检索结果-南通市图书馆

含未知非高斯噪声的自适应量测转换水下目标跟踪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

声学学报 2024年第4期49卷 671-682页

作者：吴心童刘宇马晓川马中静中国科学院声学研究所水下航行器实验室北京100190 中国科学院大学北京100049 北京理工大学自动化学院北京100081

针对量测含未知野值的非高斯极坐标−笛卡尔坐标水下目标跟踪问题,提出了基于变分贝叶斯方法的迭代量测转换学生t滤波(VBICMSTF)算法。将有源声呐目标距离及方位估计结果作为基于极坐标的非线性量测,使用无偏量测转换对其进行基于学生t... 详细信息

针对量测含未知野值的非高斯极坐标−笛卡尔坐标水下目标跟踪问题,提出了基于变分贝叶斯方法的迭代量测转换学生t滤波(VBICMSTF)算法。将有源声呐目标距离及方位估计结果作为基于极坐标的非线性量测,使用无偏量测转换对其进行基于学生t分布近似的先验线性化建模,然后通过变分贝叶斯方法迭代地更新伪线性量测尺度阵及目标状态的后验分布,并在迭代过程中利用目标位置的更新结果对量测转换二阶矩的计算进行校正,由此形成先验−后验循环更新。仿真及湖上试验结果表明,VBICMSTF在含未知非高斯量测噪声的强非线性跟踪场景下,相比伪线性学生t分布变分贝叶斯方法跟踪误差降低25%以上,且维持了滤波的一致性。

关键词：目标跟踪量测转换学生t分布变分贝叶斯方法自适应噪声估计

在线全文

学校读者我要写书评

暂无评论

一种高斯-重尾切换分布鲁棒卡尔曼滤波器

哈尔滨工业大学学报 2024年第4期56卷 12-23页

作者：黄伟付红坡李煜章卫国陕西省飞行控制与仿真技术重点实验室(西北工业大学) 西安710072 信息融合技术教育部重点实验室(西北工业大学) 西安710072

为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heav... 详细信息

为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heavy-tailed switching distribution based robust Kalman filter,GHTSRKF)。首先,通过自适应学习高斯分布和一种重尾分布之间的切换概率将噪声建模为GHTS(Gaussian-heavy-tailed switching)分布,所设计的GHTS分布可以通过在线调整高斯分布和新的重尾分布之间的切换概率来对非平稳重尾噪声进行建模,具有虚拟协方差的高斯分布用于处理协方差矩阵不准确的高斯噪声。其次,引入两个分别服从Categorical分布与伯努利分布的辅助参数将GHTS分布表示为一个分层高斯形式,进一步利用变分贝叶斯方法推导了GHTSRKF。最后,利用一个仿真场景对几种不同的RKFs(robust Kalman filters)进行了对比验证。结果表明,所提出的GHTSRKF算法的估计精度对初始状态的选取不敏感,精度优于其他RKFs,它的RMSEs最接近噪声信息准确的KFTNC(KF with true noise covariances)的RMSEs(root mean square errors),且当系统与量测噪声是未知时变高斯噪声时,相比于现有的滤波器,GHTSRKF具有更好的估计性能,从而验证了GHTSRKF的有效性。

关键词：状态估计非平稳重尾噪声自适应学习鲁棒滤波器变分贝叶斯方法

基于变分贝叶斯估计方法的双尺度自适应Kalman滤波

在线全文

学校读者我要写书评

暂无评论

空军工程大学学报（自然科学版） 2019年第2期20卷 79-85页

作者：吴俊峰徐嵩西安理工大学西安710048 95910部队甘肃酒泉735018

针对Kalman滤波在对敌目标估计应用中遇到的量测和过程噪声均未知且时变的情况,提出了一种利用变分贝叶斯估计的双尺度自适应滤波方法。解决了2个关键问题:一是针对量测和过程噪声协方差的共轭后验分布提出了相对转移概率指标,设计了启... 详细信息

