Particle filter algorithm based on whale swarm optimization
-
摘要: 针对标准的粒子滤波存在粒子贫化问题,提出了一种鲸群优化的粒子滤波算法。用粒子表征鲸鱼个体, 模拟鲸鱼群体搜寻猎物的过程,引导粒子向高似然区域移动。将粒子滤波中粒子的状态值作为鲸鱼群的个体位置,将粒子的状态估计转化为对鲸鱼群的寻优;通过鲸群的螺旋运动方式优化粒子的重要性采样过程,使粒子分布更加合理,对鲸群算法中的全局最优值引入最优邻域随机扰动策略,并在鲸鱼位置更新过程中加入自适应权重因子;选用一种典型的单静态非增长模型进行仿真测试。测试结果表明:提出的方法与传统的粒子滤波以及引力场优化的粒子滤波相比,在保证相同粒子数的前提下,算法的均方误差分别降低了28%和9%,证明了鲸群优化的粒子滤波算法具有更高的估计精度,并且在粒子数较少的情况下,可实现更准确的状态估计。Abstract: Aiming at the problem of particle impoverishment in the standard particle filter, a particle filter algorithm based on the whale swarm optimization was proposed. In the algorithm, the particles were used to characterize the individual whales so as to simulate the process of whale swarm for searching preys and guide the particles to move to the high-likelihood region. Firstly, the state value of particles in particle filter was taken as the individual position of the whale swarm, and the state estimation of particles was transformed into the optimization of the whale swarm. Secondly, the importance sampling process of particles was optimized through the spiral motion mode of the whale swarm, which made the particle distribution more reasonable. In addition, the optimal neighborhood random disturbance strategy was introduced for the global optimal value in the whale swarm algorithm, and the adaptive weight factor was added in the process of whale position update. Finally, a typical single-static non-growth model was selected for the simulation test. The test results show that compared with the standard particle filter and the particle filter optimized by the gravitational field, the mean square error of the proposed algorithm is reduced by 28% and 9% respectively under the premise of the same particle number, which verifies that the particle filter algorithm optimized by the whale swarm has the higher estimation accuracy, and in the case of fewer particles, the more accurate state estimation can be achieved.
