粒子滤波算法及其应用
本书系统介绍粒子滤波算法的基本原理和关键技术，针对标准粒子滤波算法存在的粒子退化、计算量大的缺点介绍了多种改进的粒子滤波算法，包括基于重要性密度函数选择的粒子滤波算法、基于重采样技术的粒子滤波算法、基于智能优化思想的粒子滤波算法、自适应粒子滤波算法、流形粒子滤波算法等，并将粒子滤波算法应用于机动目标跟踪、语音增强、传感器故障诊断、人脸跟踪等领域，最后探讨了粒子滤波算法的硬件实现问题，给出了基于DSP和FPCA的粒子滤波算法实现方法。内容简介本书系统介绍粒子滤波算法的基本原理和关键技术,针对标准粒子滤波算法存在的粒子退化、计算量大的缺点介绍了多种改进的粒子滤波算法,包括基于重要性密度函数选择的粒子滤波算法、基于重采样技术的粒子滤波算法、基于智能优化思想的粒子滤波算法、自适应粒子滤波算法流形粒子滤波算法等,并将粒子滤波算法应用于机动目标跟踪、语音增强、传感器故障诊断、人脸跟踪等领域最后探讨了粒子滤波算法的硬件实现问题,给出了基于DsP和FPGA的粒子滤波算法实现方法。本书可供高等院校电子信息、自动化、计算机应用、应用数学等有关专业高年级本科生和研究生,以及从事控制科学与工程、信号与信息处理领域的工程技术人员和研究人员参考阅读。图书在版编目(CIP)数据粒子滤波算法及其应用/朱志宇著.一北京:科学出版社,2010.6ISBN978-7-03-027611-7I.①粒…Ⅱ.①朱…Ⅲ.①非线性控制系统Ⅳ,①O231.2中国版本图书馆CIP数据核字(2010)第08821号责任編辑:孙芳王志欣/责任校对:陈玉责任印制;赵博/封面设计:耕者设计工作室學☆出版北京东黄城根北街|6号邮攻编码:100717http://www.sciencep400酉卹剩厂印刷科学出版社发行各地新华书店经销2010年6月第版开本;B5(720×10002010年6月第一次印刷印张:163/4印数:1-3000字数:324000定价:48.00元(如有印装质量问题,我社负责调换)前言粒子滤波又称序贯蒙特卡罗方法,是一种基于蒙特卡罗方法和递推贝叶斯估计的统计滤波方法,它依据大数定理,采用蒙特卡罗方法来求解贝叶斯估计中的积分运算。粒子滤波算法首先依据系统状态向量的经验条件分布在状态空间产生组随机样本的集合,然后根据观测量不断地调整粒子的权重和位置,通过调整后粒子的信息修正最初的经验条件分布。当样本容量很大时,这种蒙特卡罗描述就近似于状态变量真实的后验概率密度函数。粒子滤波适用于任何能用状态空间模型表示的非高斯背景的非线性随机系统,它完全突破了传统的 Kalman滤波理论框架,对系统的过程噪声和量测噪声没有任何限制,可适用于任何非线性系统,精度可以逼近最优估计,是一种很有效的非线性滤波技术,可广泛应用于数字通信、金融领域数据分析、统计学、图像处理、计算机视觉、自适应估计、语音信号处理、机器学习等方面。粒子滤波算法是现代信号与信息处理学科和统计模拟理论之间的交叉学科,其研究有着重要的理论意义和现实价值,随着计算机性能的迅速提高,这方法日益受到人们的关注。近年来,从解决粒子退化和粒子多样性丧失、提高算法实时性和鲁棒性、降低计算复杂度等角度考虑,国内外学者广泛开展了粒子滤波研究。本书系统总结了近年来粒子滤波的研究成果,针对粒子滤波算法的缺点提出了若干种改进算法,包括基于微分流形的粒子滤波算法、基于人工鱼群的粒子滤波算法、基于神经网络的粒子滤波算法、自适应粒子滤波算法等;广泛探讨了粒子滤波算法的各种应用,给出了粒子滤波算法的硬件实现方法在本书编撰过程中,作者研读了大量文献,参考融合了国内外专家、学者们在相关领域的硏究成果,在此,对他们表示衷心谢意!王建华教授、姜长生教授、张冰教授对本书的编写工作提供了很多宝贵意见,杨官校、李冀、皇丰辉、刘炜、薄超等同学编制了书中的仿真程序,赵成、苏岭东、姜威威等同学绘制了书中的部分图表。在此,向参与和关心本书编写工作的各位同事和同学表示真诚的感谢本书的出版得到了江苏省高校自然科学基金(项目编号:06KJB510030)和中国船舶行业预研基金(项目编号:3.1.5)的资助。由于作者学术水平有限,书中难免存在不妥之处,殷切期望广大读者批评指正。作者2010年3月目录前言第一篇粒子滤波算法第1章绪论1粒子滤波的发展和应用……··d·············.41.2粒子滤波的缺点和现有的解决方法4第2章 Kalman滤波理论2.1标准 Kalman滤波算法R-y滤波器102.3EKF滤波算法24 MVEKF算法142.5UKF算法D春看曲。·鲁b·····。音·看自。··非自b。非…………15第3章从贝叶斯理论到粒子滤波…193.1动态空间模型3.2贝叶斯估计理论203.3蒙特卡罗积分………·.·日···↓..··":·.·“.···香。·。