一种改进重采样的粒子滤波算法

合集下载

一种改进的粒子滤波算法

Ａｎｅｗｍｏｄｉｉｅｆｄｕｎｓｃｅｎｔｅｄｐａｒｔｉｃｌｅｉｌｆｔｅｒ
ＮＩＣｈｕｎ－ｇｕａｎｇ
（Ｎｏ９１３８８ＵｉｎｔｏｆＰＬＡ，Ｚｈａｎｊｉａｎｇ５２４０２２，Ｃｈｉｎａ）
密度函数：ｑ（ｌ：一，Ｙ。：）＝Ｎ（，Ｐ），其中 Ⅳ （・）表示高斯函数。
令Ｗ（。）为重要性权值：
，
（５）
３一种新的ＵＰＦ滤波算法
称式（１）和式（２）为主模型，这里主要介绍一种
２ＵＰＦ原理
在粒子滤波器中，关键问题是对建议分布的选
最优的状态估计。对于非高斯非线性系统，如何快速计算积分是研究滤波算法的核心问题。
１．２粒子滤波算法
择。当ｑ（ｌ：一１，Ｙ）＝Ｐ（ｌ：一１，Ｙ０：）时，重要性权值条件方差最小，为最优重要性函数，但实际上很难对它进行采样。在应用中更常使用先验概率密度来作为建议分布：
ｇ（Ｉ：一１，Ｙ０：）Ｐ（Ｉ：一１）。
ＰＦ是通过蒙特卡罗方法实现贝叶斯递归估计。从待估计的后验分布Ｐ（。：ｌＹ。：）中抽样出 Ⅳ个独立
同分布的粒子和相应的归一化权值（），则分

一种改进的粒子滤波跟踪算法

费在小权值粒子上。采用重采样定理虽然可以部分解决粒子
些问题，它需要很长的运算时间，难以满足实时性要求，且
存在退化现象。鉴于此，本文提出一种改进的粒子滤波跟踪算法。在传统算法的基础上，引入均值漂移和积分直方图，
退化现象但粒子的收敛速度仍然很慢。为了解决该问题， ‘ 本文采用均值漂移算法皿Ｊ。，调整初始
ｎａｂｏａｅｒｙｌｌｍ￣ｉｍｏｉｏ，ｄｔｅｉｔｇａｉｔｇａＣｐｅｐｔｅｃｍｐｔｇｏｅｈｓｏｒｍｆｅｃａｔｌＴｅｓｏｓａｄｅｅｔｆｃｍｕｐｓｔｎａｎｅｒｌｓｏｒｍａｓｅｄｕｏｕｎｆｔｔｇａｏａｈｐｒｉｅｈ￣ｄｆｃｓｏｉｎｈｈｎｈｉｈｉｃｎ
中分号Ｔ９．田类。Ｎ１７１３
种改进的粒子滤波跟踪算法
柏柯嘉
（技术师范学院计算机科学学院，广州５０来自）广东１６５ ■
耍：传统粒子滤波跟踪算法的退化现象和巨大的计算量不利于其应用，尤其在实时性要求较高的视频监控场合。引入均值漂移算法进
．
ｈｄｔａａｔｅｔａｋｇａｇｒｈａｍｐｏｅａｄＣｍｅｔｅｎｅｓｏａ— ｔｅｔａｉｉｎｌｐｒｉｌｒｃｎｌｏｔｍｅｉｒｖｄ，ｎａｅｈｅｄｆｅｌｔｍｅｔａｋｎＥｐｒｍｅｔｌｅｕｔｒｖｅｅｅｔｖｎｓｆｒｏｃｉｉｒｎｔｒｉｃｇｘｅｒｉｉｎａｓｌｐｏｅｔｆｃｅｅｓｏｒｓｈｉ