-
引言
光电经纬仪光学结构与望远镜系统类似,具有相对口径不大、视场较小、成像物体位于无限远等特点。由于光电经纬仪测量过程的特殊性,其光学系统具有许多新的特点。考虑到光电经纬仪工作距离一般有数十甚至上百千米,为了提升像方分辨率和成像质量,其光学系统一般都具有较大的孔径,较长的焦距,较高的透过率和较低的畸变。同时,由于跟踪架的限制,光学系统的总质量、总长及其外观尺寸都有严格的要求。此外,为了适应不同的测量环境,系统具有较高的温度适应性,具有调光功能,装调和检查方便等,这些都为光电经纬仪光学系统的设计增加了难度[1-2]。
为了获得更为丰富的探测数据,目前世界上先进的光电探测设备大多采用多波段集成的模式,早期的多波段观测常用的方式是多波段分口径成像形式。多波段分口径系统架构相对较大、制造成本偏高,难以保证不同孔径探测在时间、空间上的一致性。随着设计水平的提高和加工工艺的发展,多波段共孔径成为光电系统发展的方向。常用的多波段共口径结构由共用前置光路、分光元件及分立的后置光路3部分组成。其中前置光路有多种实现方式,包括卡塞格林式、离轴三反式或折射透镜组等。分光元件包括棱镜、平行平板等。后置光路一般由多个单独的镜头外加能够响应不同波段的探测器组成[3]。
随着大靶区、高空探测、高速目标、多波段目标特性测量等新需求的出现,光学测量设备需要具有更远的作用距离、更大的动态范围和更高的测量精度[4]。文献[5]中设计了一款可见/红外双波段大视场共口径齐焦光学系统,采用折射光路,虽然满足大视场的要求,但是受限于光学材料,系统口径难以做到160 mm口径以上。文献[6]中设计了一套可见/中波双波段共口径光学系统,在结构形式上具有一定借鉴意义,但是系统口径及视场较小,无法实现调焦、调光功能。文献[7]中设计一套用于车载光电跟踪测量系统的可见/长波/中波共口径光学系统,成像质量良好,但是文中并没有介绍光学系统的设计过程,缺少对光学系统初始结构设计方法的介绍。本文在工程实践的基础上总结了一套分段设计、组合优化的光学设计方法,再现了可见/中波双波段共口径光学系统的设计过程,设计的可见/中波双波段共口径光学系统最大视场达到1.25°,畸变小于0.1%,可以在环境温度−30 ℃~50 ℃下工作,中波红外探测系统实现了100%冷光阑匹配,可以实现大、小视场的切换,而且具有调焦、调光功能。文中重点介绍制冷型中波红外探测系统的冷反射分析方法,并且通过外场试验成像验证了分析结论的正确性。
1 系统参数及指标
为了实现对25 km以内飞行目标(14 m×25 m×5 m)实现跟踪并对其轮廓和姿态实现测量,考虑到红外成像分辨率较低,对目标成像不精确,但是红外成像探测覆盖距离远,成像质量受光照环境和天气条件影响不大的特点,将双波段共口径最大视场在中波红外探测系统中实现。可见光成像研究的是目标在自然环境中的散射和辐射特性,可以提供目标丰富的细节信息的特点,将长短焦变倍功能在可见探测系统中实现,更有助于实现高效的目标探测与识别。通过相关分析和计算可以确定双波段共口径光学系统的主要技术指标:
1) 工作波段,中波红外为3.7 μm ~4.8 μm,可见波段为0.5 μm ~0.8 μm;
2) 焦距,中波探测定焦为900 mm,可见探测两档定焦为1 500 mm、3 000 mm;
3) 视场,中波为1.25°,可见探测短焦、长焦分别为0.48°、0.24°;
4) 入瞳直径450 mm;
5) 畸变小于0.1%;
6) 中波红外100%冷光阑匹配;
7) 环境温度为−30 ℃~50 ℃。
2 设计方法及过程
2.1 主光学系统初始结构
采用次镜分光的方案,光学系统的总体结构布局如图1所示。主镜位于整个系统的最后端,可以拆卸,方便维护;可见光探测子系统与中波红外子系统对称分布在主镜筒两端,不需要引入额外配重,结构美观;主镜筒长短尺寸容易控制,可实现系统的小型化、紧凑化。系统由4片45°反射镜组成折叠光路,中波红外与可见光探测子系统对称分布于主光学系统两侧,3段折叠光轴之间的间距H由系统主镜口径、探测器的外观尺寸,以及四通光机结构件尺寸决定,设置为380 mm。系统一次像面的位置需要位于主镜筒外部,一次像面附近的光学元件距离一次像面的位置在10 mm以上,防止元件上的灰尘或瑕疵影响系统的成像质量。
