亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        魯棒邊緣粒子濾波及在目標(biāo)跟蹤中應(yīng)用

        2021-12-22 13:48:04王宗原周衛(wèi)東
        計(jì)算機(jī)測(cè)量與控制 2021年12期
        關(guān)鍵詞:模型

        王宗原,周衛(wèi)東

        (1.哈爾濱工程大學(xué) 數(shù)學(xué)科學(xué)學(xué)院,哈爾濱 150001; 2.哈爾濱工程大學(xué) 智能科學(xué)與工程學(xué)院,哈爾濱 150001)

        0 引言

        濾波是基于從初始時(shí)間到當(dāng)前時(shí)間的噪聲測(cè)量對(duì)當(dāng)前狀態(tài)進(jìn)行估計(jì)的一種方法。已經(jīng)被廣泛應(yīng)用于許多領(lǐng)域,如目標(biāo)跟蹤、導(dǎo)航、機(jī)器人控制和信號(hào)處理[1-4]等。粒子濾波是利用加權(quán)粒子求和方法進(jìn)行非線性狀態(tài)空間模型狀態(tài)估計(jì)的高效方法。但是高維狀態(tài)如果直接用粒子濾波求解會(huì)產(chǎn)生維數(shù)災(zāi)難,導(dǎo)致粒子濾波崩潰而無(wú)法應(yīng)用[3]。為了提高粒子濾波廣泛的實(shí)際應(yīng)用性,目前普遍關(guān)注的是從系統(tǒng)模型結(jié)構(gòu)出發(fā)探究其是否具有條件線性子結(jié)構(gòu),從而通過(guò)狀態(tài)降維方法進(jìn)行狀態(tài)估計(jì)。通過(guò)查閱已有文獻(xiàn)可知,這一類模型在導(dǎo)航和目標(biāo)跟蹤領(lǐng)域廣泛存在。目前估計(jì)最有效方法是利用Rao-Blackwellised思想設(shè)計(jì)的粒子濾波(RBPF),或稱為邊緣粒子濾波[5],它將粒子濾波與線性最優(yōu)的卡爾曼濾波巧妙融合完成整體狀態(tài)估計(jì)。

        邊緣粒子濾波由于其更優(yōu)異的濾波設(shè)計(jì)方案,一經(jīng)出現(xiàn)在導(dǎo)航和目標(biāo)跟蹤及動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)中就取得成功應(yīng)用,而且為適應(yīng)不同系統(tǒng)模型及量測(cè)出現(xiàn)的各種新問(wèn)題,近幾年來(lái)研究人員對(duì)RBPF及其不同改進(jìn)形式進(jìn)行了廣泛研究,例如,文獻(xiàn)[6]中提出用遞推期望最大化方法開(kāi)發(fā)具有跳躍馬爾科夫鏈和系統(tǒng)結(jié)構(gòu)分解的Rao-Blackwellised粒子濾波算法;同時(shí)文獻(xiàn)[7]利用Rao-Blackwellised準(zhǔn)則結(jié)合RBPF平滑解決混合線性狀態(tài)空間模型具有量測(cè)失序的RBPF算法性能下降問(wèn)題,通過(guò)標(biāo)準(zhǔn)常加速模型的仿真結(jié)果,表明所提算法精度具有超過(guò)RBPF精度10%的性能;再有文獻(xiàn)[8]考慮了混合線性模型線性狀態(tài)方程噪聲之間及狀態(tài)方程噪聲與量測(cè)噪聲相依賴的情況,利用格萊姆-施密特解耦方法實(shí)現(xiàn)全部噪聲協(xié)方差矩陣的對(duì)角化形式,并在常速目標(biāo)跟蹤模型仿真中取得優(yōu)于標(biāo)準(zhǔn)RBPF精度的結(jié)果;進(jìn)一步文獻(xiàn)[9]將RBPF框架擴(kuò)展到系統(tǒng)全部為非線性方程的模型中得到分散粒子濾波(DPF),不同于卡爾曼濾波粒子濾波混合求解過(guò)程,DPF通過(guò)兩次權(quán)值及兩次重采樣計(jì)算得到兩次粒子混合估計(jì)結(jié)果。由以上的文獻(xiàn)描述可見(jiàn)RBPF算法適用各種新出現(xiàn)系統(tǒng)問(wèn)題的改進(jìn)形式已被廣泛探究,并且得到優(yōu)于標(biāo)準(zhǔn)RBPF的結(jié)果。但據(jù)作者所知,RBPF量測(cè)噪聲參數(shù)未知的改進(jìn)形式還沒(méi)有被涉及。

