基于差分算法优化的自复位粒子滤波算法

摘要：

粒子滤波器作为常用的非高斯非线性的滤波方法,已成功地应用于各种工程领域.然而传统的重采样方法导致了粒子贫化的问题,严重降低了滤波估计的精度与鲁棒性.文中提出一种结合跟踪失败检测与改进差分优化融合的自复位粒子滤波方法.首先通过跟踪失败识别方法对滤波估计值进行初步检验,在正常跟踪时不启用优化策略,算法性能与标准粒子滤波无异;在跟踪失败时,通过差分算法对粒子集进行复位,复位过程中设置了粒子置信区间的上下界以防粒子过度集中,并结合检验指示值规避对粒子的多次优化,以缩短算法的估计时间.仿真结果表明,文中算法通过动态调节方式继承了标准粒子滤波和差分进化粒子滤波的优点,有效提高了滤波估计的鲁棒性与估计精度,可在滤波成功时避免启用优化策略以降低算法的整体时间复杂度,并在滤波失败时启用差分优化策略进行自我复位以提高算法估计精度;且在相同定位精度下,其所需粒子数较标准粒子滤波更少,整体时耗较差分进化粒子滤波更低,在建模不确定时也可表现出良好的效果.

关键词：粒子滤波、差分进化算法、自适应、非线性滤波、自复位

所属期刊栏目：51

分类号：TP391.9(计算技术、计算机技术)

资助基金：广东省科技计划项目;教育部科技计划项目

在线出版日期：2023-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：133-145