• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于改進(jìn)粒子濾波算法的車速估計

    2024-05-23 08:33:53高彥傅春耘楊忠楊官龍
    重慶大學(xué)學(xué)報 2024年3期
    關(guān)鍵詞:粒子濾波

    高彥 傅春耘 楊忠 楊官龍

    收稿日期:2021-12-27

    網(wǎng)絡(luò)出版日期:2022-04-24

    基金項目:重慶市自然科學(xué)基金資助項目(cstc2020jcyj-msxmX0664);中央高校基本科研業(yè)務(wù)費項目(2020CDJ-LHZZ-043)。

    作者簡介:高彥(1994—),男,碩士研究生,主要從事智能汽車底盤控制研究,(E-mail)gaoyan_cqu@cqu.edu.cn。

    通信作者:傅春耘,男,副教授,(E-mail)fuchunyun@cqu.edu.cn。

    摘要:針對基于粒子濾波算法設(shè)計的車速估計器因提議分布與實際分布不一致導(dǎo)致粒子退化使估計誤差變大的問題,提出了一種通過修正提議分布減弱粒子退化影響的改進(jìn)粒子濾波車速估計器。首先,基于車輛運動學(xué)模型和傳感器特性建立系統(tǒng)的狀態(tài)轉(zhuǎn)移方程和觀測方程。然后,利用傳感器測量值與粒子狀態(tài)值的差值設(shè)計提議分布修正項對狀態(tài)轉(zhuǎn)移方程進(jìn)行修正,并對過程噪聲做自適應(yīng)處理。最后,利用CarSim-Simulink聯(lián)合仿真平臺在雙移線工況和正弦轉(zhuǎn)角輸入工況下進(jìn)行仿真驗證。與自適應(yīng)粒子濾波器相比,雙移線工況下改進(jìn)粒子濾波估計器產(chǎn)生的縱向速度估計值和側(cè)向速度估計值的平均絕對誤差分別減小了40.25%和55.71%;正弦轉(zhuǎn)角輸入工況下,改進(jìn)粒子濾波估計器產(chǎn)生的縱向速度估計值和側(cè)向速度估計值的平均絕對誤差分別減小了47.00%和41.21%。

    關(guān)鍵詞:車速估計;粒子濾波;提議分布

    中圖分類號:U461 ?????????文獻(xiàn)標(biāo)志碼:A ????????????文章編號:1000-582X(2024)03-044-09

    隨著現(xiàn)代汽車電子控制技術(shù)的快速發(fā)展,車載控制系統(tǒng)的數(shù)量越來越多。許多控制系統(tǒng)在工作時需要車輛的狀態(tài)信息作為控制系統(tǒng)的輸入,例如自適應(yīng)巡航控制(adaptive cruise control,ACC)、電子穩(wěn)定控制(electronic stability control,ESC)、防抱死制動系統(tǒng)(anti-lock braking system,ABS)。因此,獲取準(zhǔn)確的車輛狀態(tài)信息是車輛控制系統(tǒng)正常、有效工作的前提[1]。車輛狀態(tài)信息中存在的誤差將使車輛控制系統(tǒng)的性能下降甚至完全喪失。

    在車輛的諸多狀態(tài)中,車速(包括縱向速度和側(cè)向速度)是最重要的車輛狀態(tài)之一,許多重要的車載控制系統(tǒng)均需要準(zhǔn)確的車速信息才能正常工作。由于通過傳感器直接獲取準(zhǔn)確車速的成本很高,因此目前車速信息主要通過狀態(tài)估計來間接獲取。常用的狀態(tài)估計方法包括卡爾曼濾波算法、龍貝格觀測器、魯棒觀測器、滑模觀測器和非線性觀測器等,其中卡爾曼濾波算法是應(yīng)用最廣泛的狀態(tài)估計算法[2]。卡爾曼濾波算法又衍生出多種變體,例如擴(kuò)展卡爾曼濾波(extended Kalman filter,EKF)、無跡卡爾曼濾波(unscented Kalman filter,UKF)、容積卡爾曼濾波(cubature Kalman filter,CKF)等。文獻(xiàn)[3-5]中采用經(jīng)典卡爾曼濾波算法估計車速,該方法以線性微分方程為基礎(chǔ),所以只適用于線性系統(tǒng)。但是,車輛的運行工況復(fù)雜多變,當(dāng)車輛運行在極限工況下時,車輛系統(tǒng)表現(xiàn)出強非線性。因此,文獻(xiàn)[6-9]中使用擴(kuò)展卡爾曼濾波算法進(jìn)行車速估計,但是該方法只適用于弱非線性系統(tǒng),而且需要計算復(fù)雜的雅可比矩陣。文獻(xiàn)[1,10-12]中采用無跡卡爾曼濾波算法估計車速,該方法不需要計算雅可比矩陣,能處理不可導(dǎo)的非線性函數(shù),與擴(kuò)展卡爾曼濾波算法相比更適用于非線性系統(tǒng)。文獻(xiàn)[13-14]中采用容積卡爾曼濾波算法估計車速,該方法不需要計算復(fù)雜的雅可比矩陣,且計算多維函數(shù)積分時效率較高,在非線性濾波方面較其他種類的卡爾曼濾波器具有更大的優(yōu)勢[15]

    上述各種基于卡爾曼濾波的車速估計算法都在處理強非線性系統(tǒng)方面存在缺陷。粒子濾波算法最早出現(xiàn)在20世紀(jì)50年代,是一種基于蒙特卡洛法和遞歸貝葉斯估計的統(tǒng)計濾波方法,具有很強的非線性處理能力[16]。文獻(xiàn)[16-19]中采用粒子濾波算法來估計車速,結(jié)果表明文獻(xiàn)中的幾種粒子濾波估計器均能夠在強非線性工況下較準(zhǔn)確地估計車速。