综合考虑系统的视场以及光学传递函数,将主系统次镜遮拦比α设置为0.25。主镜的F数越小,主系统的筒长越短,主镜的加工越困难[8],综合考虑将主镜的F1设计为1.5。根据卡塞格林系统初始结构求解公式[8]可以得到主系统的初始结构参数,如表1所示。其中R1为主镜顶点半径,R2为次镜顶点半径,K1、K2分别为主镜、次镜非球面系数,d为主次镜间距。
表 1 主系统的初始结构参数Table 1. Initial structural parameters of primary optical system参量 R1 R2 K1 K2 d 数值 −1 350 −434.286 −1 −2.498 7 −513 2.2 可见光探测子系统光学设计
可见光探测光学系统由卡塞格林形式的主光学系统(主光学系统作为调焦镜组的准直镜组),以及垂轴切换变倍镜头组成,光路布局结构如图2所示。主光学系统与准直镜组构成缩束系统,缩束比k为15。根据比例关系可以计算得到准直镜组焦距f ′2=200 mm,短焦成像镜头焦距f ′3=1 500 mm/15=100 mm,长焦成像镜头焦距f ′4=3 000 mm/15=200 mm。
在缩束系统优化时,注意保持主次镜参数不变,并且用焦距分别为100 mm和200 mm的镜头模型代替实际的成像镜组,如图3所示。在CODE V光学设计软件中,通过限制缩束系统出射光线局部光学方向余弦,来限制光线平行于光轴出射;通过限制表面局部坐标,控制缩束系统的出射光瞳位置,以便与成像镜组对接。
采用分段设计组合优化的设计方法,长短焦成像系统分别获得良好的成像效果之后,可以采用多重结构的形式放在同一个系统中做整体优化,变倍镜头优化时应注意确保长短焦像面位置重合。考虑到探测器的外形尺寸,在优化设计时要确保系统后截距大于30 mm,便于机械结构设计。
2.3 中波红外子系统光学设计
中波红外探测系统结构与可见光探测系统类似,由主光学系统,准直镜组,以及可实现调焦的成像镜组组成,光路布局结构如图4所示。中波红外系统孔径光阑及其像的位置如图4红点线所示,在理论上可以实现冷光阑匹配。中波红外探测系统视场较大,3次成像的结构形式减小了成像镜组的通光口径,降低了透镜加工成本。
采用分段设计组合优化的设计方法,合理分配光焦度,主光学系统与准直镜组缩束比为9,主光学系统焦距f ′5=1 530 mm,准直镜组焦距f ′6=170 mm,成像镜组焦距f ′7=900 mm/9=100 mm。成像物镜组初始结构选择文献[9]中设计的中波红外两档变倍光学系统,做相应的缩放和优化。
3 设计结果与分析
3.1 设计结果
双波段共口径光学系统最终设计结构如图5所示。中波红外与可见光探测系统共用主光学系统,在次镜位置反射可见光波段,透射中波红外,可见光探测与中波红外探测对称分布于主系统两侧,整个系统结构紧凑,布局合理。次镜材料选用可以透射中波红外的ZnSe,ZnSe材料杂质较少,吸收系数小,可以降低对中波探测能量的损耗[10]。次镜的分光表面镀全介质膜,全介质膜膜层牢固适用于恶劣的工作环境。450 mm口径的主镜需要同时反射可见光波段与中波红外波段,反射带更宽,口径更大,全介质膜无法实现,可以在金属反射膜层外添加多层介质增强保护膜,增加使用波段反射率,同时增强膜层的强度和耐腐蚀性[11]。
本文设计的双波段共口径光学系统的调制传递函数(modulation transfer function,MTF)曲线如图6所示。从图6可以看出,在55 lp/mm处,可见光探测短焦成像系统MTF大于0.65,长焦成像系统MTF大于0.55;中波红外探测系统在20 lp/mm处,短焦成像系统MTF大于0.7,均满足成像质量要求。如图7所示,可见光探测短焦系统最大畸变为0.10%,可见光探测长焦系统最大畸变为0.07%,中波红外系统最大畸变为0.10%,均满足高精度测量设备对光学系统畸变的要求。弥散圆包含80%能量,焦距1 500 mm弥散圆直径为0.012 mm,焦距3 000 mm弥散圆直径为0.015 mm,都小于0.02 mm,中波红外探测系统STREHL大于0.957,满足大于0.8的要求。
最终设计的可见/中波双波段共口径光学系统同时实现了大视场、小畸变、长短焦变倍,并且具有调焦、调光功能。在工作距离2 km~∞范围内,工作温度−30 ℃~+50 ℃范围内,通过调焦镜组轴向移动可见/中波双波段共口径光学系统均可以获得良好的成像质量,而且温度变化量与调焦镜移动量成线性关系,有利于调焦镜的驱动。
