红外与激光工程
2021, 50(11): 20210039
为了提高制导导弹引信的起爆控制精度，得到更为准确的起爆延迟时间，提出了一种基于红外导引头、激光测距仪测量数据的一体化信息融合方法。在多模信息处理时，不同传感器的开机时间、采样频率不同以及观测数据存在时间差造成了两台传感器测量数据不在同一个时间基准上，故而在典型弹目交会环境下给出了一种基于内插外推的时间对准方法，从而将传感器测量所得数据应用于延迟时间模型计算中。在该模型的基础上，提出了一种基于改进粒子滤波的一体化传感器集中式数据滤波算法。与传统扩展卡尔曼滤波算法的对比仿真实验结果表明: 在该方法下，探测角精度提高了80.45%，方位角测量精度提高了78.61%，从而提高了一体化引信的起爆控制精度。
制导引信一体化 多模信息融合 粒子滤波 扩展卡尔曼滤波 Guidance Integrated Fuze (GIF) multi-mode information fusion particle filtering extended Kalman filter
1 中国民航大学航空地面特种设备民航研究基地, 天津 300300
2 中国民航大学电子信息与自动化学院, 天津 300300
雨雾天气严重影响了户外拍摄图像质量,针对图像去雾存在的边缘伪影问题,提出了一种基于流形粒子滤波的去雾新方法,通过优化大气透射率,获得精确的透射率,解决了景深边缘伪影问题;针对去雨雾存在雨痕和不清晰问题,提出了一种优化注意生成对抗网络的去雨雾方法,通过将高斯模型与生成对抗网络相结合,去除背景干扰,提高了背景层与雨线分离的准确性,同时在生成对抗网络中加入流形粒子滤波去雾模块,恢复出清晰无雨雾图。采用自然场景雨雾天图像进行测试,并进行定性定量分析比较。实验结果表明,与现存去雨算法相比,所提算法能较好地去除图像中的雨线,且细节特征更加丰富,同时去雾模块的加入显著提高了图像清晰度,客观指标也得到了提升。
图像处理 流形粒子滤波 图像去雨雾 注意生成对抗网络 纹理细节 激光与光电子学进展
2020, 57(14): 141027
1 河北工业大学电子信息工程学院, 天津 300401
2 邯郸学院信息工程学院, 河北 邯郸 056005
针对目前室内定位精度低及部署成本高的问题,提出了一种基于智能手机的可见光通信与改进的行人航迹推算(VLC/IPDR)粒子滤波融合室内定位方法。该方法首先对智能手机CMOS摄像头拍摄的发光二极管(LED)光源图像信息进行解码,确定待定位点所属的LED区域。然后根据光照度模型及手机陀螺仪获得的方向角推算具体位置信息。最后将VLC获取的位置坐标作为观测值,将IPDR作为粒子滤波的状态转移方程,用粒子滤波将二者融合后进行联合定位。实验结果表明,在3 m×3 m×3 m的小空间、单光源条件下,该方法的平均定位误差小于6 cm,在120 m与45 m垂直相交路径上的多运动模式定位测试中,平均定位误差小于0.2 m。
室内定位 粒子滤波 可见光通信 行人航迹推算 智能手机
1 南京航空航天大学民航学院, 江苏 南京 210016
2 南京航空航天大学飞行模拟与先进培训工程技术研究中心, 江苏 南京 210016
3 上海航天技术研究院上海机电工程研究所, 上海 201109
在虚拟现实环境中手部跟踪是视觉交互系统的基础和核心。针对现有视觉跟踪方法在手部运动姿态、尺度变化及复杂背景条件下出现的稳健性等问题, 结合纹理和轮廓信息, 利用基于梯度方向局部二值模式特征为基础的粒子滤波跟踪算法, 建立局部和全局的特征直方图描述, 实现手部跟踪。针对粒子匮乏问题, 利用红外深度信息, 并引入基于群智能的人工蜂群算法, 将当前时刻的观测信息融合在粒子预测的采样和更新阶段, 高效完成目标的搜索和优化, 降低粒子集衰减程度, 改善状态估计精度。实验结果表明, 该方法在各种复杂背景下可以实现手部的稳健跟踪。
机器视觉 视觉跟踪 粒子滤波 人工蜂群算法 红外深度信息 梯度方向二值模式特征
1 湖南警察学院信息技术(网监)系，长沙 410073
2 网络犯罪侦查湖南省普通高等学校重点实验室， 长沙 410073
3 国防科学技术大学, 机电工程与自动化学院, 长沙 410073
4 3.国防科学技术大学, 航天科学与工程学院，长沙 410073