    雖然上述粒子濾波算法具有很強的非線性處理能力,并且通過重采樣方法在一定程度上減弱了粒子退化對估計精度的影響,但是仍然存在粒子退化導(dǎo)致估計精度變差的問題。具體來講,隨著粒子濾波算法迭代次數(shù)增加,只有少部分粒子具有較大的權(quán)重,大部分粒子的權(quán)重很小,造成粒子多樣性匱乏,從而影響估計精度[20]。針對這一問題,文獻(xiàn)[17]中采用高斯分布作為提議分布,設(shè)計了自適應(yīng)標(biāo)準(zhǔn)差參數(shù),在每一個采樣時刻修正提議分布的標(biāo)準(zhǔn)差,提升了粒子濾波估計器的估計精度和適應(yīng)能力。但是該方法仍然存在因提議分布與實際分布不一致導(dǎo)致的粒子退化問題。筆者在文獻(xiàn)[17]的基礎(chǔ)上基于車輛運動學(xué)模型設(shè)計了一種改進(jìn)粒子濾波估計器,改進(jìn)提議分布使其更符合實際分布以進(jìn)一步減弱粒子退化對估計精度的影響,從而有效估計車輛的縱向速度和側(cè)向速度。仿真結(jié)果表明,與文獻(xiàn)[17]中的自適應(yīng)粒子濾波估計器相比,改進(jìn)粒子濾波估計器在雙移線和正弦轉(zhuǎn)角輸入工況下均使縱向速度和側(cè)向速度估計值的平均絕對誤差大幅減小。

    1粒子濾波算法基本原理

    粒子濾波適用于強非線性系統(tǒng),因此非常適用于處理車輛狀態(tài)估計問題[21]。粒子濾波的核心思想是用一系列離散隨機(jī)采樣點來近似系統(tǒng)隨機(jī)變量的概率密度,以樣本均值代替積分運算,從而獲得狀態(tài)的最小方差估計[22]。

    與卡爾曼濾波一樣,粒子濾波算法利用狀態(tài)空間模型對系統(tǒng)進(jìn)行描述,該模型包括狀態(tài)轉(zhuǎn)移方程和觀測方程。

    式中:表示系統(tǒng)時刻的狀態(tài);表示系統(tǒng)時刻的狀態(tài);表示系統(tǒng)時刻的過程噪聲;表示傳感器時刻的測量結(jié)果;表示傳感器時刻的測量噪聲;f為狀態(tài)轉(zhuǎn)移函數(shù);h為觀測函數(shù)。

    粒子濾波的均值思想是利用粒子集合的均值作為狀態(tài)的估計值。如果粒子集合的分布不能很好地“覆蓋”真實值,粒子濾波器就會出現(xiàn)濾波發(fā)散現(xiàn)象。粒子集合的有效性通過粒子的權(quán)重計算和粒子集合的重采樣2個步驟來保證。粒子濾波算法中粒子集合的迭代過程如下[23]

    1)將表示系統(tǒng)時刻狀態(tài)的每一個粒子代入式(1),得到系統(tǒng)狀態(tài)的一步預(yù)測值。其中表示第個粒子,表示粒子集合的粒子數(shù)。

    2)將一步預(yù)測狀態(tài)集合中的每一個粒子帶入式(2),計算觀測值的預(yù)測值。

    3)假設(shè)在當(dāng)前時刻(即時刻),傳感器采集到唯一的觀測值,則可以根據(jù)該觀測值來計算每個粒子的權(quán)重:

    式中:表示觀測值的預(yù)測值與當(dāng)前時刻觀測值的差值;g為粒子的權(quán)重計算函數(shù);表示粒子的權(quán)重。需要指出的是g必須體現(xiàn)“觀測值的預(yù)測值與傳感器真實觀測值的絕對偏差越小,權(quán)重越大,反之權(quán)重越小”這一規(guī)律。高斯函數(shù)是其中一種比較具有代表性的權(quán)重計算函數(shù)。

    4)對粒子集合進(jìn)行重采樣。重采樣過程體現(xiàn)的是粒子濾波過程中的“優(yōu)勝劣汰”,即:復(fù)制權(quán)重大的粒子,淘汰權(quán)重小的粒子,并保證重采樣前后的粒子數(shù)量一致。重采樣原理如圖1所示。通過重采樣機(jī)制,可在一定程度抑制粒子退化,保證粒子濾波的狀態(tài)估計效果。

    5)將重采樣后的粒子集合表示的狀態(tài)記為,代入到下一個迭代循環(huán)中。

    2基于改進(jìn)粒子濾波的車速估計

    2.1車輛運動學(xué)模型

    車輛的運動學(xué)模型如圖2所示。在汽車運動過程中,如下運動學(xué)關(guān)系始終成立:

    式中:和分別表示汽車的縱向和側(cè)向速度;和分別表示汽車的縱向和側(cè)向加速度;表示汽車的橫擺角速度。

    2.2狀態(tài)轉(zhuǎn)移方程和觀測方程

    根據(jù)式(5)和式(6)得到汽車縱向速度、側(cè)向速度的離散表達(dá)式如下:

    2.3提議分布修正項

    粒子濾波算法效果的好壞取決于粒子集合能否準(zhǔn)確地“覆蓋”真實值,如果不能很好地“覆蓋”真實值則會出現(xiàn)粒子退化問題,從而導(dǎo)致粒子濾波算法的狀態(tài)估計效果變差。為了減小粒子退化的影響,通常采取以下3種措施[25]

    1)增加粒子數(shù);

    2)采用能更有效抑制粒子退化的重采樣技術(shù);

    3)選擇合理的生成粒子的提議分布。

    本研究中通過在狀態(tài)轉(zhuǎn)移方程中加入修正項,實現(xiàn)實時修正提議分布,使粒子集合更準(zhǔn)確地“覆蓋”真實值,從而減弱粒子退化問題帶來的影響,提升狀態(tài)估計精度?;跁r刻傳感器對縱向加速度、側(cè)向加速度及橫擺角速度的測量值(即和rz)與時刻每一個粒子的縱向加速度、側(cè)向加速度及橫擺角速度值的差值對提議分布進(jìn)行修正。提議分布修正項如下:

