量粒子滤波的空对海BO-TMA的研究-电子与信息学报2007,29(11)论文探讨了TMA(目标运动分析)中基本的非线性估计问题;介绍了粒子滤波(PF)的基本思想和辅助变量PF(AVPF)的基本算法,特别针对空对海单站只测方位TMA(BO-TMA)问题应用AVPF和EKF(扩展卡尔曼滤波)进行了对照研究;建立了问题的离散非线性滤波估计模型;设计了典型的应用场景;给出了MonteCarlo仿真运行结果;表明AVPF具有更高的估计精度、更好的收敛特性和滤波一致性.6.学位论文侯睿粒子滤波及U-粒子滤波在CDMA多用户检测中的应用研究2007CDMA系统本身所固有的多址干扰和远近效应等问题严重影响系统的性能和容量的提高。20世纪70年代，多用户检测技术的提出给上述问题提供了良好的解决方案，已逐步从理论研究走向实际应用。本课题首先研究了CDMA系统接收端模型，明确了多用户检测器的组成和功能，分析了几种典型多用户检测算法的利弊。为了寻求一种在复杂度、性能和适应性方面具有综合优势的多用户检测器，本文把粒子滤波和U-粒子滤波算法应用到多用户检测中。本文建立了CDMA系统模型，通过白化匹配滤波器的输出量得到动态空间方程，使得粒子滤波和U-粒子滤波算法能够应用于多用户检测中。重点分析了粒子滤波检测器和U-粒子滤波检测器的原理和实现步骤。初步仿真结果说明了粒子滤波检测器能在性能和复杂度之间取得良好的平衡。为优化粒子滤波检测器的性能，本文提出把改进算法U-粒子滤波应用到多用户检测中。进一步的仿真实验证明了U-粒子滤波检测器能以比粒子滤波检测器更少的采样粒子数，得到更好的检测性能，即它在复杂度、性能和适用性方面具有较好的综合优势。7.期刊论文程水英.张剑云.CHENGShui-ying.ZHANGJian-yun基于无味高斯粒子滤波的空-海BO-TMA的研究-现代雷达2007,29(8)介绍了粒子滤波(PF)的基本思想和免重采样无味高斯PF(UGPF)算法的基本原理,特别针对空-海单站只测方位目标运动分析TMA(BO-TMA)问题应用UGPF和EKF(扩展卡尔曼滤波)进行了对照研究,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,给出了MonteCarlo仿真运行结果;表明UGPF具有更高的估计精度、更好的收敛特性和滤波一致性.8.期刊论文程水英.张剑云.CHENGShui-ying.ZHANGJian-yun基于高斯粒子滤波的空-海BDO-TMA的研究-弹箭与制导学报2006,26(3)探讨了目标运动分析中基本的非线性估计问题,介绍了粒子滤波的基本思想和免重采样高斯PF(GPF)算法的基本原理,特别针对空-海单站只测方位-多普勒TMA(BDO-TMA)问题应用GPF和EKF(扩展卡尔曼滤波)进行了对照研究,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,给出了MonteCarlo仿真运行结果;表明GPF具有更高的估计精度、更好的收敛特性和滤波一致性.9.学位论文付何伟粒子滤波重采样算法及其在盲均衡中的应用2009粒子滤波方法由于在非线性和非高斯方面的独到优势，备受广大学者的关注。粒子滤波是一种基于蒙特卡罗分析和递推贝叶斯估计的非线性滤波算法，和其他预测性滤波一样，可以通过模型方程由测量空间递推得到状态空间。它采用粒子描述状态空间，用由粒子及其权重组成的离散随机测度近似真实的状态后验分布，并且根据算法递推更新离散随机测度。br 但粒子滤波算法本身也存在一些不足，例如其本身固有的粒子退化现象、粒子多样性损失、重要性函数选取等问题。针对粒子退化现象，一般采用重采样的方法来处理，因此研究重采样算法对提高粒子滤波算法的效率以及应用具有非常重要的意义。br 本文首先概述了论文的研究现状和研究意义。然后介绍了粒子滤波的理论基础和粒子滤波算法的原理，随后介绍了几种粒子滤波重采样算法，多项式重采样算法、分层重采样算法、系统重采样算法以及残差重采样算法。br 针对粒子滤波算法出现的退化现象，本文采用先验概率密度函数代替最优重要性密度函数，并提出了一种新的粒子滤波重采样的算法-降序二分法。仿真结果表明，这种算法的平均性能优于其他的重采样算法。br 此外，本文还对现有的盲均衡技术做了简介，将粒子滤波算法应用于盲均衡领域。在此过程中，利用粒子滤波的粒子特性，本文用信道的均值代替信道的真实值。这样在对信道进行辨识过程中就无需对信道的后验分布进行采样，降低了算法的计算量，同时在均衡的过程中可完成对信道的辨识。br 最后，将改进的重采样算法应用在盲均衡中，进行了仿真以及分析。仿真结果表明，改进的算法能更快的收敛，比之前的三种重采样算法更快的完成信道辨识，均衡的平均效果优于之前的三种重采样算法。10.期刊论文陈杨钟.刘士荣.俞金寿.CHENYang-zhong.LIUShi-rong.YUJin-shou基于非线性滤波的移动机器人位姿估计-华东