为实现无人机精确自主着舰, 需要精确测量无人机相对舰面高度, 确定着舰位置。传统的GPS/INS组合导航系统在离舰高度30 m以下测量精度较差, 并且难以对着陆区域定位, 无法满足要求。为此, 提出采用毫米波雷达/GPS/INS多传感器组合导航方案。为解决毫米波雷达与GPS/INS融合过程中对状态量和未知参数的估计问题, 提出与增广卡尔曼滤波算法相对应的增广粒子滤波算法。该算法将动态系统中的未知参数作为状态变量对系统状态方程进行增广, 采用高斯随机游走模型对未知参数建模, 进而利用粒子滤波算法对增广的非线性动态系统进行状态估计, 求出系统的未知参数。通过仿真测试验证了所设计算法的有效性以及该组合导航系统应用于无人机自主着舰的可行性。
无人机自主着陆 毫米波雷达 组合导航 粒子滤波算法 参数估计 UAV autonomous landing millimeter-wave radar integrated navigation system particle filtering algorithm parameter estimation
1 海军航空工程学院科研部，山东 烟台 264001
2 中国人民解放军92635部队，山东 青岛 266000
针对部分可观测信息条件下量测噪声未知时粒子滤波剩余寿命预测的问题, 提出了一种基于集成神经网络和粒子滤波的寿命预测方法。首先, 结合设备性能退化量测数据, 生成状态-观测数据组, 并利用bootstrap技术构建多个数据组, 采用集成神经网络训练状态-观测数据组, 根据推导公式估计量测噪声标准差的最优取值范围; 其次, 将量测噪声标准差作为未知参数嵌入在粒子滤波寿命预测框架中, 实现非线性系统的剩余寿命预测及概率密度分布; 最后, 选取锂离子电池寿命预测仿真验证了该方法的有效性和可行性。
粒子滤波 集成神经网络 剩余使用寿命预测 锂离子电池 particle filtering integrated neural network remaining useful life prediction lithium-ion battery
1 陆军军官学院偏振光成像探测技术安徽省重点实验室, 安徽 合肥 230031
2 陆军军官学院十一系, 安徽 合肥 230031
L1跟踪对局部遮挡具有较好的稳健性, 但存在对模板中的离群信息比较敏感和计算速度慢的问题。针对这两个问题, 提出了两阶段稀疏表示模型, 并基于块坐标优化原理设计了相应的快速求解算法。在第一阶段, 该算法利用局部约束线性编码, 求解目标模板表示系数, 在第二阶段, 该算法利用软阈值操作, 求解小模板表示系数。以粒子滤波为跟踪方法, 结合提出的模型和算法实现了稳健快速的视觉跟踪。利用标准图像序列对提出的方法进行了验证, 实验结果表明, 提出的跟踪方法在稳健性和跟踪速度方面均优于现有跟踪方法。
机器视觉 目标跟踪 两阶段稀疏表示 粒子滤波 光学学报
2016, 36(12): 1215001
1 中国空气动力研究与发展中心, 四川 绵阳 621000
2 中国科学院光电技术研究所, 成都 610209
3 中国科学院大学, 北京 100049
针对灰度图像目标色彩信息贫乏从而易陷于局部相似, 致使跟踪点发生漂移导致跟踪失败的问题, 构建了一种基于均值偏移的改进算法, 在直方图模式中加入了目标对比度均值差分、平均梯度强度及局部灰度概率等特征, 增加了目标特征维数, 对目标进行精细刻画。并结合粒子滤波, 有效提高灰度成像目标的跟踪稳定性和精确定位问题。试验结果表明, 这种方法能够在较复杂背景下及目标快速运动时对锁定目标进行有效的跟踪定位, 跟踪误差小, 鲁棒性较强。
目标跟踪 均值偏移 多特征融合 粒子滤波 target tracking mean shift multi-feature fusion particle filtering
合肥工业大学计算机与信息学院, 合肥 230009
针对当前目标跟踪算法鲁棒性低且运算慢的问题, 本文提出了一种基于子空间学习的实时目标跟踪算法。该方法在粒子滤波跟踪框架下, 采用增量式 PCA子空间学习方法学习一个正交子空间, 利用学习到的正交子空间对目标外观进行线性表示; 针对目标在遮挡、运动模糊等复杂干扰状态下容易产生跟踪漂移的问题, 本文建立了一个将遮挡等复杂因素考虑在内的观测模型和模板更新方案, 解决了基于最小均方误差准则的传统观测模型在复杂场景下的跟踪漂移问题。实验结果表明, 本文的跟踪方法能够达到很高的跟踪精度, 同时也达到了接近实时的跟踪速度。
视觉跟踪 PCA子空间 增量式子空间学习 粒子滤波 visual tracking PCA subspace incremental subspace learning particle filtering