    2.4改進(jìn)粒子濾波估計器設(shè)計

    對于固定參數(shù)的狀態(tài)估計器,在實際應(yīng)用中,不可能針對每一種工況都分別調(diào)試出適合的參數(shù),而只能兼顧各種常用工況來調(diào)試出一組折中的參數(shù)。因此,在工況變化時,固定參數(shù)估計器往往無法達(dá)到最佳的性能。為了保證估計器能夠在大多數(shù)工況下有效工作,提升估計器的魯棒性,本研究中對估計器的狀態(tài)轉(zhuǎn)移方程進(jìn)行自適應(yīng)設(shè)計以提高其工況適應(yīng)能力[17]

    估計器的觀測方程仍為式(13)。所提出的改進(jìn)粒子濾波估計器完整算法以偽代碼形式表示如圖3所示。

    算法1. 改進(jìn)粒子濾波車速估計算法偽代碼

    初始化濾波器:確定粒子數(shù),仿真步長(采樣周期)和仿真時間

    3仿真驗證分析

    本研究中基于運動學(xué)模型設(shè)計了改進(jìn)粒子濾波車速估計器,為了排除不同模型體系對車速估計精度的影響,選用文獻(xiàn)[17]中提出的基于運動學(xué)模型的粒子濾波估計器作為對照組,基于Matlab/Simulink和CarSim聯(lián)合仿真平臺,在雙移線工況和正弦轉(zhuǎn)角輸入工況下對設(shè)計的基于改進(jìn)粒子濾波算法的車速估計器性能進(jìn)行仿真驗證。

    將CarSim軟件直接輸出的車速數(shù)據(jù)作為真實值,下文中簡稱實際值;將文獻(xiàn)[17]提出的自適應(yīng)粒子濾波估計器產(chǎn)生的車速估計值稱為自適應(yīng)粒子濾波估計值;將改進(jìn)粒子濾波估計器產(chǎn)生的車速估計值稱為改進(jìn)粒子濾波估計值。

    3.1雙移線工況

    在本工況中,設(shè)定車輛以120 km/h的車速勻速行駛,方向盤轉(zhuǎn)角輸入選擇CarSim中的“跟隨駕駛路徑-雙移線”選項(圖4),得到的仿真結(jié)果如圖5所示。由圖5可見,與自適應(yīng)粒子濾波估計值相比,改進(jìn)粒子濾波估計值更接近實際值。

    進(jìn)行50次蒙特卡洛仿真試驗后,自適應(yīng)粒子濾波估計器和改進(jìn)粒子濾波估計器的估計誤差結(jié)果如表1所示??梢?,改進(jìn)粒子濾波估計器產(chǎn)生的縱向速度估計值的平均絕對誤差、最大絕對誤差和均方根誤差比自適應(yīng)粒子濾波估計器產(chǎn)生的相應(yīng)誤差大幅降低,分別減小了40.25%、49.23%和25.63%。類似地,改進(jìn)粒子濾波估計器產(chǎn)生的側(cè)向速度估計值的平均絕對誤差、最大絕對誤差和均方根誤差比自適應(yīng)粒子濾波估計器產(chǎn)生的相應(yīng)誤差分別減小了55.71%、54.23%和57.25%。在雙移線工況下,與自適應(yīng)粒子濾波估計器相比,改進(jìn)粒子濾波估計器的車速估計性能大幅提升。

    3.2正弦轉(zhuǎn)角輸入工況

    在本工況中,設(shè)定車輛以80 km/h的車速勻速行駛,方向盤轉(zhuǎn)角輸入為正弦波,如圖6所示。仿真時間設(shè)定為10 s,得到仿真結(jié)果如圖7所示。由圖7可見,與自適應(yīng)粒子濾波估計值相比,改進(jìn)粒子濾波估計值更接近實際值。

    用自適應(yīng)粒子濾波估計器和改進(jìn)粒子濾波估計器進(jìn)行50次蒙特卡洛仿真的估計誤差結(jié)果如表2所示??梢姡倪M(jìn)粒子濾波估計器產(chǎn)生的縱向速度估計值的平均絕對誤差、最大絕對誤差和均方根誤差比自適應(yīng)粒子濾波估計器產(chǎn)生的相應(yīng)誤差分別減小了47.00%、41.98%和43.85%。類似地,改進(jìn)粒子濾波估計器產(chǎn)生的側(cè)向速度估計值的平均絕對誤差、最大絕對誤差和均方根誤差比自適應(yīng)粒子濾波估計器產(chǎn)生的相應(yīng)誤差分別減小了41.21%、37.43%和52.85%。與雙移線工況類似,在正弦轉(zhuǎn)角輸入工況下,與自適應(yīng)粒子濾波估計器相比,改進(jìn)粒子濾波估計器的車速估計性能大幅提升。

    4結(jié)束語

    本研究中通過修正提議分布來減弱粒子濾波算法粒子退化問題對車速估計精度的影響。仿真結(jié)果表明,加入提議分布修正項后的粒子濾波估計器能夠在不同工況下準(zhǔn)確、穩(wěn)定地估計車輛的縱向速度和側(cè)向速度。與沒有修正提議分布的自適應(yīng)粒子濾波估計器相比,改進(jìn)后的粒子濾波估計器產(chǎn)生的平均絕對誤差、最大絕對誤差和均方根誤差均較小,車速估計精度得到較大的提升。

    參考文獻(xiàn)

    [1]??Zhao Z G, Chen H J, Yang J, et al. Estimation of the vehicle speed in the driving mode for a hybrid electric car based on an unscented Kalman filter[J]. Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 2015, 229(4): 437-456.

    [2]??余卓平, 高曉杰. 車輛行駛過程中的狀態(tài)估計問題綜述[J]. 機(jī)械工程學(xué)報, 2009, 45(5): 20-33.