        雖然模型參數(shù)未知的貝葉斯濾波已通過(guò)狀態(tài)擴(kuò)維法[10]或交互式多模型(IMM)法[11]進(jìn)行了研究,但它們對(duì)噪聲參數(shù)未知情形還無(wú)法解決。近期文獻(xiàn)[12-13]針對(duì)噪聲異常情況通過(guò)變分推斷理論給出魯棒高斯近似濾波算法,并在目標(biāo)跟蹤模擬中得到成功應(yīng)用,但標(biāo)準(zhǔn)無(wú)跡卡爾曼濾波(UKF)或擴(kuò)展卡爾曼濾波(EKF)由于樣本點(diǎn)有限或線性化誤差原因?qū)τ谙嗤瑢?dǎo)航或目標(biāo)跟蹤問(wèn)題精度低于邊緣粒子濾波或其變形的DPF[14-15]。另外,水下運(yùn)載器地形輔助導(dǎo)航[16]、重力梯度輔助導(dǎo)航等組合導(dǎo)航估計(jì)方法也均采用RBPF[17],這是因?yàn)檫@些基于數(shù)據(jù)庫(kù)圖的地球物理場(chǎng)導(dǎo)航只能通過(guò)粒子表示載體全部可能位置,而且隨著粒子數(shù)增加,導(dǎo)航精度還可能繼續(xù)提高。

        RBPF的另一個(gè)重要應(yīng)用是在目標(biāo)運(yùn)動(dòng)分析(TMA) 領(lǐng)域,也即目標(biāo)跟蹤,這屬于通過(guò)方位測(cè)量對(duì)運(yùn)動(dòng)目標(biāo)狀態(tài)進(jìn)行估計(jì)的范疇[18]。由單運(yùn)動(dòng)觀測(cè)器收集量測(cè)形式已在無(wú)源傳感領(lǐng)域(如聲納或雷達(dá))具有廣泛應(yīng)用[19],過(guò)去幾年成為研究熱點(diǎn)。現(xiàn)在關(guān)注的是用遞推貝葉斯方法得到狀態(tài)后驗(yàn)概率密度函數(shù)(PDF)。TMA的特點(diǎn)通過(guò)觀測(cè)平臺(tái)的運(yùn)動(dòng)對(duì)目標(biāo)距離進(jìn)行觀測(cè)。下面將討論貝葉斯TMA的平面跟蹤問(wèn)題,它將從一維方位量測(cè)集獲得四維狀態(tài)后驗(yàn)PDFs,狀態(tài)包含目標(biāo)位置和速度。但高機(jī)動(dòng)目標(biāo)跟蹤通常會(huì)產(chǎn)生量測(cè)噪聲異常問(wèn)題[12-13],影響量測(cè)噪聲因素有接觸實(shí)際角度、目標(biāo)的距離和相對(duì)速度、信噪比、接收陣列形狀、傳播信道等等,這些因素很少能準(zhǔn)確知道并且隨時(shí)間推移而變化,因此工程實(shí)際中精確知道量測(cè)方差幾乎是不可能的,這就造成 TMA量測(cè)噪聲方差時(shí)變未知且包含異常值的特性。

        注意到現(xiàn)有邊緣粒子濾波及其各種改進(jìn)形式都沒(méi)對(duì)量測(cè)噪聲時(shí)變的目標(biāo)跟蹤問(wèn)題給出有效解決方案,這或許是由于如何在RBPF引入噪聲參數(shù)實(shí)時(shí)估計(jì)的方法還沒(méi)有被探究。為了設(shè)計(jì)具有量測(cè)方差自適應(yīng)估計(jì)能力的混合系統(tǒng)模型的魯棒邊緣粒子濾波算法,本文將探究使用Rao-Blackwellised原理及變分推斷公式對(duì)混合系統(tǒng)量測(cè)噪聲異常問(wèn)題進(jìn)行狀態(tài)估計(jì),并在典型TMA的平面跟蹤模型中進(jìn)行仿真驗(yàn)證。

