基于自适应粒子群优化的代价评估Marginalized粒子滤波
针对量测受扰动情况下粒子重要性权重的精确度量和粒子的有效采样问题,提出了一种基于自适应粒子群优化的代价评估Marginalized粒子滤波.首先,在Marginalized粒子滤波框架下,通过引入代价函数和风险函数,实现了粒子重要性权重评价过程中对最新量测信息的合理利用,以降低传统的依据重要性权重度量方式中对于噪声先验信息的依赖.其次,通过对粒子分布特征信息的提取和利用,构建了粒子极限速度设定的自适应选取策略,给出了一种自适应粒子群优化方法.在此基础上,结合粒子群优化中群体优化机理来提升采样粒子对被估计状态的逼近程度,进而改善重采样后粒子的多样性.理论分析和仿真实验验证了算法的有效性.
非线性滤波、代价评估粒子滤波、粒子群优化、量测不确定
41
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61300214,U1204611;河南省高校科技创新团队支持计划13IRTSTHN021;河南省基础与前沿技术研究计划132300410148,132300410278;河南省教育厅科学技术研究重点项目13A413066;河南省青年骨干教师资助计划2010GGJS-041;河南大学教学改革重点项目HDXJJG2013-07;河南省博士后基金2013029;中国博士后基金2014M551999
2014-07-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
199-203