“粒子滤波算法”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果643367个，建议您升级VIP下载更多相关专利

[发明专利]一种基于模糊动态贝叶斯网络-自适应粒子滤波态势评估方法-CN201910156015.X在审
发明人：胡燕祝;王英剑;艾新波;王松 -专利权人：北京邮电大学
申请日： 2019-03-01 - 公布日： 2019-07-23 - 主分类号： G06F17/18 文献下载
摘要：本发明公开了一种基于模糊动态贝叶斯网络‑自适应粒子滤波态势评估方法，步骤是：1数据抗干扰及模糊化处理，2构建贝叶斯网络，3建立模糊动态贝叶斯网络,4分割模糊动态贝叶斯网络，5结合自适应粒子滤波。本发明与传统的态势评估方法相比，其优点为：采用线性回归模型对数据进行填充，结合属性删除和概念树提升技术实现数据模糊化以克服采集数据的不完备性，提高算法的准确性。相比较于静态推理算法，本发明介入时间特性提高了推理的实时性。将模糊动态贝叶斯网络分割后的每团结合自适应粒子滤波做预测处理，提高算法的速率和实时性。
贝叶斯网络模糊动态粒子滤波自适应态势评估实时性算法线性回归模型模糊化处理采集数据技术实现时间特性推理算法预测处理抗干扰传统的概念树模糊化速率和完备性分割构建推理填充删除

[发明专利]一种风电机组主轴承温度故障诊断方法-CN202010282133.8在审
发明人：常兴邦;詹俊;刘雅倩 -专利权人：湘潭大学
申请日： 2020-04-11 - 公布日： 2020-07-28 - 主分类号： G01M13/04 文献下载
摘要：本发明公开了一种风电机组主轴承温度故障诊断方法，包括以下步骤：（1）采集并存储风电场实时数据，分析获得主轴承故障强相关参数；（2）建立风电机组主轴承故障诊断模型；（3）对粒子滤波算法进行改进和优化；（4）建立改进和优化后的粒子滤波算法BP神经网络主轴承温度故障诊断模型。本发明通过获取与主轴承温度相关的故障参数，利用改进和优化后的粒子滤波算法，克服BP神经网络的固有缺陷，可以较精准地识别风电机主轴承温度故障，减小BP神经网络的训练时间；为风电机主轴承设备的稳定、安全运行提供可靠的保障
一种机组主轴温度故障诊断方法

[发明专利]一种基于数据同化的多模型裂纹扩展实时预测方法-CN202211433725.0有效
发明人：李亦;张志凯;李洪双 -专利权人：南京航空航天大学
申请日： 2022-11-16 - 公布日： 2023-05-23 - 主分类号： G06F30/23 文献下载
摘要：本发明公开了一种基于数据同化的多模型裂纹扩展实时预测方法，以标准试验件作为研究对象，考虑不确定性因素，采用数据同化方法中的粒子滤波算法为基本算法，实现裂纹扩展实时预测的功能，且考虑目前裂纹扩展研究方法的单一模型研究的不足，采用三个裂纹扩展模型以达到对裂纹扩展研究的全面性，结合数据同化算法实现多模型裂纹扩展实时预测；本发明采用新Metropolis‑Hastings方法对粒子滤波的重要性采样方法进行改进，改善滤波过程粒子多样性
一种基于数据同化模型裂纹扩展实时预测方法

[发明专利]一种融合梯度特征和自适应模板的粒子滤波红外跟踪方法-CN201510703729.X有效
发明人：熊舒望;白宏阳;胡福东;苏文杰;明超;杨庆;李成美 -专利权人：南京理工大学
申请日： 2015-10-26 - 公布日： 2018-06-12 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种融合梯度特征和自适应模板的粒子滤波红外跟踪方法，步骤如下：首先，采用粒子滤波算法作为红外图像跟踪算法的主体框架；其次，在灰度特征基础上融合描述梯度特征的梯度直方图作为目标观测模型；再次，在跟踪算法中融合自适应模板更新策略对目标特征模板进行更新；最后，为提高算法实时性，借助共享存储并行编程库对跟踪程序进行并行化。
梯度特征自适应融合跟踪算法红外跟踪粒子滤波粒子滤波算法梯度直方图并行编程跟踪程序共享存储红外目标红外图像红外制导灰度特征理论支持模板更新目标观测目标特征时间稳定运算效率主体框架并行化工程化实时性算法跟踪更新保证