        1 混合模型及邊緣粒子濾波

        1.1 目標(biāo)跟蹤模型

        Xk+1=FkXk-Uk+1,k+Gkwk

        (1)

        純角度觀測(cè)模型為:

        zk=atan2(xk,yk)+vk

        (2)

        atan2(·)表示四象限反正切函數(shù),此處得到k時(shí)刻目標(biāo)真實(shí)角度。觀測(cè)噪聲vk~N(0,Rk),Rk可能是時(shí)變且未知的。

        1.2 混合模型及濾波

        對(duì)式(1)、(2)組成目標(biāo)跟蹤系統(tǒng)模型進(jìn)行一般化引申,得到與組合導(dǎo)航及定位相同的如下線性非線性狀態(tài)混合模型表達(dá)式:

        (3)

        先忽略量測(cè)噪聲變化的情況,RBPF的狀態(tài)估計(jì)推導(dǎo)如下,聯(lián)合狀態(tài)的后驗(yàn)可分解為:

        (4)

        依據(jù)chapman-Kolmogorov公式,并根據(jù)高斯分布引理[12]:

        N(x|Φμ+d,ΦPΦT+∑)

        (5)

        可見(jiàn)前一時(shí)刻線性狀態(tài)后驗(yàn)對(duì)非線性狀態(tài)預(yù)測(cè)是附加噪聲,由于高斯過(guò)程噪聲,非線性狀態(tài)預(yù)測(cè)是如下高斯分布形式:

        (6)

        (7)

        (8)

        其中參數(shù)為:

        (9)

        (10)

        (11)

        (12)

        2 量測(cè)噪聲魯棒RBPF推導(dǎo)

        下面考慮量測(cè)噪聲方差未知的情形。采用將量測(cè)噪聲方差視為先驗(yàn)分布已知隨機(jī)變量,并把它應(yīng)用到遞推模型中,假定狀態(tài)與量測(cè)噪聲方差相互獨(dú)立有:

        p(xk,Rk|xk-1,Rk-1)=p(xk|xk-1)p(Rk|Rk-1)

        (13)

        其中:p(xk|xk-1)狀態(tài)遞推式,p(Rk|Rk-1)方差遞推式。利用貝葉斯濾波公式和Rao-Blackwellised法則,可用兩種方式同時(shí)求解狀態(tài)和方差后驗(yàn),第一種是如下分解:

        (14)

        (15)

        變分推斷得到的后驗(yàn)近似分布公式:

        q(Θi)∝exp{Eq(Θj≠i)[lnp(Θ|Z)]}

        (16)

        其中:Eq(Θj≠i)[lnp(Θ|Z)]表示條件聯(lián)合PDF對(duì)異于Θi的其它參數(shù)求期望[2]。下面給出適用于所提混合模型的具體推導(dǎo)過(guò)程,利用貝葉斯公式,非線性狀態(tài)及量測(cè)噪聲參數(shù)條件聯(lián)合分布表示為:

        (17)

        (18)

        G(·|α,β)表示超參數(shù)為α,β的伽馬分布,伽馬分布與高斯分布一樣都屬于具有封閉性質(zhì)共軛指數(shù)族。式(17)右端第一個(gè)表達(dá)式為高斯分布。第二個(gè)表達(dá)式噪聲參數(shù)即尺度矩陣、隱變量及自由度的聯(lián)合分布p(Λk,uk,vk),設(shè)為伽馬分布連乘積,又根據(jù)概率乘法公式及式(18)的第二個(gè)式子,有如下表達(dá)形式:

        其中:上角標(biāo)jj表示對(duì)角尺度矩陣第jj個(gè)分量,jj∈{1,2,…,m}。注意此時(shí)狀態(tài)粒子權(quán)值計(jì)算式:

        (19)

        注意權(quán)值計(jì)算時(shí)右面量測(cè)似然是用估計(jì)的尺度矩陣與自由度的t分布表示。由于參數(shù)粒子依賴狀態(tài)粒子,因此這也是參數(shù)粒子權(quán)值表達(dá)式。

        為了表示噪聲參數(shù)的變化情況,噪聲參數(shù)預(yù)測(cè)引入波動(dòng)參數(shù)ρ∈(0,1),噪聲超參數(shù)預(yù)測(cè)[2.20]表達(dá)式為:

        (20)