    Yu Z P, Gao X J. Review of vehicle state estimation problem under driving situation[J]. Journal of Mechanical Engineering, 2009, 45(5): 20-33. (in Chinese)

    [3]??Daiss A, Kiencke U. Estimation of vehicle speed fuzzy-estimation in comparison with Kalman-filtering[C]//Proceedings of International Conference on Control Applications, September 28-29, 1995, Albany, NY, USA. IEEE, 1995: 281-284.

    [4]??Moaveni B, Khosravi Roqaye Abad M, Nasiri S. Vehicle longitudinal velocity estimation during the braking process using unknown input Kalman filter[J]. Vehicle System Dynamics, 2015, 53(10): 1373-1392.

    [5]??王仁廣, 劉昭度, 齊志權(quán), 等. 基于自適應(yīng)卡爾曼濾波算法確定汽車參考車速[J]. 農(nóng)業(yè)機(jī)械學(xué)報, 2006, 37(4): 9-11, 41.

    Wang R G, Liu Z D, Qi Z Q, et al. Vehicle reference speed determination using adaptive Kalman filter algorithm[J]. Transactions of the Chinese Society for Agricultural Machinery, 2006, 37(4): 9-11, 41. (in Chinese)

    [6]??Guo H Y, Chen H, Xu F, et al. Implementation of EKF for vehicle velocities estimation on FPGA[J]. IEEE Transactions on Industrial Electronics, 2013, 60(9): 3823-3835.

    [7]??Park G, Choi S B, Hyun D, et al. Integrated observer approach using in-vehicle sensors and GPS for vehicle state estimation[J]. Mechatronics, 2018, 50: 134-147.

    [8]??Wenzel T A, Burnham K J, Blundell M V, et al. Dual extended Kalman filter for vehicle state and parameter estimation[J]. Vehicle System Dynamics, 2006, 44(2): 153-171.

    [9]??張志勇, 張淑芝, 黃彩霞, 等. 基于自適應(yīng)擴(kuò)展卡爾曼濾波的分布式驅(qū)動電動汽車狀態(tài)估計[J]. 機(jī)械工程學(xué)報, 2019, 55(6): 156-165.

    Zhang Z Y, Zhang S Z, Huang C X, et al. State estimation of distributed drive electric vehicle based on adaptive extended Kalman filter[J]. Journal of Mechanical Engineering, 2019, 55(6): 156-165. (in Chinese)

    [10]??Chu L, Zhang Y S, Shi Y R, et al. Vehicle lateral and longitudinal velocity estimation based on unscented Kalman filter[C]//2010 2nd International Conference on Education Technology and Computer, June 22-24, 2010, Shanghai, China. IEEE, 2010: V3-427.

    [11]??金賢建, 楊俊朋, 殷國棟, 等. 分布式驅(qū)動電動汽車雙無跡卡爾曼濾波狀態(tài)參數(shù)聯(lián)合觀測[J]. 機(jī)械工程學(xué)報, 2019, 55(22): 93-102.

    Jin X J, Yang J P, Yin G D, et al. Combined state and parameter observation of distributed drive electric vehicle via dual unscented Kalman filter[J]. Journal of Mechanical Engineering, 2019, 55(22): 93-102. (in Chinese)

    [12]??張志達(dá), 鄭玲, 吳行, 等. 基于魯棒自適應(yīng)UKF的分布式電動汽車狀態(tài)估計[J]. 中國科學(xué): 技術(shù)科學(xué), 2020, 50(11): 1461-1473.

    Zhang Z D, Zheng L, Wu H, et al. State estimation of distributed electric vehicle based on robust adaptive UKF[J]. Scientia Sinica (Technologica), 2020, 50(11): 1461-1473. (in Chinese)

    [13]??Xin X S, Chen J X, Zou J X. Vehicle state estimation using cubature Kalman filter[C]//2014 IEEE 17th International Conference on Computational Science and Engineering, December 19-21, 2014, Chengdu, China. IEEE, 2014: 44-48.

    [14]??李剛, 王野, 宗長富. 四輪輪轂電機(jī)電動汽車行駛狀態(tài)估計[J]. 汽車工程, 2018, 40(2): 150-155.

    Li G, Wang Y, Zong C F. Driving state estimation of electric vehicle with four-wheel-hub-motors[J]. Automotive Engineering, 2018, 40(2): 150-155. (in Chinese)

    [15]??樊東升, 李剛. 分布式驅(qū)動電動汽車行駛狀態(tài)估計綜述[J]. 汽車實用技術(shù), 2019(16): 10-12.

    Fan D S, Li G. Review on driving state estimation of distributed drive electric vehicles[J]. Automobile Applied Technology, 2019(16): 10-12. (in Chinese)

    [16]??包瑞新, Edoardo S. 基于輔助粒子濾波算法的車輛行駛狀態(tài)和參數(shù)聯(lián)合估計方法研究[J]. 機(jī)械設(shè)計與制造, 2015(10): 26-30.

    Bao R X, Edoardo S. The research of state and parameter estimation under driving situation based on auxiliary particle filter method[J]. Machinery Design & Manufacture, 2015(10): 26-30. (in Chinese)

    [17]??Huang F H, Gao Y, Fu C Y, et al. Vehicle state estimation based on adaptive state transition model[C]//2020 4th CAA International Conference on Vehicular Control and Intelligence (CVCI), December 18-20, 2020, Hangzhou, China. IEEE, 2020: 92-96.

    [18]??姬鵬, 徐碩碩, 趙一凡, 等. 改進(jìn)粒子濾波算法的車輛狀態(tài)估計研究[J]. 機(jī)械設(shè)計與制造, 2020(2): 43-46, 50.

    Ji P, Xu S S, Zhao Y F, et al. Research on vehicle state estimation based on improved particle filter algorithm[J]. Machinery Design & Manufacture, 2020(2): 43-46, 50. (in Chinese)

    [19]??靳彪. 輪轂電機(jī)驅(qū)動電動汽車狀態(tài)參數(shù)觀測及轉(zhuǎn)矩分配策略研究[D]. 北京: 北京交通大學(xué), 2016.