[发明专利]基于粒子滤波的定位方法、装置、计算机设备和存储介质-CN202010230278.3有效
发明人：沈博;薛胜利 -专利权人：西安震有信通科技有限公司
申请日： 2020-03-27 - 公布日： 2022-02-22 - 主分类号： G01S5/02 文献下载
摘要：本发明公开基于粒子滤波的定位方法、装置、计算机设备和存储介质，将矿井中各目标对象通过UWB协议与最近的两个定位分站通讯，以获取目标对象的原始测量位置；创建粒子滤波器，对粒子数量及初始状态参数进行初始化；基于状态转移方程预测目标对象的下一时刻位置；粒子滤波器根据原始测量位置计算每个粒子对目标对象的位置影响权重，获取的权值进行归一化处理；经过反复迭代处理后，当粒子滤波器滤波计算出目标对象的估计位置满足预定义的偏差阈值时粒子滤波方法与目标测量算法相结合，提高预测目标对象位置的精度，使得预测位置更接近目标对象的位置，达到对巷道中监控目标的精确定位。
基于粒子滤波定位方法装置计算机设备存储介质

[发明专利]一种小型移动主用户的定位方法及装置-CN201610560573.9在审
发明人：吴用;万频;王永华;曾伟森 -专利权人：广东工业大学
申请日： 2016-07-14 - 公布日： 2016-09-28 - 主分类号： H04W64/00 文献下载
摘要：本发明公开了一种基于粒子滤波算法与加权质心算法相结合的小型移动主用户的定位方法，包括：得到目标次用户的坐标值，并利用加权质心算法得到主用户的初步位置信息；将初步位置信息输入粒子滤波算法模型中得到主用户的当前位置信息由于粒子滤波算法对于移动物体的定位具有很强的适应性及鲁棒性，因此，提高了计算结果的准确性。
一种小型移动用户定位方法装置

[发明专利]基于集合模型和联合算法的锂电池SOH预测方法及系统-CN202310315470.6在审
发明人：李鹏;山川;杨荧萍;徐宪忠;姚广增;付荣荣 -专利权人：国网山东省电力公司聊城供电公司
申请日： 2023-03-24 - 公布日： 2023-06-23 - 主分类号： G01R31/392 文献下载
摘要：本发明公开了一种基于集合模型和联合算法的锂电池SOH预测方法及系统，方法包括以下步骤：进行电池充放电试验，记录电池的容量、电流数据和对应的时间数据；对电池容量数据进行预处理；建立六参数集合模型拟合电池容量衰退曲线，构建系统状态方程；用电池电流数据和对应的时间数据确定恒流充电时间CCCT；根据SOH与CCCT的映射关系建立系统观测方程；通过改进的珊瑚礁优化算法与粒子滤波联合算法预测电池SOH。本发明提出了一种六参数集合模型，能够更好的拟合电池容量衰退曲线，对基本珊瑚礁算法进行了优化并与粒子滤波算法结合，解决了粒子权值退化和样本贫化问题，有效的提高了估算精度。
基于集合模型联合算法锂电池 soh 预测方法系统

