针对图像序列中多目标检测和跟踪算法结构复杂、计算量大、性能降低等问题,提出一种基于代价参考粒子滤波器组的多目标检测前跟踪(Cost-reference particle filter bank based multi-target track-before-detect, CRPFB-MTBD)算法,将多...针对图像序列中多目标检测和跟踪算法结构复杂、计算量大、性能降低等问题,提出一种基于代价参考粒子滤波器组的多目标检测前跟踪(Cost-reference particle filter bank based multi-target track-before-detect, CRPFB-MTBD)算法,将多目标跟踪问题转换为序贯地检测和跟踪多个单目标的问题.首先,采用代价参考粒子滤波器组序贯地估计所有可能单目标状态序列;其次,基于所有可能单目标状态序列的欧氏距离和累积代价确定目标数量;最后,根据累积代价判断每个目标出现和消失的具体时刻.仿真实验验证了CRPFB-MTBD的优良性能,与基于传统粒子滤波的多目标检测前跟踪算法(Particle filter based multi-target track-before-detect, PF-MTBD)、基于概率假设密度的检测前跟踪算法(Probability hypothesis density based track-before-detect, PHD-TBD)和基于伯努利滤波的检测前跟踪算法(Bernoulli based track-before-detect, Bernoulli-TBD)相比, CRPFB-MTBD的目标状态序列和数量估计结果最佳,且平均单次运行时间极短.展开更多
相比燃油拖拉机,电动拖拉机具有节能高效、绿色清洁的优点。分布式驱动电动拖拉机结构简单、控制维度多,能进一步提高电动拖拉机的工作效率和作业精度。但是电机检测转速噪声导致轮毂电机速度波动严重,复杂路面及多种作业工况下进一步...相比燃油拖拉机,电动拖拉机具有节能高效、绿色清洁的优点。分布式驱动电动拖拉机结构简单、控制维度多,能进一步提高电动拖拉机的工作效率和作业精度。但是电机检测转速噪声导致轮毂电机速度波动严重,复杂路面及多种作业工况下进一步加剧了上述问题,严重降低了拖拉机的作业质量。针对上述问题,该研究提出一种基于sigmoid滤波器的线性自抗扰控制(linear active disturbance rejection control,LADRC)以提高轮毂电机的转速稳定性和抗扰动能力。该控制策略在传统LADRC的基础上引入sigmoid滤波器至扩张状态观测器(extended state observer,ESO),根据输入噪声信号误差变化改变滤波器带宽,以抑制观测误差中的中高频干扰信号,同时避免滤波器积分环节对轮毂电机速度跟踪快速性的影响,具有较快的收敛性。搭建试验平台对所提出控制策略进行试验验证,结果表明:与传统LADRC策略相比,本文所提控制策略在变速和变载工况下的转速脉动分别减小了32%和41.67%,iq电流脉动分别减小了6.25%和4.17%,可在快速、准确跟踪给定转速的同时,大幅提高轮毂电机驱动系统的噪声抑制性能,为复杂环境下电动拖拉机高精度作业提供技术参考。展开更多
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...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。展开更多
文摘针对图像序列中多目标检测和跟踪算法结构复杂、计算量大、性能降低等问题,提出一种基于代价参考粒子滤波器组的多目标检测前跟踪(Cost-reference particle filter bank based multi-target track-before-detect, CRPFB-MTBD)算法,将多目标跟踪问题转换为序贯地检测和跟踪多个单目标的问题.首先,采用代价参考粒子滤波器组序贯地估计所有可能单目标状态序列;其次,基于所有可能单目标状态序列的欧氏距离和累积代价确定目标数量;最后,根据累积代价判断每个目标出现和消失的具体时刻.仿真实验验证了CRPFB-MTBD的优良性能,与基于传统粒子滤波的多目标检测前跟踪算法(Particle filter based multi-target track-before-detect, PF-MTBD)、基于概率假设密度的检测前跟踪算法(Probability hypothesis density based track-before-detect, PHD-TBD)和基于伯努利滤波的检测前跟踪算法(Bernoulli based track-before-detect, Bernoulli-TBD)相比, CRPFB-MTBD的目标状态序列和数量估计结果最佳,且平均单次运行时间极短.
文摘相比燃油拖拉机,电动拖拉机具有节能高效、绿色清洁的优点。分布式驱动电动拖拉机结构简单、控制维度多,能进一步提高电动拖拉机的工作效率和作业精度。但是电机检测转速噪声导致轮毂电机速度波动严重,复杂路面及多种作业工况下进一步加剧了上述问题,严重降低了拖拉机的作业质量。针对上述问题,该研究提出一种基于sigmoid滤波器的线性自抗扰控制(linear active disturbance rejection control,LADRC)以提高轮毂电机的转速稳定性和抗扰动能力。该控制策略在传统LADRC的基础上引入sigmoid滤波器至扩张状态观测器(extended state observer,ESO),根据输入噪声信号误差变化改变滤波器带宽,以抑制观测误差中的中高频干扰信号,同时避免滤波器积分环节对轮毂电机速度跟踪快速性的影响,具有较快的收敛性。搭建试验平台对所提出控制策略进行试验验证,结果表明:与传统LADRC策略相比,本文所提控制策略在变速和变载工况下的转速脉动分别减小了32%和41.67%,iq电流脉动分别减小了6.25%和4.17%,可在快速、准确跟踪给定转速的同时,大幅提高轮毂电机驱动系统的噪声抑制性能,为复杂环境下电动拖拉机高精度作业提供技术参考。
文摘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。
