导读:本文包含了改进粒子滤波算法论文开题报告文献综述及选题提纲参考文献，主要关键词:物联网,大数据,人工蜂群算法,特征选择
改进粒子滤波算法论文文献综述
吴颖,李晓玲,唐晶磊[1]（2019）在《Hadoop平台下粒子滤波结合改进ABC算法的IoT大数据特征选择方法》一文中研究指出针对现有物联网大数据特征选择算法计算效率低下、可扩展性不高的问题,提出一种基于改进人工蜂群(ABC)选择特征的系统架构,该架构包含四层体系,可以高效地聚合有效数据,剔除不需要的数据。整个系统是基于Hadoop平台、MapReduce以及改进ABC算法的。改进ABC算法用于选择特征,而MapReduce则由并行算法支持,该算法可高效处理大数据集。该系统使用MapReduce工具实现,并利用粒子滤波来消除噪声。将提出的算法与同类方法进行比较,并通过使用十个不同的数据集对效率、准确性和吞吐量进行评估。结果表明,相比其他几种较新的算法,提出的算法在选择特征时更具可扩展性和高效性。(本文来源于《计算机应用研究》期刊2019年11期）
李亚文,刘萌[2]（2019）在《一种改进型的粒子滤波算法在运动目标跟踪中的应用》一文中研究指出针对传统粒子滤波算法进行目标跟踪时,当跟踪目标颜色与背景近似或者有遮挡时,易出现跟踪丢失的现象,论文提出了一种改进型的粒子滤波算法,将传统粒子滤波算法和卡尔曼滤波算法相结合,将跟踪目标分成多个子块并进行子模块匹配,并把匹配的子模块和预测的目标位置进行融合,实现对运动目标的准确跟踪。对采集的一段视频在Matlab中进行仿真实验,实验结果表明,改进型的粒子滤波算法能较好的实现对目标背景近似或遮挡时运动目标的跟踪,跟踪精度较高,算法鲁棒性好。(本文来源于《舰船电子工程》期刊2019年10期）
刘彦超,刘慧文,高薇,李凤银[3]（2019）在《基于改进粒子滤波算法的小型无人机传感器故障诊断方法》一文中研究指出小型无人机传感器的工作状态直接影响着飞行的安全性和稳定性。因小型无人机特殊的工作环境,其故障诊断的难度较大。因此,为了提高小型无人机传感器故障诊断的精确度和适用性,提出一种基于改进粒子滤波算法的小型无人机故障诊断方法。所提出算法结合遗传算法对粒子滤波算法进行了改进,并把传感器故障诊断问题视为多维复合假设检验问题。此外,利用序贯概率比检验法分析粒子滤波估计值与传感器输出值的残差,从而诊断对应的传感器是否发生故障。一旦传感器出现故障,使用广义最大似然法则来辨识具体的故障类型。仿真结果表明:该方法能完成小型无人机的多种故障类型识别,且具有较高的诊断精度。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年10期）
张颖,高灵君[4]（2019）在《基于格拉布斯准则和改进粒子滤波算法的水下传感网目标跟踪》一文中研究指出水下无线传感网络(UWSN)执行目标跟踪时,因为各个传感器节点测量值对目标状态估计的贡献不一样以及节点能量有限,所以探索一种好的节点融合权重方法和节点规划机制能够获得更好的跟踪性能。针对上述问题,该文提出一种基于Grubbs准则和互信息熵加权融合的分布式粒子滤波(PF)目标跟踪算法(GMIEW)。首先利用Grubbs准则对传感器节点所获得的信息进行分析检验,去除干扰信息和错误信息。其次,在粒子滤波的重要性权值计算的过程中,引入动态加权因子,采用传感器节点的测量值与目标状态之间的互信息熵,来反映传感器节点提供的目标信息量,从而获得各个节点相应的加权因子。最后,采用3维场景下的簇-树型网络拓扑结构,跟踪监测区域内的目标。实验结果显示,该算法可有效提高水下传感器网络测量数据对目标跟踪预测的准确度,降低跟踪误差。(本文来源于《电子与信息学报》期刊2019年10期）
陈晓龙,史元浩,曾建潮,李强[5]（2019）在《基于改进粒子滤波算法预测健康状态的锅炉吹灰优化》一文中研究指出为了对锅炉受热面沉积的灰污进行及时、准确地清扫,制定合理的吹灰优化策略。采用清洁因子来评估受热面的健康状况,并根据实时监测数据结合改进粒子滤波;采用滚筒式预测单次积灰过程内清洁因子未来的变化趋势,并验证了该预测方法的准确度。同时,提出一种基于单位时间传热量损耗最低的吹灰优化模型,吹灰优化计算中采用相同工况下多组清洁因子数据进行拟合。以某300 MW燃煤锅炉为例,验证了所提优化模型的可行性。(本文来源于《热能动力工程》期刊2019年10期）
袁帅,苏航[6]（2019）在《基于改进PDF的粒子数量在线可调粒子滤波算法》一文中研究指出粒子滤波运行效率的一个关键参数是粒子数量。算法运行使用的粒子数量越多,滤波器得到的分布越接近真实分布,然而计算成本会随着粒子数量增加而剧增。所以需要合理选择一定数量的粒子提高滤波运行效率。该文提出在线方法调整粒子数量,实时评估收敛性,调整算法中使用的粒子数量M。参考辅助粒子滤波的思想,将即时的观测值信息引入到重要性概率密度函数当中,改进粒子分布概率密度。实验结果对整个算法的改进进行仿真验证,证明了改进算法的可行性。(本文来源于《科技资讯》期刊2019年27期）
