河南省高校科技创新团队支持计划(13IRTSTHN021)
- 作品数：15 被引量：49H指数：4
- 相关作者：胡振涛刘先省胡玉梅张谨金勇更多>>
- 相关机构：河南大学西北工业大学江南计算技术研究所更多>>
- 发文基金：河南省高校科技创新团队支持计划国家自然科学基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于容积卡尔曼滤波的异质多传感器融合算法被引量：14
- 2014年
- 针对机动目标跟踪系统建模中的非线性问题,提出一种基于容积卡尔曼滤波(CKF)的雷达与红外传感器融合算法。考虑到被估计系统对目标跟踪算法实时性与精度的要求,在容积滤波框架下构建了集中式量测融合(CMF)和分布式状态融合(DSF)两种结构形式。CMF结构采用最优加权方法,首先对雷达和红外两种异类传感器的方位角度量测信息进行融合,并将其与融合后的雷达径向距量测构建新的量测数据,进而通过CKF算法对机动目标进行跟踪。DSF结构则首先对雷达量测中径向距信息进行加权融合,并将融合结果作为红外传感器的虚拟径向距量测,以实现红外量测的扩维处理,进而对每组量测数据应用CKF进行分布式并行加权融合,获得目标运动状态的最终估计。仿真场景中,对两种融合方法的性能进行比较,理论分析与仿真实验验证了算法的可行性与有效性。
- 胡振涛曹志伟李松李枞枞
- 关键词：目标跟踪非线性滤波
- 基于自适应粒子群优化的代价评估Marginalized粒子滤波被引量：1
- 2014年
- 针对量测受扰动情况下粒子重要性权重的精确度量和粒子的有效采样问题,提出了一种基于自适应粒子群优化的代价评估Marginalized粒子滤波。首先,在Marginalized粒子滤波框架下,通过引入代价函数和风险函数,实现了粒子重要性权重评价过程中对最新量测信息的合理利用,以降低传统的依据重要性权重度量方式中对于噪声先验信息的依赖。其次,通过对粒子分布特征信息的提取和利用,构建了粒子极限速度设定的自适应选取策略,给出了一种自适应粒子群优化方法。在此基础上,结合粒子群优化中群体优化机理来提升采样粒子对被估计状态的逼近程度,进而改善重采样后粒子的多样性。理论分析和仿真实验验证了算法的有效性。
- 胡振涛魏丹金勇胡玉梅
- 关键词：非线性滤波粒子群优化
- 基于迭代容积卡尔曼滤波的神经网络训练算法被引量：1
- 2016年
- 针对现有应用非线性滤波算法对神经网络进行训练时存在精度不足的问题,提出了一种基于迭代容积卡尔曼滤波的神经网络训练算法。首先,将前馈神经网络各个节点的连接权值和偏置作为状态向量,建立前馈神经网络的状态空间模型。其次,利用Spherical-Radial准则生成容积点,并依据Gauss-Newton迭代策略来优化量测更新过程中获取的状态估计值和状态估计误差协方差,通过容积卡尔曼滤波估计精度的改善,提升神经网络节点的连接权值和偏置的训练效果。理论分析和仿真实验结果验证了所提算法的可行性和有效性。
- 袁光耀胡振涛张谨赵新强付春玲
- 关键词：前馈神经网络状态空间模型
- 基于Metropolis-Hastings采样的多传感器集合卡尔曼滤波算法
- 2017年
- 集合卡尔曼滤波是近年来发展起来的一种处理非线性系统估计的有效解决方法.针对标准集合卡尔曼滤波实现过程中,量测噪声不确定导致自举量测采样出现一致性偏差问题,提出了一种基于Metropolis-Hastings采样的多传感器集合卡尔曼滤波算法.首先,结合多传感器量测系统的物理特性和集合卡尔曼滤波中自举量测生成机理,构建多传感器条件下自举量测集合.其次,通过对多传感器自举量测似然度求解以及在量测接受概率函数合理设计基础上,利用Metropolis-Hastings采样策略实现有效量测的确认.新算法通过对多传感器量测中冗余和互补信息的提取与利用实现对一致性偏差的修正,进一步改善被估计系统状态的滤波精度.理论分析和仿真实验结果验证了算法的可行性和有效性.