可见光光学成像镜头装调完成后中心视场星点圆实,无明显球差、彗差、像散及色差,目视分辨率短焦大于400 lp/mm,长焦大于200 lp/mm,满足技术指标要求。可见/中波双波段共口径光学系统视场边缘成像清晰,符合使用要求。
3.2 冷反射分析
冷反射是评价红外系统性能的重要指标之一。冷反射是制冷红外系统中探测器“看到”自身反射的“冷像”,它是从系统中某个透镜表面反射回来进入光敏面的辐射[12-14]。较强的冷反射信号将淹没目标信号,严重影响系统的探测、识别和跟踪性能。因此,在光学设计阶段需要充分考虑使用制冷型探测器红外光学系统的冷反射现象,评价其影响。
利用光学设计软件Code V的冷反射分析功能,可以看到本文设计的制冷型中波红外探测系统中表面14和表面19的冷反射现象更严重,需要做进一步分析。为了更直观地分析表面14和表面19的冷反射光线在像面的会聚情况,选择在TracePro杂散光分析软件中对中波红外探测系统做真实建模,如图8所示。给模型赋予实际的材料属性,并将像面设置为表面光源,对系统做逆向光线追迹。表面光源发光属性设置为朗伯体,可以模拟所有进入成像系统的视场光线。表面14、表面19反射的冷反射光线在像面上的平均辐照度如图9所示。表面19的像面辐照度分布相对于表面14的像面辐照度更均匀,与光学设计软件逆向分析结果相符。从探测器光斑横截面曲线图上可以读取包含80%能量的弥散光斑直径,表面14对应光斑直径为4.5 mm,表面19对应光斑直径为11.4 mm,中波红外探测系统所有元件的冷反射光线在探测器表面叠加光斑直径为11.6 mm,均大于探测器半径的一半3.1 mm。当系统产生的冷反射弥散斑半径大于探测器半径的一半时,可以认为该系统产生的冷反射弥散斑均匀地分布在探测器上[15],即该光学系统的冷反射现象可以忽略。图10为外场实验中拍摄的中波红外探测图片,图片成像清晰,在视场中心不存在叠加黑斑的情况,说明该光学系统的冷反射现象可以忽略,从实践中验证了上述仿真结果的正确性。
4 结论
本文根据实际工程实践经验,总结了一套分段设计、组合优化的光学设计方法,采用此方法设计了一套口径450 mm可见/中波双波段共口径光电经纬仪光学系统。系统最大视场达到1.25°,畸变小于0.1%,可以在环境温度−30 ℃~50 ℃下工作,实现了中波红外探测系统的100%冷光阑匹配,可以实现大、小视场的切换,而且具有调焦、调光功能。文中根据分段设计组合优化的光学设计方法,详细介绍了双波段共口径光学系统初始结构设计步骤,再现了双波段共口径光学系统从无到有的设计过程,重点介绍了结合CODE V光学设计软件和TracePro杂散光分析软件的制冷型中波红外探测系统冷反射分析方法,并且通过外场试验验证了分析结果的正确性。该光学系统经过外场试验证明成像性能良好,实现了可见/中波双波段对目标同时、同步进行捕获、跟踪、测量的目的。
-
表 1 3种算法均方根误差对比
Table 1 Comparison of root mean square error of three algorithms
粒子数目N/个 PF GFA-PF IWS-PF 20 2.026 2 1.591 1 1.540 0 50 1.881 3 1.498 3 1.362 9 100 1.707 5 1.453 6 1.342 3 表 2 3种算法运行时间对比
Table 2 Comparison of operation time of three algorithms
粒子数目N/个 PF运行
时间/sGFA-PF
运行时间/sIWS-PF
运行时间/s20 0.002 9 0.007 7 0.009 6 50 0.004 6 0.014 3 0.016 1 100 0.006 7 0.021 9 0.023 6 -
[1] XU Y, XU K, J. WAN J, et al. Research on particle filter tracking method based on Kalman filter[C]//2018 2nd IEEE Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC), Xi'an, China.US: IEEE, 2018: 1564-1568.