樊学平,屈广,刘月飞[7]（2019）在《桥梁时变可靠度指标的改进粒子滤波预测算法》一文中研究指出基于健康监测时间序列数据,提出了桥梁动态可靠度指标的改进粒子滤波预测方法.首先,利用监测极值数据建立动态模型,将其作为粒子滤波算法的状态方程和监测方程;然后,采用贝叶斯动态线性模型(BDLM)为粒子滤波器提供随时间更新的动态建议分布,以解决传统粒子滤波算法的样本退化问题,同时增加了粒子滤波算法的鲁棒性及自适应性;进而利用改进的粒子滤波算法(IPF),结合极值监测数据实现结构极值的动态预测,并结合一次二阶矩(FOSM)可靠性方法,实现桥梁结构可靠度指标的动态预测;最后通过在役桥梁工程实例与设计试验对所提模型和方法的合理性与有效性进行验证.(本文来源于《同济大学学报(自然科学版)》期刊2019年08期）
林晓梦,高勇[8]（2019）在《一种改进重采样的粒子滤波盲分离算法》一文中研究指出在通信混合信号单通道盲分离技术中,粒子滤波盲分离算法是一大主流算法。针对粒子滤波算法必然存在的粒子退化问题,提出一种结合有效粒子数和残差重采样思想的改进重采样粒子滤波盲分离算法。所提算法在粒子退化,即有效粒子数减少至需进行重采样时,根据有效粒子数的值找出一定数量的权重大的粒子,按每个粒子的权重占总权重的比例复制一定数量的该粒子到新粒子集中。复制后将该粒子权重更新为剩余权重,把所有权重重新归一化,再用传统随机重采样方法复制少量粒子,完成重采样的改进算法,进而得到改进重采样的粒子滤波盲分离算法。仿真结果表明,在粒子滤波单通道盲分离应用中,提出的改进重采样算法与传统随机重采样算法相比,在复杂度近似相同的情况下误码性能提高了约1 d B。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2019年04期）
张忠子[9]（2019）在《基于改进粒子滤波跟踪算法的运动视频跟踪》一文中研究指出为了进一步提高目标跟踪的准确率,提出一种基于改进粒子滤波的运动视频跟踪算法。首先,通过高斯混合模型实现动态背景建模,从而降低噪声和局部动态背景的干扰;然后,在RGB颜色直方图分离的基础上,结合粒子滤波和迭代递归实现目标运动检测,提高了前景检测的准确性。仿真试验结果显示,相比典型粒子滤波算法、遗传粒子滤波和DCEM,改进粒子滤波跟踪算法得到的前景目标的轮廓更好,因此运动目标检测精确度更高且处理时间更短。(本文来源于《现代电子技术》期刊2019年15期）
任慧[10]（2019）在《自动控制中粒子滤波算法改进和应用》一文中研究指出粒子算法是一种新兴的适应于非线性系统的算法,不受系统模型与噪声分布的束缚就可以完成滤波要求,在故障诊断、信号处理、自动控制等领域中优势明显,发展潜力巨大。目前,粒子滤波算法还需要进一步完善,由此提出了一种基于引力场优化思想的粒子滤波算法,将改进后的离子滤波算法应用在机器人构建中,拓宽粒子滤波算法的应用范围。(本文来源于《自动化应用》期刊2019年07期）
改进粒子滤波算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统粒子滤波算法进行目标跟踪时,当跟踪目标颜色与背景近似或者有遮挡时,易出现跟踪丢失的现象,论文提出了一种改进型的粒子滤波算法,将传统粒子滤波算法和卡尔曼滤波算法相结合,将跟踪目标分成多个子块并进行子模块匹配,并把匹配的子模块和预测的目标位置进行融合,实现对运动目标的准确跟踪。对采集的一段视频在Matlab中进行仿真实验,实验结果表明,改进型的粒子滤波算法能较好的实现对目标背景近似或遮挡时运动目标的跟踪,跟踪精度较高,算法鲁棒性好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
改进粒子滤波算法论文参考文献
[1].吴颖,李晓玲,唐晶磊.Hadoop平台下粒子滤波结合改进ABC算法的IoT大数据特征选择方法[J].计算机应用研究.2019
[2].李亚文,刘萌.一种改进型的粒子滤波算法在运动目标跟踪中的应用[J].舰船电子工程.2019
[3].刘彦超,刘慧文,高薇,李凤银.基于改进粒子滤波算法的小型无人机传感器故障诊断方法[J].重庆理工大学学报(自然科学).2019
[4].张颖,高灵君.基于格拉布斯准则和改进粒子滤波算法的水下传感网目标跟踪[J].电子与信息学报.2019
[5].陈晓龙,史元浩,曾建潮,李强.基于改进粒子滤波算法预测健康状态的锅炉吹灰优化[J].热能动力工程.2019
[6].袁帅,苏航.基于改进PDF的粒子数量在线可调粒子滤波算法[J].科技资讯.2019
[7].樊学平,屈广,刘月飞.桥梁时变可靠度指标的改进粒子滤波预测算法[J].同济大学学报(自然科学版).2019
[8].林晓梦,高勇.一种改进重采样的粒子滤波盲分离算法[J].重庆邮电大学学报(自然科学版).2019
[9].张忠子.基于改进粒子滤波跟踪算法的运动视频跟踪[J].现代电子技术.2019
[10].任慧.自动控制中粒子滤波算法改进和应用[J].自动化应用.2019