着非●自·223.4序贯蒙特卡罗信号处理2435粒子滤波27第4章基于重要密度函数选择的改进粒子滤波算法334.1GHPF…………………………………………………334.2 EKPF354.3 UPF374.4 IMMPF算法…………384.5二阶中心差分粒子滤波…………404.6基于 Stiefel流形的粒子滤波器研究434.7混合退火粒子滤波器研究45IV粒子滤波算法及其应用第5章基于重采样技术的改进粒子滤波算法最自自自485.1重要性重采样粒子滤波器………485.2基于MCMC的粒子滤波……495、3AVPF……………525.4 RPF∴…545.5核K-粒子滤波算法(KPF)5.6基于权值选择的粒子滤波算法…575.7线性优化重采样粒子滤波算法5.8基于 Stiefel流形和权值优选的粒子滤波器( SM-WSPF)研究605.9基于 Stiefel流形和线性优化重采样的粒子滤波器( SM-LOCR-PF)研究615.10其他常用的重采样方法621仿真分析第6章基于智能优化思想的粒子滤波算法6.1GPF算法…………………736.2 PSO-PF算法p·普·日···曹·。昏鲁··甲啊·。··中日中··串自自·事6.3 AFSA-PF算法6.4AIPF算法鲁音·鲁甲··鲁曹·自·即………906.5仿真分析97第7章基于神经网络的粒子滤波算法……1027.1基于神经网络的重要性权值调整粒子滤波( NNWA-PF)算法…1027.2基于神经网络的重要性样本调整粒子滤波( NNISA-PF)算法1057.3仿真分析……109第8章APF算法音·自·普自自自非●·P,自自··自··非鲁自单最自自音自自自·4非鲁备自音。非·鲁音。··音鲁1148.1似然分布自适应调整1148.2样本数APF8.3改进APF…1188.4APF的仿真分析…119第9章其他粒子滤波算法1269.1免重采样粒子滤波1269.2MPF……………………………………………………132目录9.3分布式粒子滤波134第二篇粒子滤波算法的应用第10章粒子滤波算法在机动目标跟踪中的应用……1390.1基于贝叶斯理论的目标跟踪技术…………………13910.2机动目标的运动模型……14010.3多目标跟踪中的联合概率数据关联方法14210.4非线性、非高斯条件(闪烁噪声)下的机动目标跟踪14510.5基于粒子滤波和JPDA的多目标跟踪数据关联算法10.6仿真实验…150第11章粒子滤波应用于语音信号增强………16111.1语音增强技术………………………………………16111.2TVAR模型11.3基于GPF的语音增强算法11.4语音信号增强仿真实验…I68第12章粒子滤波应用于传感器故障诊断e早看值·看…………17212.1故障诊断的方法…17212.2传感器故障诊断的基本原理…17412.3应用粒子滤波进行故障诊断鲁番“·.····.;·4···17712.4仿真实例分析180第13章粒子滤波算法在人脸跟踪中的应用19013.1人脸跟踪介绍…………………19013.2跟踪算法相关理论基础·19313.3基于直方图的坞值偏移人脸跟踪算法·19613.4基于直方图的粒子滤波人脸跟踪算法20113.5基于椭圆拟合的人脸跟踪算法…20613.6基于流形的人脸跟踪算法p音直最看·鲁鲁··息·翟·唱备售暴4鲁售聊鲁20713.7人脸跟踪仿真…………鲁电210第14章粒子滤波在倒立摆控制系统中的应用21614.1引言21614.2倒立摆控制系统模型216粒子滤波算法及其应用14.3基于神经网络的倒立摆控制系统研究∴21914.4粒子滤波优化神经网络倒立摆控制仿真…22第15章基于DSP实现的粒子滤波算法……22515.1FBPF算法鲁t·息鲁鲁∴22515.2基于硬件实现的改进FBPF算法…22715.3实现改进FBPF算法的DSP···→·········:·..··.·;····..·········22815.4改进FBPF算法DSP实现的软件环境…23015.5改进FBPF算法的软件仿真与DSP实现…23115.6基于改进FBPF算法的GPS导航系统设计237第16章基于FPGA的粒子滤波算法实现∴24116.1基于FPGA的改进FBPF算法的总体设计∴…241l16.2FPGA简介…24216.3改进FBPF算法的软件仿真与FPGA实现245参考文献…:a4a....············.··.··········253第一箭粒子滤波算法
- 2020-06-21下载
- 积分：1
NTC热敏电阻温度采集方案