针对Kalman滤波在对敌目标估计应用中遇到的量测和过程噪声均未知且时变的情况,提出了一种利用变分贝叶斯估计的双尺度自适应滤波方法。解决了2个关键问题:一是针对量测和过程噪声协方差的共轭后验分布提出了相对转移概率指标,设计了启发式的自适应噪声估计窗口,实现了稳态精度和时变响应性能的综合提升,能适应敌方目标机动性高且统计特性变化快的特点;二是设计了在不同时间尺度上估计过程噪声和量测噪声的协方差方法,解决了在同一时间尺度上使协方差估计值发生严重偏差且增大滤波误差的问题。仿真表明,所提方法能快速跟踪目标状态噪声统计特性的变化并保证估计精度。

关键词：自适应Kalman滤波变分贝叶斯方法双尺度估计启发式算法

在线全文

学校读者我要写书评

暂无评论

连续预测脑机接口的信息积累方法

中国生物医学工程学报 2007年第4期26卷 523-527页

作者：朱晓源吴健康程义民中国科学与技术大学电子科学与技术系合肥230027 资讯通信研究院新加坡119613

设计有效的学习算法快速准确地对脑电信号进行连续预测是脑机接口研究的关键之一。本研究给出了一种基于变分贝叶斯算法的理论框架通过区分度权值进行信息积累,从而对脑电信号分类。此方法将对区分度权值和分类器参数的估计融为一体,使... 详细信息

设计有效的学习算法快速准确地对脑电信号进行连续预测是脑机接口研究的关键之一。本研究给出了一种基于变分贝叶斯算法的理论框架通过区分度权值进行信息积累,从而对脑电信号分类。此方法将对区分度权值和分类器参数的估计融为一体,使得这两部分在学习的过程中可以互相协调。在两个运动想象数据集上的实验结果表明本方法能够提高BCI系统的性能,具有较好的实用性。

关键词：脑机接口脑电信号连续预测变分贝叶斯方法贝叶斯学习

基于变分贝叶斯的自适应滤波在手机端车载组合导航的应用

在线全文

学校读者我要写书评

暂无评论

基于变分贝叶斯的自适应滤波在手机端车载组合导航的应用

作者：张瀚文中国矿业大学

学位级别：硕士

随着我国智能手机的快速普及以及机动车数量的飞速增长,车载环境下的智能手机定位需求日益增加。受限于智能手机的硬件成本与性能,基于全球卫星定位导航系统(Global Navigation Satellite System,GNSS)的定位方式容易受到环境影响,已无... 详细信息

随着我国智能手机的快速普及以及机动车数量的飞速增长,车载环境下的智能手机定位需求日益增加。受限于智能手机的硬件成本与性能,基于全球卫星定位导航系统(Global Navigation Satellite System,GNSS)的定位方式容易受到环境影响,已无法完全满足智能手机在城市复杂环境下的连续准确定位需求。通过GNSS和惯性导航系统(Inertial Navigation System,INS)相结合,将两种系统的优势互补,可以有效降低城市复杂环境对智能手机GNSS定位的影响。本文对GNSS/INS组合导航算法在智能手机车载环境下的应用展开了研究。首先探讨了手机端车载组合导航系统中卡尔曼滤波在初始量测噪声设置不准确情况下存在的局限性,接着验证了变分贝叶斯自适应滤波算法在上述情况下的应用效果,最后对算法进行改进以适应更复杂的观测环境。具体的研究工作及内容如下:(1)开发了手机端车载GNSS/INS实时组合导航软件。为了解决智能手机GNSS定位精度易受环境影响的问题,同时验证变分贝叶斯自适应滤波在手机端车载组合导航系统的应用效果,本文基于伪距单点定位、多普勒测速、INS机械编排以及GNSS/INS组合导航算法开发了手机端GNSS/INS实时组合导航软件。软件实现了GNSS实时定位与测速、GNSS/INS实时组合导航、位置信息可视化以及数据存储等功能。(2)验证了车载环境下手机端GNSS定位与测速系统以及GNSS/INS组合导航系统的精度与可用性。车载动态实验结果如下:智能手机在城市环境车载状态下伪距单点定位平面位置精度为4.801 m,高程精度为9.760 m;多普勒测速平面速度精度为0.264 m/s,高程方向速度精度为0.283 m/s;GNSS/INS组合导航平面位置精度为3.130 m,高程精度为4.562 m;平面速度精度为0.286 m/s,高程方向速度精度为0.155 m/s;俯仰角精度为0.576°,航向角精度为7.625°。由实验结果可知,手机端GNSS/INS组合导航的定位精度相较于GNSS定位有所提升,但是由于初始量测噪声设置不精确,导致组合导航速度精度相较于多普勒测速有所下降。(3)验证了变分贝叶斯自适应滤波在手机端车载组合导航系统的应用效果。介绍了变分贝叶斯自适应滤波算法,并通过仿真数据与车载实测数据对比分析了变分贝叶斯自适应滤波与卡尔曼滤波的性能。数据结果表明:当初始量测噪声设置不精确时,基于卡尔曼滤波的组合导航系统的位置、速度、姿态精度会下降;变分贝叶斯自适应滤波通过对量测噪声协方差的在线估计,可以获得更好的位置、速度、姿态精度。变分贝叶斯自适应滤波相较于卡尔曼滤波,当初始量测噪声设置偏大时,平面位置精度提升了4.0%,平面速度精度提升了33.74%,航向角精度提升了5.8%;当初始量测噪声设置偏小时,平面位置精度提升了5.1%,平面速度精度提升了12.1%,航向角精度提升了9.1%。(4)改进了复杂突变观测环境下的变分贝叶斯自适应滤波算法。针对观测环境突变导致的量测噪声与真实值不符的问题,利用平滑后的平均标准化新息设计了突变观测环境检测方法,通过对遗忘因子的重新计算提高了变分贝叶斯自适应滤波对量测噪声协方差的估计效率。基于实测数据模拟突变的观测环境,验证了基于新息的可变遗忘因子变分贝叶斯自适应滤波的优势。实验表明:改进后的变分贝叶斯自适应滤波相较于改进前,平面位置精度相仿,平面速度精度提升了6.6%,俯仰角精度提升了6.01%,航向角精度提升了3.83%。论文含有图39幅,表17个,参考文献96篇。