    Jin B. Research on state parameter observation and torque distribution strategy of electric vehicle driven by hub motor[D] . Beijing: Beijing Jiaotong University, 2016. (in Chinese)

    [20]??李天成, 范紅旗, 孫樹棟. 粒子濾波理論、方法及其在多目標(biāo)跟蹤中的應(yīng)用[J]. 自動化學(xué)報, 2015, 41(12): 1981-2002.

    Li T C, Fan H Q, Sun S D. Particle filtering: theory, approach, and application for multitarget tracking[J]. Acta Automatica Sinica, 2015, 41(12): 1981-2002. (in Chinese)

    [21]??胡士強, 敬忠良. 粒子濾波算法綜述[J]. 控制與決策, 2005, 20(4): 361-365, 371.

    Hu S Q, Jing Z L. Overview of particle filter algorithm[J]. Control and Decision, 2005, 20(4): 361-365, 371. (in Chinese)

    [22]??Xu Y, Chen B Y, Chi C. Estimation of road friction coefficient and vehicle states by 3-DOF dynamic model and HSRI model based on information fusion[J]. Asian Journal of Control, 2018, 20(3): 1067-1076.

    [23]??黃小平, 王巖, 繆鵬程. 粒子濾波原理及應(yīng)用: MATLAB仿真[M]. 北京: 電子工業(yè)出版社, 2017.

    Huang X P, Wang Y, Miao P C. Particle filter principle and application: MATLAB simulation[M]. Beijing: Publishing House of Electronics industry, 2017. (in Chinese)

    [24]??Panicker S, Gostar A K, Bab-Haidashar A, et al. Sensor control for selective object tracking using labeled multi-bernoulli filter[C]//2018 21st International Conference on Information Fusion (FUSION), July 10-13, 2018, Cambridge, UK. IEEE, 2018: 2218-2224.

    [25]??Li X R, Bar-Shalom Y. Design of an interacting multiple model algorithm for air traffic control tracking[J]. IEEE Transactions on Control Systems Technology, 1993, 1(3): 186-194.

    (編輯??羅敏)

