首页 | 本学科首页   官方微博 | 高级检索  
     检索      

应用高斯粒子群优化的无迹粒子滤波
引用本文:汪晶,聂桂根,薛长虎.应用高斯粒子群优化的无迹粒子滤波[J].测绘通报,2017,0(4):1-5.
作者姓名:汪晶  聂桂根  薛长虎
作者单位:武汉大学卫星导航定位技术研究中心, 湖北 武汉 430079
基金项目:国家重点基础研究发展计划,武汉市科技局项目
摘    要:针对粒子滤波算法中存在的粒子退化与粒子匮乏的缺陷,提出了利用高斯粒子群优化无迹粒子滤波的新算法。算法使用无迹粒子滤波进行重要性采样,并将高斯粒子群优化算法融入重采样过程中。该算法选取的概率密度更加接近系统真实状态,有效增加了粒子的多样性,提高了抽样效率,降低了粒子退化程度,缓解了粒子匮乏现象。试验结果表明,该算法的滤波精度明显优于粒子滤波与无迹粒子滤波算法所得到的滤波精度。

关 键 词:无迹粒子滤波  高斯粒子群优化  粒子退化  粒子匮乏  
收稿时间:2016-08-11
修稿时间:2016-12-30

Unscented Particle Filter Using Gaussian Particle Swarm Optimization
WANG Jing,NIE Guigen,XUE Changhu.Unscented Particle Filter Using Gaussian Particle Swarm Optimization[J].Bulletin of Surveying and Mapping,2017,0(4):1-5.
Authors:WANG Jing  NIE Guigen  XUE Changhu
Institution:GNSS Research Center, Wuhan University, Wuhan 430079, China
Abstract:A new unscented particle filter using Gaussian particle swarm optimization (GPSO-UPF) algorithm is proposed in this paper to improve particle degeneracy and particle impoverishment.It uses unscented particle filter in importance sampling process and incorporates Gaussian particle swarm optimization into re-sampling process.Through GPSO-UPF,the probability density moves closely to true state,the number of effective particles and efficiency are increased,the particle degeneracy is reduced and particle impoverishment is relieved.The experimental results show that the state estimation precision of GPSO-UPF is higher than estimation precision of PF and UPF.
Keywords:unscented particle filter  Gaussian particle swarm optimization  particle degeneracy  particle impoverishment
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《测绘通报》浏览原始摘要信息
点击此处可从《测绘通报》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号