粒子滤波算法在多传感器测量中的应用

摘要：

目标跟踪是粒子滤波算法在处理非线性问题的一种典型应用，但由于在线处理能力或传输条件的限制，实际应用中往往无法对多个传感器数据同时处理。据此，给出了一种基于多传感器选优的粒子滤波算法。假设每个时刻可以处理一个测量数据，该算法先采用加权的概率密度函数来评价每个传感器获得的测量值，并用粒子滤波对概率密度函数的加权进行实时更新，基于最大熵标准来选取最优测量数据进行处理。同时，最大熵标准保证了最优似然函数分布最宽，从而缓解粒子衰竭问题。通过数值仿真实验证明，该算法可以选择最优观测数据进行处理，有效降低多传感器测量中粒子滤波在线实时处理性能的要求，也较好地缓解了粒子滤波的“衰竭”问题。

关键词：粒子滤波、最大熵、传感器选择、粒子衰竭

分类号：TN911.6-34

资助基金：国家自然科学基金资助项目11302175

在线出版日期：2014-01-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：24-26,30