    猜你喜歡
    粒子濾波
    基于粒子濾波算法的視頻目標(biāo)跟蹤研究
    數(shù)字濾波技術(shù)的現(xiàn)狀與發(fā)展
    可見光與紅外CPCT彩色圖像融合研究與實現(xiàn)
    OCV處于平臺期的汽車鋰電池SOC估算的研究
    粒子濾波法在移動物體定位中的應(yīng)用
    基于智能粒子濾波的多傳感器信息融合算法
    基于重采樣粒子濾波的目標(biāo)跟蹤算法研究
    航空兵器(2016年5期)2016-12-10 17:12:24
    復(fù)雜場景中的視覺跟蹤研究
    一種針對海面弱小目標(biāo)的檢測方案
    交互多模型的Rao—Blackwellized粒子濾波算法在多目標(biāo)跟蹤中的應(yīng)用
    航空兵器(2014年4期)2015-01-15 02:31:43
    国产白丝娇喘喷水9色精品| 欧美日韩国产mv在线观看视频 | 国产精品福利在线免费观看| 伦理电影大哥的女人| 久久久久久久亚洲中文字幕| 如何舔出高潮| 人妻系列 视频| 欧美日韩国产mv在线观看视频 | 狂野欧美激情性xxxx在线观看| 亚洲av男天堂| 欧美bdsm另类| 欧美日韩精品成人综合77777| 亚洲精品自拍成人| av网站免费在线观看视频| 精品少妇黑人巨大在线播放| 成人欧美大片| 国产一区有黄有色的免费视频| 热re99久久精品国产66热6| 最近2019中文字幕mv第一页| 亚洲国产色片| 久久国内精品自在自线图片| 久久6这里有精品| 69人妻影院| 日本爱情动作片www.在线观看| 一级毛片久久久久久久久女| 日韩三级伦理在线观看| 少妇人妻 视频| 看非洲黑人一级黄片| 亚洲精品日韩av片在线观看| 亚洲精品亚洲一区二区| 久久热精品热| 久久久久久九九精品二区国产| 成人毛片60女人毛片免费| 亚洲色图av天堂| 网址你懂的国产日韩在线| 亚洲最大成人中文| 97超碰精品成人国产| 国产又色又爽无遮挡免| 成人欧美大片| 亚洲丝袜综合中文字幕| 大又大粗又爽又黄少妇毛片口| 天堂网av新在线| 久久精品国产亚洲av天美| 欧美极品一区二区三区四区| 国产精品久久久久久精品古装| 国产中年淑女户外野战色| 欧美xxxx性猛交bbbb| 亚洲国产精品成人久久小说| 大片免费播放器 马上看| 亚洲精品日韩av片在线观看| 婷婷色综合大香蕉| 成人黄色视频免费在线看| 街头女战士在线观看网站| 久久久午夜欧美精品| 在线观看av片永久免费下载| 国产精品一区二区性色av| 日本黄大片高清| 日本黄大片高清| 成人毛片a级毛片在线播放| 在线a可以看的网站| .国产精品久久| 最近中文字幕2019免费版| 人人妻人人澡人人爽人人夜夜| 亚洲av二区三区四区| 人人妻人人澡人人爽人人夜夜| 黄色一级大片看看| 白带黄色成豆腐渣| 波野结衣二区三区在线| 人体艺术视频欧美日本| 欧美日韩一区二区视频在线观看视频在线 | 高清欧美精品videossex| 丰满少妇做爰视频| 久久国内精品自在自线图片| 午夜爱爱视频在线播放| 免费黄色在线免费观看| 99热6这里只有精品| 99热全是精品| 婷婷色av中文字幕| 欧美成人精品欧美一级黄| 午夜精品国产一区二区电影 | 真实男女啪啪啪动态图| 国产 一区 欧美 日韩| 欧美一级a爱片免费观看看| 日韩视频在线欧美| 99久久精品一区二区三区| 精品久久久久久久人妻蜜臀av| 99久久精品一区二区三区| 亚洲精华国产精华液的使用体验| 熟女av电影| 久久精品国产亚洲av涩爱| 国产毛片在线视频| 久久精品国产亚洲av涩爱| 岛国毛片在线播放| 免费av不卡在线播放| 一级毛片黄色毛片免费观看视频| 夜夜看夜夜爽夜夜摸| 国产免费一级a男人的天堂| 亚洲欧美精品自产自拍| 欧美精品一区二区大全| 91午夜精品亚洲一区二区三区| 亚洲真实伦在线观看| 欧美日韩在线观看h| 亚洲欧美成人综合另类久久久| 婷婷色综合大香蕉| av免费在线看不卡| 九色成人免费人妻av| 国产精品爽爽va在线观看网站| 在线观看国产h片| 丝袜美腿在线中文| 最后的刺客免费高清国语| 男人爽女人下面视频在线观看| 秋霞在线观看毛片| 欧美3d第一页| 久久精品国产鲁丝片午夜精品| av在线老鸭窝| 国产一区有黄有色的免费视频| 成人欧美大片| 国产伦在线观看视频一区| 免费看光身美女| 国产高清不卡午夜福利| 国产成人精品久久久久久| 国产精品国产三级专区第一集| 亚洲熟女精品中文字幕| 一区二区av电影网| 少妇的逼好多水| 综合色丁香网| 国产免费视频播放在线视频| 日韩免费高清中文字幕av| 国产精品久久久久久精品电影小说 | 男女下面进入的视频免费午夜| 日本wwww免费看| 一本色道久久久久久精品综合| 高清av免费在线| 成人漫画全彩无遮挡| 亚洲国产精品成人综合色| 大片免费播放器 马上看| 精品一区二区三区视频在线| 超碰97精品在线观看| 涩涩av久久男人的天堂| 美女被艹到高潮喷水动态| 亚洲国产精品999| 成人免费观看视频高清| 肉色欧美久久久久久久蜜桃 | 国产精品一区www在线观看| 免费看日本二区| 又爽又黄a免费视频| 国产淫语在线视频| 国产探花极品一区二区| 网址你懂的国产日韩在线| 国产免费一级a男人的天堂| 欧美日韩在线观看h| 日韩大片免费观看网站| 国产一区二区亚洲精品在线观看| 视频中文字幕在线观看| 国内精品宾馆在线| 日韩一区二区三区影片| 免费黄网站久久成人精品| 成人综合一区亚洲| 日韩国内少妇激情av| 99视频精品全部免费 在线| 男女边摸边吃奶| 日本午夜av视频| 我的女老师完整版在线观看| 欧美少妇被猛烈插入视频| 69av精品久久久久久| 18禁裸乳无遮挡免费网站照片| 国产成人aa在线观看| 亚洲精品国产av蜜桃| 免费人成在线观看视频色| 特级一级黄色大片| 国产av码专区亚洲av| 在线观看av片永久免费下载| 国产一区二区在线观看日韩| 爱豆传媒免费全集在线观看| 美女xxoo啪啪120秒动态图| 国产精品爽爽va在线观看网站| 免费观看无遮挡的男女| 国产淫片久久久久久久久| 亚洲人与动物交配视频| 亚洲欧美日韩另类电影网站 | 日本爱情动作片www.