[发明专利]一种基于PDR和地磁的室内定位方法及系统-CN201710544039.3在审
发明人：蔡成林;王亚娜;甘才军;李思民;徐德昌 -专利权人：桂林电子科技大学
申请日： 2017-07-05 - 公布日： 2017-12-22 - 主分类号： G01C21/20 文献下载
摘要：本发明公开了一种基于PDR和地磁的室内定位方法及系统，定位方法是基于设在智能手机内部的加速度计、陀螺仪和磁力计，利用磁力计得到定位区域的地磁数据并且利用克里金插值算法建立全局地磁基准图；用户移动时，利用加速度计以及陀螺仪得到用户的步频、步长以及方向角信息，得到PDR定位结果；最后通过粒子滤波融合算法得到用户的最佳定位结果，定位系统包括顺序连接的测量模块、PDR定位模块、粒子滤波模块和显示模块；所述的测量模块进一步包括加速度计、陀螺仪和磁力计，加速度计、陀螺仪和磁力计分别与PDR定位模块连接，磁力计还与粒子滤波模块连接；通过结合PDR和粒子滤波两种定位算法提高了定位结果的精度，并且不需要其他外部设备的支持就能实现室内定位。
一种基于 pdr 地磁室内定位方法系统

[发明专利]基于变分贝叶斯多模型粒子滤波的机动目标跟踪方法-CN202211190099.7在审
发明人：付春玲;田刘洋;任星 -专利权人：河南大学
申请日： 2022-09-28 - 公布日： 2023-02-03 - 主分类号： G06F30/25 文献下载
摘要：本发明公开了一种基于变分贝叶斯多模型粒子滤波的机动目标跟踪方法，针对多模型粒子滤波算法依赖转移概率矩阵以及随机判别粒子的模型状态问题，通过引入多项式分布和狄利克雷分布分别对模型状态和转移概率矩阵进行先验建模本发明相比于现有的多模型滤波算法，直接选取了模型状态和转移概率矩阵的共轭先验分布，在变分贝叶斯框架下解耦目标状态、模型状态和转移概率的联合分布得到目标状态估计结果。基于变分贝叶斯多模型粒子滤波的机动目标跟踪方法对于运动目标跟踪理论与技术丰富与发展具有一定的科学价值及实际工程意义。
基于分贝叶斯多模型粒子滤波机动目标跟踪方法

[发明专利]一种水声信号的粒子滤波降噪方法-CN201510096543.2有效
发明人：李国辉;杨宏 -专利权人：西安邮电大学
申请日： 2015-03-04 - 公布日： 2017-04-26 - 主分类号： G06F19/00 文献下载
摘要：本发明提供一种水声信号的粒子滤波降噪方法，包括步骤(a)、利用遗传算法对实测水声信号建立数学模型；步骤(b)、根据水声信号的遗传算法建模过程及原理，得出水声信号的状态方程；同时，将建模所得的数学模型转化为水声信号的观测方程；步骤(c)、利用粒子滤波对实测水声信号进行降噪，给出降噪前后的时序波形和相空间吸引子轨迹；步骤(d)、计算降噪前与降噪后的噪声强度，Lyapunov指数，关联维数和K2熵；本发明利用粒子滤波对实测的水声信号进行降噪，给出降噪前后的信号时域波形及相空间吸引子轨迹；计算降噪前与降噪后的噪声强度，Lyapunov指数，关联维数，K2熵等特征参数，为定量分析粒子滤波对实际水声信号的降噪效果提供依据。
一种信号粒子滤波方法

[发明专利]一种二次采样的粒子滤波算法-CN201910315096.3有效
发明人：张小国;高烨;郑冰清;张开心;王慧青 -专利权人：东南大学
申请日： 2019-04-18 - 公布日： 2023-06-30 - 主分类号： H03H17/02 文献下载
摘要：本发明公开了一种二次采样的粒子滤波算法，包括如下步骤：（1）初始化，按初始分布生成粒子集；（2）用重要性概率密度函数进行重要性采样，并基于观测方程对其进行评价；（3）选取评价最优的P个粒子做二次采样；（4）根据粒子权重退化程度判断是否对粒子集进行重采样；（5）输出状态估计值。本发明对基于观测方程评价后的采样粒子进行高密度二次采样，能够有效提高粒子滤波的精度。
一种二次采样粒子滤波算法