- 胡振涛张谨胡玉梅金勇
- 关键词：非线性滤波集合卡尔曼滤波
- 多传感器量测下权重优化粒子滤波算法
- 2013年
- 针对粒子滤波在多传感器量测系统状态估计问题中的有效实现,提出一种多传感器量测下的权重优化粒子滤波算法。首先,依据提议分布的具体形式设计用于度量当前时刻粒子的权重的量测似然函数,并利用单个滤波周期内的全部量测分别计算每个粒子权重;其次,考虑到不同传感器精度存在的差异性,结合传感器精度等先验信息,通过加权融合处理方式实现对单个粒子在多传感器量测下权重度量结果的优化;进而在减小粒子权重方差的基础上改善滤波的精度。理论分析和仿真实验结果验证了算法的可行性和有效性。
- 胡振涛刘宇杨树军
- 关键词：多源信息融合粒子滤波
- 基于容积卡尔曼滤波的神经网络训练算法被引量：8
- 2016年
- 针对现有的利用非线性滤波算法对神经网络进行训练中存在滤波精度受限和效率不高的缺陷,提出一种基于容积卡尔曼滤波(CKF)的神经网络训练算法.在算法实现过程中,首先构建神经网络的状态空间模型;然后将网络连接权值作为系统的状态参量,并采用三阶Spherical-Radial准则生成的容积点实现神经网络中节点连接权值的训练.理论分析和仿真结果验证了所提出算法的可行性和有效性.
- 胡振涛袁光耀胡玉梅刘先省
- 关键词：非线性滤波神经网络多层感知器
- 容积卡尔曼一致滤波
- 2016年
- 针对卡尔曼一致滤波的应用受限于被估计系统需满足线性条件的问题,通过容积卡尔曼滤波(CKF)和一致性策略的动态结合,提出一种容积卡尔曼一致滤波(CKCF)算法。算法采用分布式融合机制,传感器节点采集可通信相邻节点的信息,并作为自身节点的量测信息应用于CKF,获取局部状态估计值。在此基础上,利用一致性策略实现对整个量测系统中传感器节点局部估计值的优化,进而通过增强传感器节点估计值一致性实现目标状态估计精度的提升。相对于标准卡尔曼一致滤波,本文算法将一致性策略推广到非线性系统估计领域。理论分析与仿真实验验证了算法的可行性与有效性。
- 胡振涛郭振张谨刘先省
- 关键词：无线传感器网络
- 基于CKF的系统误差与目标状态联合估计算法被引量：2
- 2015年
- 针对量测信息中系统误差对目标状态估计精度造成的不利影响,提出了一种基于容积卡尔曼滤波(CKF)的系统误差与状态联合估计(JE-CKF)算法。在算法实现中,首先采用状态向量维数扩展方法建立非线性滤波框架下的系统误差配准模型,其次根据系统误差配准模型对量测信息中的系统误差进行估计,进而通过对CKF实现中量测预测值的修正,改善量测残差中系统误差对滤波精度的影响。理论分析和仿真结果验证了算法的可行性和有效性。
- 胡振涛胡玉梅张谨袁光耀
- 关键词：状态估计误差配准
- 基于权重一致性优化的实时Marginalized粒子滤波算法被引量：2
- 2014年
- 针对Marginalized粒子滤波中随机量测噪声对于非线性状态估计精度的不利影响以及线性状态估计中计算量较大问题,提出了一种基于权重一致性优化的实时Marginalized粒子滤波算法.首先,结合量测系统建模中先验信息的提取和利用,通过粒子权重间一致性距离和一致性矩阵的构建,提出了量测提升策略下权重的一致性优化方法,以改善粒子滤波在非线性状态估计中的滤波精度.其次,通过对Marginalized粒子滤波实现中时间更新和量测更新环节的结构优化,给出了实时Marginalized粒子滤波,以降低蒙特卡罗仿真实现下卡尔曼滤波在状态线性估计中的计算复杂度.最后,在两者的动态结合基础上给出了新算法具体实现步骤.利用基于单站雷达目标跟踪仿真场景,分析了算法性能.理论分析和仿真实验结果验证了算法的可行性和有效性.
- 胡振涛刘先省金勇侯彦东
- 量测提升卡尔曼滤波被引量：7
- 2016年
- 滤波器设计是系统辨识和状态估计的重要基础.卡尔曼滤波通过状态预测和量测更新的实现框架,在最小方差准则下实现对目标状态的最优估计,但在单传感器量测环境中其滤波精度易受量测噪声随机性的影响.本文提出一种基于量测提升策略的卡尔曼滤波算法实现框架,新方法依据当前时刻量测和量测噪声先验统计信息构建虚拟量测,并通过对虚拟量测采样以及融合提升系统量测信息可靠性,进而改善状态估计精度.同时,针对算法在工程应用中实时性、准确性以及鲁棒性等需求,设计了分布式加权融合和集中式一致性融合的两种实现结构.理论分析和仿真实验结果验证了算法的可行性和有效性.
- 胡振涛胡玉梅刘先省
- 关键词：卡尔曼滤波