关键词：智能手机组合导航软件开发变分贝叶斯方法自适应滤波

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

降质图像的变分贝叶斯超分辨算法研究

降质图像的变分贝叶斯超分辨算法研究

作者：陈业伟内蒙古大学

学位级别：硕士

摘要图像是机器视觉系统的重要视觉信息。然而,图像采集和成像系统不可避免的存在模糊、运动变形和噪声等降质和退化过程,不但影响了人们对图像的视觉感受,而且大大降低了图像中有效信息的利用。例如,对降质图像进行分割处理,分割的精... 详细信息

摘要图像是机器视觉系统的重要视觉信息。然而,图像采集和成像系统不可避免的存在模糊、运动变形和噪声等降质和退化过程,不但影响了人们对图像的视觉感受,而且大大降低了图像中有效信息的利用。例如,对降质图像进行分割处理,分割的精度会严重下降,因而影响目标的检测、识别与理解。因此降质图像的预处理是图像处理中的一个重要科学问题。本文以降质图像的贝叶斯超分辨预处理为研究对象,展开相关算法研究。本文在综述了图像超分辨的国内外现状的基础上,介绍了贝叶斯推断及其变分贝叶斯原理,并且基于贝叶斯推理理论,设计和实现了一种基于水平和垂直梯度的L1稀疏性先验的变分贝叶斯超分辨方法。通过图像退化过程建模,图像先验建模和超参数先验建模,建立了多幅图像变分贝叶斯超分辨模型,最后实现了非盲和盲两种方式的图像超分辨率重建算法。并且基于YUV颜色空间进行推广,实现了彩色图像的贝叶斯超分辨率重建。实验结果表明：贝叶斯超分辨方法能得到很好的估计多幅图像的配准参数,达到较好的多幅图像的盲超分辨。

关键词：降质图像超分辨率重建图像预处理变分贝叶斯方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

不同噪声条件下的机动目标跟踪技术研究

不同噪声条件下的机动目标跟踪技术研究

作者：张冉西安电子科技大学

学位级别：硕士

随着现代电子对抗作战中目标机动性的不断增强,对目标跟踪技术的要求不断提高,机动目标跟踪问题逐渐成为目标跟踪领域的热门研究课题,另外假设跟踪系统模型中的噪声服从不同分布时会对跟踪滤波产生影响,从而影响机动目标跟踪算法的性能... 详细信息