[2] DEVARAJAN J P, ROBERT T P. Swarm intelligent data aggregation in wireless sensor network[J]. International Journal of Swarm Intelligence Research (IJSIR),2020,11(2):1-18. doi: 10.4018/IJSIR.2020040101
[3] HUI Z, LIFEN W, YUAN R, et al. An improved particle filter based on UKF and weight optimization[C]//2020 IEEE 3rd International Conference on Information Communication and Signal Processing (ICICSP), Shanghai, China. US: IEEE, 2020: 80-83.
[4] 徐诚, 王鑫鑫, 段世红, 等. 基于误差椭圆重采样的粒子滤波跟踪算法[J]. 仪器仪表学报,2020,41(12):76-84. XU Cheng, WANG Xinxin, DUAN Shihong, et al. Particle filter tracking algorithm based on error ellipse resampling[J]. Chinese Journal of Scientific Instrument,2020,41(12):76-84.
[5] 陈世明, 肖娟, 李海英, 等. 基于引力场的粒子滤波算法[J]. 控制与决策,2017,32(4):709-714. CHEN Shiming, XIAO Juan, LI Haiying, et al. Particle filtering algorithm based on gravitational field[J]. Control and Decision,2017,32(4):709-714.
[6] 韩锟, 张赫. 基于果蝇优化算法改进的粒子滤波及其在目标跟踪中的应用[J]. 湖南大学学报 (自然科学版),2018,45(10):130-138. HAN Kun, ZHANG He. Improved particle filtering based on fruit fly optimization algorithm and its application in target tracking[J]. Journal of Hunan University (Natural Science Edition),2018,45(10):130-138.
[7] 陈志敏, 田梦楚, 吴盘龙. 基于蝙蝠算法的粒子滤波法研究[J]. 物理学报,2017,66(5):47-56. CHEN Zhimin, TIAN Mengchu, WU Panlong. Research on particle filtering based on bat algorithm[J]. Acta Physica Sinica,2017,66(5):47-56.
[8] ZHU D, SUN X, WANG L, et al. Mobile robot SLAM algorithm based on improved firefly particle filter[C]//2019 International Conference on Robots & Intelligent System (ICRIS). US: IEEE, 2019: 35-38.
[9] 朱震曙, 蒋长辉, 薄煜明, 等. 磷虾群优化的改进粒子滤波算法[J]. 哈尔滨工业大学学报,2020,52(2):186-192. doi: 10.11918/201903219 ZHU Zhenshu, JIANG Changhui, BO Yuming, et al. Improved particle filtering algorithm for krill swarm optimization[J]. Journal of Harbin Institute of Technology,2020,52(2):186-192. doi: 10.11918/201903219
[10] MIRJALILI S, LEWIS A. The whale optimization algorithm[J]. Adv. Eng. Softw., 2016, 95: 51-67.
[11] 李雅丽, 王淑琴, 陈倩茹, 等. 若干新型群智能优化算法的对比研究[J]. 计算机工程与应用,2020,56(22):1-12. doi: 10.3778/j.issn.1002-8331.2006-0291 LI Yali, WANG Shuqin, CHEN Qianru et al. Comparative study on several novel swarms intelligence optimization algorithms[J]. Computer Engineering and Applications,2020,56(22):1-12. doi: 10.3778/j.issn.1002-8331.2006-0291
[12] 徐建中, 晏福. 改进鲸鱼优化算法在电力负荷调度中的应用[J]. 运筹与管理,2020,29(9):149-159. XU Jianzhong, YAN Fu. Application of improved whale optimization algorithm in power load scheduling[J]. Operations Research and Management,2020,29(9):149-159.