        變分推斷得尺度矩陣、隱變量及自由度參數(shù)變分后驗(yàn)如下。

        在(16)中令Θi=Λk,計(jì)算尺度矩陣變分后驗(yàn)PDF對(duì)數(shù)為:

        (21)

        可見(jiàn)尺度矩陣更新的超參數(shù)中包含隱變量的期望E[uk]。

        在(16)中,令Θi=uk,計(jì)算隱變量uk變分后驗(yàn)PDFq(uk)的對(duì)數(shù)為:

        (22)

        自由度變分后驗(yàn)計(jì)算與線性模型自由度變分后驗(yàn)計(jì)算相同,具體過(guò)程及結(jié)果參見(jiàn)文獻(xiàn)[2]。上式超參數(shù)遞推可見(jiàn)超參數(shù)更新過(guò)程會(huì)出現(xiàn)參數(shù)耦合情況,通過(guò)使用設(shè)置初始超參數(shù)值的固定點(diǎn)迭代方法[2]可以解決這個(gè)問(wèn)題。通過(guò)概率分布的期望公式,量測(cè)噪聲分布的參數(shù)期望計(jì)算為:

        (23)

        所提算法一步運(yùn)行過(guò)程總結(jié)如下:

        魯棒邊緣粒子濾波算法:

        2)對(duì)每一個(gè)αk|k-1:

        (1)從式(6)的建議分布提取非線性狀態(tài)預(yù)測(cè)αk|k-1,用(20)預(yù)測(cè)超參數(shù)αk|k-1,βk|k-1,

        (24)

        如果迭代沒(méi)終止,令k=k+1, 從步驟1開(kāi)始重復(fù)上述過(guò)程。

        3 仿真分析比較

        (25)

        1)Rk=Rk-1+εk,εk表示量測(cè)噪聲方差遞推式的過(guò)程噪聲被建模為高斯噪聲,即:

        εk~N(0,ζ2)

        (26)

        ζ2=0.012,單位deg2。

        2) 異常時(shí)變:

        (27)

        實(shí)驗(yàn)通過(guò)一次獨(dú)立實(shí)驗(yàn)真實(shí)位置和估計(jì)位置比較,及20次蒙特卡洛仿真均方根誤差來(lái)衡量不同算法的性能。均方根誤差(RMSE) 定義式為:

        (28)

        對(duì)于所給量測(cè)噪聲方差設(shè)置,此時(shí)標(biāo)準(zhǔn)RBPF算法運(yùn)行經(jīng)常有失效情況發(fā)生,具體為RBPF算法在迭代幾個(gè)時(shí)間步后算法失效,原因是粒子濾波運(yùn)行崩潰,從而導(dǎo)致整個(gè)濾波失效。而所提量測(cè)魯棒邊緣粒子濾波算法則始終在每次蒙特卡洛仿真時(shí)正常穩(wěn)健運(yùn)行。

        下面將RBPF能正常運(yùn)行情況下x-y面軌跡圖及東向與北向RMSE圖進(jìn)行比較。圖1~2為第一種噪聲情況下與標(biāo)準(zhǔn)RBPF算法比較的RMSE圖及軌跡圖。

        圖1 噪聲1下所提算法和RBPF算法估計(jì)軌跡RMSE比較圖

        圖2 噪聲1下真實(shí)軌跡與RBPF算法和所提算法軌跡比較

        表1 噪聲1下所提算法和RBPF算法目標(biāo)跟蹤性能比較

        從位置的具體數(shù)值上可以看到兩種算法對(duì)問(wèn)題描述的目標(biāo)跟蹤問(wèn)題都有較高的估計(jì)精度,即使所選擇的粒子數(shù)僅為100。而所提算法在X、Y方向的RMSE精度上要略高于所比較的RBPF,說(shuō)明在此種量測(cè)噪聲方差緩慢變化的情況下,所提具有方差自適應(yīng)魯棒邊緣濾波算法更具有狀態(tài)估計(jì)優(yōu)勢(shì)。

        圖3~4為第二種噪聲情況下兩種算法的東向與北向RMSE及軌跡比較圖。從圖3~4可見(jiàn),在x軸方向所提算法狀態(tài)估計(jì)精度略高于RBPF算法的精度;對(duì)于y軸方向精度可見(jiàn)除個(gè)別時(shí)間點(diǎn)外,所提算法的狀態(tài)估計(jì)精度對(duì)已有RBPF算法有較大提高;相比于RBPF位置估計(jì),所提算法位置估計(jì)更靠近真實(shí)位置。具體數(shù)值如表2所示。