NTC温度采集方案，有详细的算法，包括一些程序，硬件设计等SUNPLUS用热敏电阻做朵用温度月录页系统概要系统说明热敏电阻器1.2.1电阻一温度关系1.3数值处理线性插值软件说明软件说明2档案构成2.3程序说明程序范例DEMO程序使件原理佟使用资源硬件使用资源说明参考文献SUNPLUS用热敏电阻做朵用温度修订记录版本日期编写及修订者编写及惨订说明初版错误校SUNPLUS用热敏电阻做朵用温度系统概要系统说明木应用例实现ⅳrC热敏电阻器对温度的测量。热敏电阻器把温度的变化转换为电阻阻值的变化,再应用相应的测量电路把阻佶的变化转换为电压的变化;SPMC75F2413A内建8路ADC可以把模拟的电压值转换为数字信号,对数值信号进行处理可以得到相应的温度值。热敏电阻器热敏电陧有电阻值随温度升高而升高的正温度系数(3 ositive Tcmpcraturc Coefficient简称PC)热敏电阻和电阻值随温度升高而降低的负温度系数( Negative TemperatureCoefficient简称NTC)热敏电阻。NT~热敏电阻器,是·种以过渡金属氧化物为主要原材料,采用电了陶瓷⊥艺制成的热敏半导体陶瓷组件ε这种组件的电阻值随温度升髙而降低,利用这一特性可制成测温、温度补偿和控温组件,又可以制成功率型组件,抑制电路的浪涌电流。电阻温度特性可以近似地用下式来表示:式中:Rη、R分别表示NTC在温度T(K)和额定额定温度T(K)卜的电阻值,单位2,T、T为温度,单位K(Ts(k)-273.15+T(℃))。B,称作B值,NTc热敏电阻特定的材料常数(Beta)。由于B值同样是随温度而变化的,因此NT热敏电阻的实际特性,只能粗略地用指数关系来描述,所以这种方法只能以一定的精度来描述额定温度或电阻值附近的有限的范围。但是在实际应用中,要求有比较精桷的R-T曲线。要用比较复杂的方法(例如用thesteinhart-Hart方程),或者用表格的形式来给定电阻/温度关系应用例选用NC热敏电阻器CwF2-502F3950,基于精确的R-T曲线,来对温度进行精确的测量。电阻一温度关系如表1-1所示,NC热敏电阻器CwE2-502F3950各温度点的电阻值,即电阻一温度关系表。从提供的电阻一温度关系表中可以看出NTC热敏电阳器CWE2-502E3950的测温范围为[-55℃,125℃],其电阻值的变化范围为[25006292,242.6492]。表1-1电阻一温度关系衣温度℃电阻值Ω温度℃电阻值Q温度℃电阻值Q55250062542374045322523952213575120241219175C4918158018171895-471626844615393345l∠56384∠1377534313029342123231-4111655CSUNPLUS用热敏电阻做朵用温度4010232391042613898621.793295.53688267.43583521.83479043.93374819.23270833.93167074.730635292960184.6-2857030.22754054.72651247.9-25486002446101.6234374422415192139418.82037435.9-1935563.51833795-1732124.463C545.829053.827643.3-1326309.525047.91123854.2-1022724,621655.320642.719683.618774.917913.6417097.116332.915588.4111891.5014230113601.913005.412438.7l1900.111388.210901.310438.39997.74578.41109181113799128436.83133091.73147762.787449.16167150.C4176864.7592.4196332.49206C34.32215847.31225620.89235404,53245197.72255000264810.9274630.014456.93294291.283C4132.69313980.83323835.383696.03343562.193434.53194.1383C81.22392972.92402869412769.24422673.47432581.5442493.17452408.3462326.76472248.38482173.04492100.6502032511963.92521899.441837.4541777,6已1720.2561664.85571611.541560.2591510.746C1463.08611417,14621372.87631330.18641289.C21249.321211.03671174.C91138.44691104.04701070.83711C38.78721007.8273977.9374949,0675921.1776894.22868.1878843.027980795.1781772.4382750.4483729.1784708.685688.786669.4487650