在线观看| 一区二区三区乱码不卡18| 少妇人妻精品综合一区二区| 欧美高清性xxxxhd video| 国产亚洲av片在线观看秒播厂| 国产精品国产三级国产专区5o| 亚洲av在线观看美女高潮| 免费看不卡的av| 国产精品一区二区在线观看99| 亚洲av中文av极速乱| 亚洲av.av天堂| 激情 狠狠 欧美| 久久久久九九精品影院| 成人鲁丝片一二三区免费| 乱码一卡2卡4卡精品| 国产又色又爽无遮挡免| 欧美区成人在线视频| 免费看a级黄色片| 国产男人的电影天堂91| 亚洲婷婷狠狠爱综合网| 简卡轻食公司| 高清在线视频一区二区三区| 亚洲无线观看免费| 99精国产麻豆久久婷婷| 男女边摸边吃奶| 爱豆传媒免费全集在线观看| 嫩草影院新地址| 亚洲国产色片| 日日啪夜夜爽| 久久精品国产亚洲av涩爱| av在线蜜桃| 精品久久久久久电影网| 噜噜噜噜噜久久久久久91| av卡一久久| 久久久久精品性色| 直男gayav资源| 熟女av电影| 亚洲av日韩在线播放| 哪个播放器可以免费观看大片| 七月丁香在线播放| 精品少妇久久久久久888优播| 国产人妻一区二区三区在| 亚洲久久久久久中文字幕| 午夜免费男女啪啪视频观看| 欧美三级亚洲精品| 26uuu在线亚洲综合色| 男女国产视频网站| 日韩免费高清中文字幕av| 亚洲av不卡在线观看| av专区在线播放| 免费观看av网站的网址| 日本色播在线视频| 色哟哟·www| 丰满少妇做爰视频| 美女视频免费永久观看网站| 午夜视频国产福利| 人体艺术视频欧美日本| 美女主播在线视频| 亚洲精品国产色婷婷电影| 久久国内精品自在自线图片| 在线亚洲精品国产二区图片欧美 | 中文在线观看免费www的网站| 不卡视频在线观看欧美| 久久久久久九九精品二区国产| 草草在线视频免费看| 搡老乐熟女国产| 久久国内精品自在自线图片| 国产亚洲av片在线观看秒播厂| 黄色一级大片看看| 97人妻精品一区二区三区麻豆| 亚洲av电影在线观看一区二区三区 | 久久久久九九精品影院| 国产精品伦人一区二区| 日韩欧美一区视频在线观看 | 日韩欧美精品免费久久| 久久久久久久大尺度免费视频| kizo精华| 寂寞人妻少妇视频99o| 国产精品一及| 免费观看无遮挡的男女| 免费看日本二区| 欧美激情国产日韩精品一区| 国产极品天堂在线| 亚洲国产欧美人成| 日本一二三区视频观看| 精品亚洲乱码少妇综合久久| 免费看光身美女| 欧美亚洲 丝袜 人妻 在线| 国产国拍精品亚洲av在线观看| 最后的刺客免费高清国语| 九九爱精品视频在线观看| 欧美+日韩+精品| 黄片无遮挡物在线观看| 精品一区在线观看国产| 一本一本综合久久| 亚洲av成人精品一区久久| 成人免费观看视频高清| 精华霜和精华液先用哪个| 成人漫画全彩无遮挡| 黄色视频在线播放观看不卡| 亚洲av成人精品一区久久| 色网站视频免费| 日本与韩国留学比较| 国产成年人精品一区二区| 王馨瑶露胸无遮挡在线观看| 丝瓜视频免费看黄片| 十八禁网站网址无遮挡 | 99热全是精品| 美女被艹到高潮喷水动态| 午夜福利在线观看免费完整高清在| 99热网站在线观看| 久久97久久精品| 国产欧美日韩一区二区三区在线 | 久久亚洲国产成人精品v| 22中文网久久字幕| 大片电影免费在线观看免费| 久久久色成人| 又黄又爽又刺激的免费视频.| 老司机影院毛片| 搡女人真爽免费视频火全软件| 久久精品久久精品一区二区三区| 干丝袜人妻中文字幕| 午夜免费男女啪啪视频观看| 午夜日本视频在线| 国产视频首页在线观看| 亚洲欧美日韩另类电影网站 | 国产黄色视频一区二区在线观看| 精品一区二区三卡| 免费观看在线日韩| 777米奇影视久久| 亚洲国产精品成人久久小说| 秋霞伦理黄片| 91久久精品电影网| 有码 亚洲区| 国产精品久久久久久精品电影小说 | 91精品伊人久久大香线蕉| 国产乱人偷精品视频| 日本免费在线观看一区| 亚洲av免费在线观看| 亚洲最大成人手机在线| 观看免费一级毛片| 午夜福利网站1000一区二区三区| 日本猛色少妇xxxxx猛交久久| 亚洲精品国产av成人精品| 日韩视频在线欧美| 亚洲一区二区三区欧美精品 | 又黄又爽又刺激的免费视频.| 九九在线视频观看精品| 我的女老师完整版在线观看| 亚洲最大成人手机在线| 一级毛片aaaaaa免费看小| 亚洲精品自拍成人| 亚洲av电影在线观看一区二区三区 | 日日啪夜夜爽| 夜夜看夜夜爽夜夜摸| 国产欧美另类精品又又久久亚洲欧美| 色婷婷久久久亚洲欧美| 美女被艹到高潮喷水动态| 国产永久视频网站| 久久久精品94久久精品| 韩国av在线不卡| 欧美日本视频| 亚洲成人精品中文字幕电影| 91在线精品国自产拍蜜月| 精品99又大又爽又粗少妇毛片| 三级经典国产精品| 美女国产视频在线观看| 免费观看的影片在线观看| 青春草视频在线免费观看| 久久久久久九九精品二区国产| 亚洲欧洲日产国产| 久久人人爽人人片av| 亚洲欧美成人精品一区二区| 国产 一区精品| 久久久久久久精品精品| 国产爽快片一区二区三区| 看十八女毛片水多多多| 精品久久久久久电影网| 久久久久九九精品影院| 大又大粗又爽又黄少妇毛片口| 日韩一本色道免费dvd| 亚洲精品久久午夜乱码| 亚洲久久久久久中文字幕| 欧美日韩综合久久久久久| 国产一区亚洲一区在线观看| 熟女人妻精品中文字幕| 国产毛片在线视频| 成人国产麻豆网| 亚洲最大成人手机在线| 精品久久久久久久人妻蜜臀av| 国产精品成人在线| 校园人妻丝袜中文字幕| 精品99又大又爽又粗少妇毛片| 亚洲成色77777| 亚洲av免费在线观看| 国产精品一区www在线观看| 97超碰精品成人国产| 少妇人妻一区二区三区视频| 男男h啪啪无遮挡| 国产成人精品一,二区| 亚洲av国产av综合av卡| 午夜亚洲福利在线播放| 高清毛片免费看| av.在线天堂| 一级a做视频免费观看| 国产精品国产三级国产专区5o| 伊人久久精品亚洲午夜| 久久久久精品久久久久真实原创| 国语对白做爰xxxⅹ性视频网站| 亚洲三级黄色毛片| 国产黄色免费在线视频| 日本爱情动作片www.