        圖4 噪聲2下真實(shí)軌跡與RBPF算法和所提算法估計(jì)軌跡比較

        表2 噪聲2下所提算法和RBPF在目標(biāo)跟蹤性能比較

        第二種噪聲情況下,即使RBPF算法能夠正常運(yùn)行,所提算法的精度更高,相比于第一種噪聲結(jié)果優(yōu)勢(shì)更加明顯,說(shuō)明第二種噪聲情況下所提算法更具有適用性。

        當(dāng)然,如果噪聲方差是恒定不變且事先精確已知的情況下,已有RBPF算法精度略高于所提算法,因?yàn)樗崴惴ǖ姆讲钍怯盟惴▽?shí)時(shí)估計(jì)的方差計(jì)算,而RBPF算法是用精確已知的方差,這也解釋了為什么第二種噪聲情況某小段時(shí)間內(nèi)RBPF精度高于所提算法。

        另外雖然所提算法在CV模型中仿真驗(yàn)證,可以驗(yàn)證對(duì)常加速度CA的目標(biāo)跟蹤問(wèn)題也同樣具有優(yōu)異性能。另外所提算法單次仿真時(shí)間近似為RBPF算法單次運(yùn)行時(shí)間的2.5倍。

        4 結(jié)束語(yǔ)

        由于邊緣粒子濾波在導(dǎo)航和目標(biāo)跟蹤中的不可替代性,本文對(duì)現(xiàn)有邊緣粒子濾波無(wú)法解決量測(cè)噪聲方差未知的問(wèn)題進(jìn)行研究,通過(guò)將學(xué)生t分布加入混合模型,利用Rao-Blackwellised思想分別實(shí)現(xiàn)狀態(tài)條件降維及參數(shù)與狀態(tài)的同時(shí)估計(jì),由此開(kāi)發(fā)出一種魯棒邊緣粒子濾波。文中推導(dǎo)了噪聲參數(shù)及含有噪聲參數(shù)狀態(tài)的遞推計(jì)算公式,并把所提算法在典型目標(biāo)跟蹤模型中及設(shè)置的兩種不同量測(cè)噪聲下進(jìn)行仿真分析,結(jié)果表明這兩種情況下都具有更優(yōu)越的估計(jì)性能。

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務(wù)本地化模型
        適用于BDS-3 PPP的隨機(jī)模型
        提煉模型 突破難點(diǎn)
        函數(shù)模型及應(yīng)用
        p150Glued在帕金森病模型中的表達(dá)及分布
        函數(shù)模型及應(yīng)用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        3D打印中的模型分割與打包
        图图国产亚洲综合网站| 日本少妇浓毛bbwbbwbbw| 天天色影网| 日本免费一区尤物| 美女扒开内裤露黑毛无遮挡| 成人影院在线观看视频免费| 色欲综合一区二区三区| 好大好硬好爽免费视频| 亚洲无码激情视频在线观看| 国产日产亚洲系列首页| 又紧又大又爽精品一区二区| 国产精品无套内射迪丽热巴| 丰满熟妇人妻无码区| 精品久久一区二区三区av制服| 久久天天躁夜夜躁狠狠| 夜夜揉揉日日人人| 精品国产你懂的在线观看| 小池里奈第一部av在线观看| 色诱视频在线观看| 久久精品无码鲁网中文电影| av网站影片在线观看| 久久久精品亚洲一区二区国产av| 丰满少妇被粗大的猛烈进出视频| 国产国产人精品视频69| 玩弄极品少妇被弄到高潮| 中文乱码字幕精品高清国产 | 国产成a人亚洲精品无码樱花| 失禁大喷潮在线播放| 制服丝袜人妻中出第一页| 日本一区二区三区区视频| 国产精品成人va在线观看| 国产精品自在线免费| 亚洲女同恋中文一区二区| 色噜噜亚洲男人的天堂| 在线观看国产成人av片| 亚洲AV小说在线观看| 亚洲一区二区三区偷拍厕所| 97人人超碰国产精品最新| 中文字幕久久久久久精| 亚洲一区中文字幕一区| 男人的天堂免费a级毛片无码|