[13] AZIZ M A E, EWEES A A, HASSANIEN A E. Whale optimization algorithm and moth-flame optimization for multilevel thresholding image segmentation[J]. Expert Systems with Applications,2017,83:242-256. doi: 10.1016/j.eswa.2017.04.023
[14] 王生武, 陈红梅. 基于粗糙集和改进鲸鱼优化算法的特征选择方法[J]. 计算机科学,2020,47(2):44-50. doi: 10.11896/jsjkx.181202285 WANG Shengwu, CHEN Hongmei. Feature selection method based on rough set and improved whale optimization algorithm[J]. Computer Science,2020,47(2):44-50. doi: 10.11896/jsjkx.181202285
[15] 秦川, 陶忠, 桑蔚, 等. 基于粒子滤波的运动目标光电定位仿真研究[J]. 应用光学,2020,41(1):10-17. doi: 10.5768/JAO202041.0101002 QIN Chuan, TAO Zhong, SANG Wei, et al. Simulation of photoelectric positioning of moving target based on particle filter[J]. Journal of Applied Optics,2020,41(1):10-17. doi: 10.5768/JAO202041.0101002
[16] 滕德云, 滕欢, 潘晨, 等. 基于鲸鱼优化算法的无功优化调度[J]. 电测与仪表,2018,55(24):51-58. doi: 10.3969/j.issn.1001-1390.2018.24.010 TENG Deyun, TENG Huan, PAN Chen, et al. Reactive power optimization scheduling based on whale optimization algorithm[J]. Electrical Measurement & Instrumentation,2018,55(24):51-58. doi: 10.3969/j.issn.1001-1390.2018.24.010
[17] 刘磊, 白克强, 但志宏, 等. 一种全局搜索策略的鲸鱼优化算法[J]. 小型微型计算机系统,2020,41(9):1820-1825. doi: 10.3969/j.issn.1000-1220.2020.09.005 LIU Lei, BAI Keqiang, DAN Zhihong, et al. A whale optimization algorithm for global search strategy[J]. Journal of Small and Microcomputer Systems,2020,41(9):1820-1825. doi: 10.3969/j.issn.1000-1220.2020.09.005
-
期刊类型引用(9)
1. 张坤,李京宸,孙思,谌庆荣,杨帆. 基于单传感器的三波段共口径光学系统设计. 中国光学(中英文). 2024(02): 382-389 . 百度学术
2. 贾永丹,孙建,聂云松. 高光学效率可见红外共口径/视场离轴系统设计. 航天返回与遥感. 2023(01): 126-134 . 百度学术
3. 彭礼威,张明磊,陈宇,蒋露松,董大鹏. 共孔径多模遥感相机光学系统设计. 红外与激光工程. 2023(10): 266-275 . 百度学术
4. 彭礼威,陈宇,董大鹏,谭勇. 多波段光谱接收与可见光成像共孔径光学系统设计. 红外与激光工程. 2022(07): 258-268 . 百度学术
5. 党更明,高明,吕宏. 双波段共口径连续变焦光学系统设计. 西安工业大学学报. 2022(06): 578-587 . 百度学术
6. 任兰旭,谭庆贵,张缓缓,呼新荣,李帅. 主三镜一体化离轴三反光学天线设计. 应用光学. 2021(01): 23-29 . 本站查看
7. 马占鹏,薛要克,沈阳,赵春晖,周藏龙,林上民,王虎. 可见/红外双色共孔径光学系统设计及实现. 光子学报. 2021(05): 32-40 . 百度学术
8. 刘尊辈,蔡毅,刘福平,马俊卉,张猛蛟,王岭雪. 分孔径紫外多波段成像光学系统设计. 中国光学. 2021(06): 1476-1485 . 百度学术
9. 宋晓,高明,吕宏. 基于双波段共口径的弹着点位置检测光学系统设计. 西安工业大学学报. 2021(06): 649-659 . 百度学术
其他类型引用(7)