在线观看| 别揉我奶头 嗯啊视频| 欧美xxⅹ黑人| 青春草亚洲视频在线观看| 亚洲国产成人一精品久久久| 白带黄色成豆腐渣| 国产亚洲91精品色在线| 蜜桃亚洲精品一区二区三区| av天堂中文字幕网| 国产av不卡久久| 亚洲精品第二区| 人妻制服诱惑在线中文字幕| 中国三级夫妇交换| 秋霞在线观看毛片| 黄色日韩在线| 国产av不卡久久| 婷婷色av中文字幕| 大陆偷拍与自拍| 久久久久久久午夜电影| 午夜老司机福利剧场| 夜夜爽夜夜爽视频| 日韩欧美精品v在线| 久久人人爽av亚洲精品天堂 | 美女视频免费永久观看网站| 成人亚洲精品一区在线观看 | 午夜福利在线观看免费完整高清在| 91久久精品国产一区二区三区| 青春草国产在线视频| 成人高潮视频无遮挡免费网站| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产一级毛片在线| 身体一侧抽搐| 国产精品女同一区二区软件| 18禁动态无遮挡网站| 欧美xxⅹ黑人| 青春草亚洲视频在线观看| 伊人久久国产一区二区| 男人舔奶头视频| 一二三四中文在线观看免费高清| 成人欧美大片| 精品国产乱码久久久久久小说| 高清欧美精品videossex| 高清视频免费观看一区二区| 国产一区亚洲一区在线观看| 久久精品久久久久久久性| 亚洲成色77777| 一级a做视频免费观看| 欧美3d第一页| 欧美精品一区二区大全| 女人十人毛片免费观看3o分钟| 国产成人精品一,二区| 97人妻精品一区二区三区麻豆| 热99国产精品久久久久久7| 在线精品无人区一区二区三 | 久久久成人免费电影| 性色av一级| 国产淫语在线视频| 成人国产麻豆网| 熟女人妻精品中文字幕| 色综合色国产| 亚洲欧洲日产国产| 高清毛片免费看| 亚洲精品自拍成人| 王馨瑶露胸无遮挡在线观看| 欧美日本视频| 丰满人妻一区二区三区视频av| 国产美女午夜福利| 网址你懂的国产日韩在线| 欧美另类一区| 极品少妇高潮喷水抽搐| 亚洲精品视频女| 日韩免费高清中文字幕av| 麻豆成人av视频| 日本猛色少妇xxxxx猛交久久| 99热这里只有精品一区| 中文字幕av成人在线电影| 欧美日韩国产mv在线观看视频 | av专区在线播放| 精品久久久久久电影网| 国产视频内射| 国产精品一区二区性色av| 国产av国产精品国产| a级一级毛片免费在线观看| 亚洲欧洲国产日韩| 99热6这里只有精品| 全区人妻精品视频| 黄色怎么调成土黄色| 久久这里有精品视频免费| 久久久成人免费电影| 国产69精品久久久久777片| 亚洲第一区二区三区不卡| 国精品久久久久久国模美| 日韩一区二区视频免费看| 一区二区av电影网| a级毛色黄片| 麻豆久久精品国产亚洲av| 一区二区三区免费毛片| 免费看不卡的av| 日韩三级伦理在线观看| 午夜精品国产一区二区电影 | 大片电影免费在线观看免费| 亚洲久久久久久中文字幕| 汤姆久久久久久久影院中文字幕| 日韩亚洲欧美综合| 老司机影院毛片| 嫩草影院新地址| 精品久久久久久久人妻蜜臀av| 亚洲精品乱久久久久久| 亚洲av不卡在线观看| 肉色欧美久久久久久久蜜桃 | 日韩成人伦理影院| 国国产精品蜜臀av免费| 亚洲图色成人| 精品国产乱码久久久久久小说| 免费在线观看成人毛片| av在线蜜桃| 婷婷色综合www| 九草在线视频观看| 久久综合国产亚洲精品| 国产精品人妻久久久久久| 自拍欧美九色日韩亚洲蝌蚪91 | 少妇被粗大猛烈的视频| 麻豆精品久久久久久蜜桃| 午夜福利网站1000一区二区三区| 六月丁香七月| 九草在线视频观看| 午夜免费鲁丝| 欧美高清成人免费视频www| av又黄又爽大尺度在线免费看| av线在线观看网站| 五月伊人婷婷丁香| 日韩一区二区三区影片| 在线观看av片永久免费下载| 亚洲最大成人手机在线| av福利片在线观看| 女人十人毛片免费观看3o分钟| 中文资源天堂在线| 亚洲最大成人av| 日韩视频在线欧美| 我的女老师完整版在线观看| 欧美成人午夜免费资源| 97人妻精品一区二区三区麻豆| 亚洲欧美日韩另类电影网站 | av在线app专区| 一区二区av电影网| 成年av动漫网址| 美女主播在线视频| 久久精品久久久久久久性| 亚洲激情五月婷婷啪啪| 国产精品久久久久久精品电影小说 | 在线精品无人区一区二区三 | 国产伦精品一区二区三区视频9| 晚上一个人看的免费电影| 国产精品福利在线免费观看| 久久精品夜色国产| 久久热精品热| 精品一区二区三区视频在线| 国产男女超爽视频在线观看| 午夜福利视频精品| 久久鲁丝午夜福利片| 在线观看国产h片| 日韩欧美一区视频在线观看 | 久久久a久久爽久久v久久| 菩萨蛮人人尽说江南好唐韦庄| 国产欧美日韩一区二区三区在线 | 日本午夜av视频| 三级国产精品片| 国产乱人视频| 欧美xxxx性猛交bbbb| 亚洲av欧美aⅴ国产| 久久久久网色| 天堂中文最新版在线下载 | 亚洲久久久久久中文字幕| 亚洲成人中文字幕在线播放| 亚洲精品456在线播放app| 97人妻精品一区二区三区麻豆| 国产精品伦人一区二区| 自拍偷自拍亚洲精品老妇| 国产精品99久久99久久久不卡 | 建设人人有责人人尽责人人享有的 | 狂野欧美激情性bbbbbb| 午夜日本视频在线| 麻豆乱淫一区二区| 中文字幕av成人在线电影| 人妻少妇偷人精品九色| 永久免费av网站大全| 男人爽女人下面视频在线观看| 一个人看的www免费观看视频| 亚洲精品影视一区二区三区av| 国产精品一区二区在线观看99| av卡一久久| 99视频精品全部免费 在线| 亚洲va在线va天堂va国产| 国产av码专区亚洲av| 婷婷色综合www| 国产免费福利视频在线观看| 久久99热这里只频精品6学生| 国产探花极品一区二区| 视频中文字幕在线观看| 一个人看视频在线观看www免费| 亚洲精品久久午夜乱码| www.av在线官网国产| 欧美成人a在线观看| 国产男女超爽视频在线观看| 亚洲综合精品二区| 午夜福利在线观看免费完整高清在| 国产精品嫩草影院av在线观看| 午夜福利高清视频| 少妇人妻精品综合一区二区| 免费高清在线观看视频在线观看| 色视频www国产| 亚洲精品成人久久久久久| 成年av动漫网址| 亚洲av.av天堂| 亚洲三级黄色毛片| 男女国产视频网站| 国产成人一区二区在线| 精品少妇久久久久久888优播| 成人免费观看视频高清| 久久午夜福利片| 国产熟女欧美一区二区| 禁无遮挡网站| 我的老师免费观看完整版| 亚洲国产精品成人久久小说|