[发明专利]集合卡尔曼滤波－粒子滤波相结合的AUV组合导航方法-CN201210280523.7无效
发明人：李建龙;温国曦;徐文 -专利权人：浙江大学
申请日： 2012-08-08 - 公布日： 2012-12-12 - 主分类号： G01C21/00 文献下载
摘要：一种集合卡尔曼滤波－粒子滤波相结合的AUV组合导航方法，包括以下步骤：1）数据采集：利用全球定位系统获取AUV在水面时的初始位置信息，利用多普勒计程仪、电子罗盘等导航传感器采集AUV的速度和姿态角等信息；2）滤波定位：利用基于集合卡尔曼滤波－粒子滤波相结合的滤波算法将传感器采集到的导航信息进行融合，估计得到AUV每一时刻的位置及姿态变化信息，实现对AUV的全局定位。本发明提供一种提高精度的集合卡尔曼滤波－粒子滤波相结合的AUV组合导航方法。
集合卡尔滤波粒子相结合 auv 组合导航方法

[发明专利]一种具有自适应算力调节与发散检测功能的复合粒子滤波方法-CN202211465252.2在审
发明人：李文硕;贾镜汀;郭克信;余翔;郭雷;王巍 -专利权人：北京航空航天大学杭州创新研究院
申请日： 2022-11-22 - 公布日： 2023-03-10 - 主分类号： H03H21/00 文献下载
摘要：本发明提供一种具有自适应算力调节与发散检测功能的复合粒子滤波方法，首先建立包含加性时变干扰和非高斯噪声的非线性系统增广状态空间模型；其次，设计含有干扰补偿采样环节的复合粒子滤波算法，克服加性时变干扰对粒子滤波性能的影响；再次，基于库尔贝克‑莱布勒散度计算重采样所需的最优粒子数，并根据重采样结果输出状态估计值和干扰估计值；最后，构造基于扩展卡尔曼滤波的发散检测单元，在检测到复合粒子滤波的估计误差发散时重置粒子滤波器。本方法能够处理加性时变干扰和非高斯噪声共存情形下的非线性状态估计问题，并通过粒子数自适应调节和发散检测单元保证了滤波器的快速性和可靠性，可推广应用于飞行器导航定位等实际领域。
一种具有自适应调节发散检测功能复合粒子滤波方法

[发明专利]一种基于粒子滤波的视频多目标跟踪方法-CN202210583080.2在审
发明人：高飞;王志文 -专利权人：浙江工业大学
申请日： 2022-05-26 - 公布日： 2022-09-02 - 主分类号： G06T7/277 文献下载
摘要：本发明公开了一种基于粒子滤波的视频多目标跟踪方法，通过深度学习模型检测视频中的目标，利用基于粒子滤波器进行目标位置预测，再对目标进行轨迹匹配，从而实现非线性运动目标鲁棒跟踪的方法。本发明采用非线性及非高斯方式去估计问题，能够提升算法的性能；能有效排除复杂背景的干扰，实现相对简单、对条件约束较小、算法运行效率高。
一种基于粒子滤波视频多目标跟踪方法

[发明专利]基于粒子群优化算法的无迹粒子滤波方法-CN201010121571.2无效
发明人：杨萌;高伟;郝燕玲 -专利权人：哈尔滨工程大学
申请日： 2010-03-11 - 公布日： 2010-09-08 - 主分类号： H03H17/00 文献下载
摘要：本发明提供的是一种基于粒子群优化算法的无迹粒子滤波方法。第一步，初始时刻，由初始分布p(x0)中得到一组初始粒子，并设置其初始的均值和方差；第二步，重要性采样；第三步，权值更新；第四步，得到归一化的权值；第五步，再采样；第六步，状态更新；第七步，求解当前时刻的全局最优解本发明通过粒子群优化过程，使得粒子集在权值更新之前更加趋向于高似然区域，从而在一定程度上解决了样本贫化问题。优化过程使得远离真实状态的粒子趋向真实状态出现概率较大的区域，提高了每个粒子的作用效果。与其他智能优化算法相比，粒子群优化算法具有容易实现且没有许多参数需要调整的优势，并且降低了精确估计所需要的粒子数，提高了滤波的计算效率。
基于粒子优化算法滤波方法