随着现代电子对抗作战中目标机动性的不断增强,对目标跟踪技术的要求不断提高,机动目标跟踪问题逐渐成为目标跟踪领域的热门研究课题,另外假设跟踪系统模型中的噪声服从不同分布时会对跟踪滤波产生影响,从而影响机动目标跟踪算法的性能,所以本文基于机载雷达,对高斯噪声条件下的机动目标跟踪技术和非高斯噪声条件下的机动目标跟踪技术分别进行研究,具体研究内容如下:(1)研究了高斯噪声环境中无杂波干扰的机动目标跟踪问题。由于目标的机动具有随机性和不可预测性,无法建立单一的运动模型始终与机动目标的运动状态匹配,针对此问题,本文介绍了经典的交互式多模型(IMM)算法;然后针对系统的非线性问题,分别研究了基于扩展卡尔曼滤波的IMM算法(IMM-EKF)和基于平方根容积卡尔曼滤波的IMM算法(IMM-SRCKF)并设置仿真实验进行验证,实验结果显示,IMMEKF和IMM-SRCKF算法都可以实现对机动目标的跟踪,从算法的跟踪性能和执行效率两方面综合考虑,IMM-EKF算法更适合实际工程应用。(2)研究了高斯噪声环境中有杂波干扰的机动目标跟踪问题。首先,针对杂波干扰条件下跟踪波门内的多个量测如何与既有航迹匹配关联的问题,介绍了概率数据关联(PDA)算法,将其与IMM算法结合,并考虑到非线性系统的问题,引用基于EKF的IMM-PDA算法对杂波环境中的机动目标进行跟踪。设置两组不同杂波密度下的实验对该算法进行验证,仿真结果显示,基于EKF的IMM-PDA算法可以对杂波干扰条件下的机动目标进行稳定跟踪,在目标发生机动时,该算法的适应性强、跟踪性能良好。(3)研究了时不变非高斯噪声条件下的机动目标跟踪问题。针对雷达跟踪机动目标时过程噪声和量测噪声具有重尾特性的问题,将这种非高斯噪声建模为自由度和精度矩阵确定的学生t分布,引出适用于非线性系统的学生t扩展卡尔曼滤波(STEKF)算法,将其与IMM算法结合,提出IMM-STEKF算法并进行仿真实验,实验结果表明IMM-STEKF算法可以对时不变非高斯噪声下的机动目标进行稳定跟踪,然后设置该算法与前面IMM-EKF和IMM-SRCKF算法的对比实验,结果证明在时不变非高斯噪声条件下,IMM-EKF、IMM-SRCKF算法的跟踪性能会有所下降,IMM-STEKF算法具有更高的跟踪精度。(4)研究了时变非高斯噪声条件下的机动目标跟踪问题。针对实际雷达目标跟踪过程中异常值出现的不确定性、目标机动的随机性等因素导致非高斯噪声时变的问题,本文提出过程噪声和量测噪声均为时变非高斯噪声的交互式多模型-变分贝叶斯(IMM-VB)算法,该算法在只有量测噪声为时变非高斯噪声的IMM-VB算法的基础上进行改进,利用VB方法对非高斯过程和量测噪声所服从的学生t分布中的自由度、精度矩阵参数进行估计使得近似的联合后验概率密度与真实的联合后验概率密度的KL散度最小,从而每一跟踪时刻对应的学生t分布与真实噪声所服从的学生t分布更接近,将其与IMM算法结合并进行实验仿真,仿真结果显示该算法可以实现时变非高斯噪声下机动目标的自适应跟踪,最后将IMM-STEKF和IMM-VB算法进行对比实验,实验结果表明,IMM-VB算法可以有效降低时变非高斯噪声条件下的机动目标跟踪误差,提高机动目标状态估计的准确性。

关键词：机动目标跟踪高斯噪声交互式多模型算法非线性滤波非高斯噪声学生t扩展卡尔曼滤波变分贝叶斯方法

闪烁噪声下多目标跟踪的标签多伯努利滤波算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

闪烁噪声下多目标跟踪的标签多伯努利滤波算法研究

作者：黄炳坚深圳大学

学位级别：硕士

近年来,基于随机有限集的多目标跟踪算法在信息融合领域受到了广泛的关注,成为了多目标跟踪领域的研究热点。基于随机有限集理论框架,标签多伯努利滤波算法通过将标签思想引入随机集,实现了轨迹级滤波,提供了准确有效的多目标跟踪性能... 详细信息