.88632.76SUNPLUS用热敏电阻做朵用温度89615.39C91582.0292566.179550.8194535.9495521.5396507.5797∠94.0598480.9499468.23100453.301443.9710243210321.15104410.26105399.69106389.4407379.5103369.85109360.48101,411112.57112334.01325.69114317.62115309.7716302.16117294.76118287.5719280.59120273.8121267.21122260.8123254.512L248.52125242.64数值处理通过表1-1电阻一温度关系表可以很直观的看到电阻的变化范围从242.649到2500629,在-55℃的时候其表现出的电阻值是125℃时所表现的电阻值的1030倍,这幺大的变化范围也为ADC测量带来了困难。测量电路如图1-1所示。如图1-1测量电路如上图所示NTC热敏电阻Rⅴ和测量电阻Rm(精密电阻)组成一个简单的串联分压电路,参考电压VCC Ref经过分压可以得到一个电压值随着温度值变化而变化的数值,这个电压的大小将反映出NTC电阻的人小,从而也就是相应温度值的反映。通过欧姆定律可以得到输出电压值Vadc和NTc电阻值的一个关系表达式:vadVre上+Rm/(Rv+Rm)那幺接下来的数据处理将基于式(1)展开:sPMC75F2413A的ADC为10-Bit的精度,其参考电SUNPLUS用热敏电阻做朵用温度压为5V,因此这里可以选择Vre￡=5V。各温度点对应的ADC转换后的数字量可以计算。Dadc = 1024*Adc/5V(2)式(1)、(2)结合可以得到:Dadc 1024*Rm/(Rv+Rm)(3)如果这里取测量电阻Rm选择4.7K9,那幺可以计算出在-55℃时所对应的Dadc=1024*1000/(250062+100C)=4;在125℃时所对应的Dadc=1024*1000/(242.64+10C0)824。根据这样的对应关系对数据进行预处理,得到如下处理结果如表1-2所示:表1tatic const Int16 NTCTAB2[18119,20;21,22,23,24,26,27,29,30,32;34,36,38,40,42,44,47,49,52,55,57,61;64,67,71,74,78,82,86,90,95,99,104,109114120,150,156,161,168,172,180,187,194,201,208,215,22,230,238,247255,264,272,280,291,302,310;319328,338;347,357367,376,384;395,4C5,414r424;434444,453,464,47448,494,502;512,522,531,540,551,560,569,579,586;595,604,613,624,633,642,650;658,666,673,680,688:696,704,712,719,726,733,741;749,755,760,767,774,780,785,791,798,804,811,816,8827,832,837,842;847,851,856;862,868,873,856;860,64,868,872,376;879,883,886;890,893,896,899;902,905,908,911,914;917,919,922;924,927,929,931;934,936,938,940,942,94,946,947,949,951,953,954,956,958,959,961,962;964,965,966,968,969,970,971,973,974};//4.7K当然这也是应用例中所需要的一个很重要的转换表,这一部分是事先制作好的表格,将为接下来的处理提供参考依据。测量电阻Rm的选取是有一定的规律的,在实际的应用中不一定都需要测量全程温度,可以估算岀大致的温度范围。木着提高测量精度的宗旨:如果是应用在测量低温的系统中建议Rπ选择较大的电阻(10KΩ),如果在测量较高温的系统中建议Rn选择较小的电阻(1κΩ)等。线性插值在AEC进行数据采集的过程中不可能每个数值都在整温度所对应的AD数值上,所以如果在两个数据的中间一段就要对其进行进一步的精确定位。这样就必须知道采集到的数据在表1-2中的具体位置,因此要对数据表进行搜索、查找。线性表的查找(也称枍索),可以有比较常见的顺序查找、折半查找及分块查找等方法,分析线性表1-2可以得到折半查找的算法是比较高效的。Eg如果ADC采样的数值为Dade=360,即357
- 2020-12-04下载
- 积分：1
