移动机器人基于改进粒子滤波的声源目标跟踪研究.pdfVIP

学兔兔 、l造 匐 移动机器人基于改进粒子滤波的声源目标跟踪研究 Mobile robot sound source target tracking research based on improved particle fiIter 祖丽楠，张玉朋 ZU Li—nan，ZHANG Yu—peng (河北工业大学控制学院，天津300130) 摘 要：在机器人声源跟踪系统中，由于环境中存在非高斯噪声，且系统描述的观测方程非线性程度较 高，会导致跟踪精度低、稳定性差等问题。针对以上问题基于粒子滤波方法，提出了一种改 进的粒子滤波跟踪算法。在粒子滤波重采样后加人马尔科夫链移动步骤，改善重采样出现的 样本枯竭问题。将该算法应用到机器人声源跟踪中，仿真实验表明，相对粒子滤波跟踪算法 更加准确有效的实现了声源跟踪。 关键词：移动机器人；声源目标跟踪；粒子滤波；马尔科夫链 中图分类号：TP242．6 文献标识码：A 文章编号：1 009—01 34(201 3)1 1(上)一0021—04 Doi：1 0．3969／J．issn．1 009-01 34．201 3．11(上)．07 0 引言 决“粒子退化”问题，重采样的提出有效克服了 随着智能机器人的发展，机器听觉定位跟踪 粒子退化，却引入了粒子枯竭现象。针对这一问 已经成为了移动机器人研究的一个重要领域。麦 题，本文提出了一种改进的粒子滤波算法。即粒 克风阵列的声源定位与跟踪技术广泛用于人机交 子滤波马尔科夫链算法 (PFMC)，在重采样过 互、电视电话会议和机器人导航等领域 。例如， 程中采用马尔科夫链移动步骤，增加样本的多样 在电视电话会议系统中，说话人跟踪可为摄像机 性。改进算法进一步提高了跟踪精度和滤波效 转向控制与基于麦克风阵列的语音拾取提供方向 果。仿真实验表明，本文方法具有更好的跟踪效 信息；在移动机器人上安装上麦克风阵列，实现对 果更适合声源跟踪。 说话人或所处环境中其他声源的定位与跟踪 。目 1 粒子滤波 前，目标跟踪中计算机视觉跟踪是比较成熟的跟 粒子滤波是一种序贯蒙特卡罗滤波算法， 根 踪方法，但这类方法有以下缺点：易受到光照条 据大数定理利用蒙特卡罗方法求解贝叶斯估计中 件、遮挡等因素的影响，且跟踪范围受摄像机视 的高维积分 。 它的基本思想是：首先，根据系统 角限制 。与计算机视觉跟踪方法相比，声源定位 状态向量的经验条件分布在状态空间产生一组随 与跟踪方法具有全方位跟踪能力，且运算量较低， 机样本的集合 ， 这些样本称为粒子；根据量测值 易于构建实时系统，已成为跟踪问题的一个新的 来调整粒子的权重 ， 利用调整后的粒子修正最初 思路。 粒子的先验条件分布 。 其本质是通过寻找一组在 基于状态空间方法的听觉跟踪系统是一个典 状态空间传播