近年来,基于随机有限集的多目标跟踪算法在信息融合领域受到了广泛的关注,成为了多目标跟踪领域的研究热点。基于随机有限集理论框架,标签多伯努利滤波算法通过将标签思想引入随机集,实现了轨迹级滤波,提供了准确有效的多目标跟踪性能。在雷达目标跟踪研究中,雷达量测常受到闪烁噪声的干扰,而量测噪声多以高斯噪声进行建模,不适用于闪烁噪声问题。为了对闪烁噪声下的多目标进行精准跟踪,本文重点研究了闪烁噪声下基于标签多伯努利滤波器的多目标跟踪算法,具体研究工作内容如下:1)介绍了基于随机有限集理论的概率假设密度滤波器(PHD)、势均衡多目标多伯努利滤波器(CBMe MBer)、广义标签多伯努利滤波器(GLMB)、标签多伯努利滤波器(LMB)。针对闪烁噪声的非高斯、长拖尾特性,本文利用学生氏t分布对闪烁噪声进行建模,并对闪烁噪声问题进行研究讨论。2)为了解决闪烁噪声下的多目标跟踪问题,提出了一种适用于闪烁噪声的快速标签多伯努利滤波器,并开发了该滤波器在闪烁噪声线性系统和非线性系统中的实现方法。仿真实验验证了该滤波器在闪烁噪声环境中的多目标跟踪性能。3)针对闪烁噪声下多机动目标的跟踪问题,引入多模型算法,提出了闪烁噪声下基于跳变马尔可夫系统模型的快速标签多伯努利滤波器,开发了该滤波器在闪烁噪声线性系统和非线性系统中的实现方法。仿真实验结果表明,在闪烁噪声环境中,所提出的滤波器对多机动目标的跟踪性能优于其它滤波器。

关键词：闪烁噪声多目标跟踪标签多伯努利滤波器变分贝叶斯方法跳变马尔可夫系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多工况过程监控中的概率主元分析方法研究

多工况过程监控中的概率主元分析方法研究

作者：安妮华东理工大学

学位级别：硕士

由于现代工业生产的特点与人们物质生活的需求,工业生产过程不仅仅只是单一工况,而是包含了多个稳定的工况。传统的多变量统计监控方法如果直接运用到这种多工况过程中,可能会产生故障的漏报,严重的会造成人员伤亡与经济损失。多模型方... 详细信息

由于现代工业生产的特点与人们物质生活的需求,工业生产过程不仅仅只是单一工况,而是包含了多个稳定的工况。传统的多变量统计监控方法如果直接运用到这种多工况过程中,可能会产生故障的漏报,严重的会造成人员伤亡与经济损失。多模型方法作为一种普遍应用于多工况过程监控领域的方法,其原理易于理解,目的在于使建立的子模型符合每个工况的特征,是一种能够有效监控过程故障的方法。本文以多变量统计方法中的PCA方法为基础,使用混合概率PCA模型对多工况过程进行建模,并将混合概率PCA模型应用于TE过程与CSTR过程中。主要内容如下：(1)首先阐述了本文的基础——基于PCA的监控方法,进而对PPCA模型的相关知识进行了研究,并对其中EM算法的估计机制进行了分析。为了符合多模型这一特点,详细阐述了PPCA扩展为MPPCA的过程,并且构造基于MPPCA模型方法的监控统计量。(2)在EM算法的基础上,使用变分贝叶斯方法对MPPCA模型进行估计参数,充分利用数据的先验知识。在原有算法的基础上,将参数看做随机变量,使用超参数描述参数的概率分布,最终估计出合适的参数。最后使用变分贝叶斯方法对一组环形数据进行建模仿真,可以得出该方法可有效建立多个子模型。(3)将MPPCA模型的两种建模方法(EM算法与变分贝叶斯方法)应用于TE过程与CSTR过程中,计算各子模型的监控统计量,使用贝叶斯推断整合多个模型的监控结果,通过仿真结果的比较,验证了两种方法的有效性。

关键词：过程监控多工况过程概率主元分析 EM算法变分贝叶斯方法