一种改进的粒子滤波目标跟踪算法

期望的概率密度函数满足高斯分布。然而，际系统中的模型往往是非线性非高斯的，时，优估计很实此最
难实现。近年来提出的粒子滤波是一种基于蒙特卡罗仿真的最优回归贝叶斯滤波算法。它不受线性化误差和高斯噪声假定的限制，适用于任何状态转换或测量模型，在许多重要的实际情况下远远优于其他的滤
在目标跟踪的方法中，最常用的是卡尔曼滤波（Ｆ算法［。该算法系统的动态模型都是线性，Ｋ）２】且噪声是高斯的条件下是最优解。然而，目标跟踪中广泛存在着非线性问题，为此人们提出了大量的近似方法，中最经典并广泛使用的是扩展卡尔曼滤波（Ｉ）其Ｅ（算法［。该算法需要对模型进行线性化，：０９２—１２０ —０１修２０ —０６
基金项目：广东省自然科学基金项目，茂名市重点科技计划项目。
作者简介：高欢萍（９５）女，１一，山西吕梁人，８在读硕士，事无线传感器网络研究；从刘美（９７）女，１一，副教授，６博士，从事智能检测
第２卷ｏ
第１期
茂名学院学报
ＪＵＡＦＭＡＯＲＮＬＯＯＭＧＵ、ＮｒＲＳ ⅡＹ
ｖ１２Ｎ．ｏ．０ｏ１
Ｆｂ２０ｅｌ．ｏ９
２１００年２月
一
种改进的粒子滤波目标跟踪算法
高欢萍，刘美杜永贵‘ ，
Ｌ（，）Ｖ＝∑ ｃ：ｕ２／．１２ｉ口，（）１
ｄ＝ｌ一ｌｌｌ２
（）２
式中，＝｝ｉ，，凡为聚类中心；Ｖ（＝１２ …，）Ｕ：｛（＝ｌ２ …ｃｋ，，，）ｕ｝ｉ，，，＝１２ … 凡为隶属度矩阵； “ 表示样

一种改进重采样的粒子滤波算法_常天庆

收稿日期：2012-07-25;修回日期：2012-09-11基金项目：军队科研预研项目作者简介：常天庆(1963-)，男，河南郑州人，教授，博导，主要研究方向为装备自动化系统检测与故障诊断(changtianqing@263．net );李勇(1983-)，男，湖南浏阳人，博士研究生，主要研究方向为装备智能故障诊断、预测与健康管理;刘忠仁(1973-)，男，河南巩义人，讲师，主要研究方向为测控技术;董田沼(1987-)，男，山东淄博人，硕士，主要研究方向为检测技术与自动化装置．一种改进重采样的粒子滤波算法*常天庆，李勇，刘忠仁，董田沼(装甲兵工程学院控制工程系，北京100072)摘要：针对粒子滤波重采样过程中存在的粒子多样性丧失问题，提出一种改进重采样的粒子滤波算法。

按照局部重采样算法对粒子进行分类，中等权值的粒子保持不变，大、小两种权值的粒子采用Thompson-Taylor 算法进行随机线性组合产生新粒子。

实验结果表明，该算法能在降低计算复杂度的同时不丧失粒子多样性，提高了滤波性能。

关键词：局部重采样;Thompson-Taylor 算法;粒子滤波中图分类号：TP301．6文献标志码：A文章编号：1001-3695(2013)03-0748-03doi ：10．3969/j．issn．1001-3695．2013．03．026Particle filter algorithm based on improved resamplingCHANG Tian-qing ，LI Yong ，LIU Zhong-ren ，DONG Tian-zhao（Dept．of Control Engineering ，Academy of Armored Force Engineering ，Beijing 100072，China ）Abstract ：In order to solve the loss of particle diversity exiting in resampling process of particle filter ，this paper presented a particle filter algorithm based on improved resampling．It classified the particles to different groups according to partial resam-pling．It kept the particles with medium weight values same ，and combined the other two groups with high and low weight val-ues linearly and randomly to generate new particles using Thompson-Taylor algorithm．Experimental results show that the im-proved algorithm can reduce computational complexity and keep the diversity of particles and it also enhances the performance of filter．Key words ：partial resampling ；Thompson-Taylor algorithm ；particle filter粒子滤波采用序贯Monte Carlo 方法来解决非线性非高斯动态系统的状态估计问题，其核心思想是用一组加权随机样本（称做粒子）来逼近所要估计状态的后验概率密度函数［1］。

一种改进的粒子滤波算法

.19
Science and Technology Innovation Herald
一种改进的粒子滤波算法
邓寻1,2 辛强1,2 (1.攀枝花学院四川攀枝花 617000;2.西华大学四川成都 610039)
摘要：粒子滤波中存在着权值退化的问题，重采样技术的引用能够很好的解决这个问题。但是重采样在解决这个问题的同时又带来了新的问
Abstract:The resampling technique can do well with the weights degradation problems in particle filter. However, such method brings another trouble, loss in samples diversityat the same time. In order to solve the sample impoverishment caused by resampling algorithm, an improved particle filter algorithm is proposed in this paper. Before the resampling algorithm, It is used to guarantee the diversity of particles which is according to the size of the particle weight of corresponding particle mutation of artificial immune algorithm. To demonstrate the effectiveness of this algorithm, PF, EPF, IPF filtering methods are simulated respectively, the validity of this method is proved by analysis and comparison the results. Key words:resampling Variation particle filter

一种改进重采样的粒子滤波算法

ｕｅｓｌｉｎｅａｒｌｙａｎｄｒａｎｄｏｍｌｙｔｏｇｅｎｅｒａｔｅｎｅｗｐａｔｉｒｃｌｅｓｕｓｉｎｇＴｈｏｍｐｓｏｎ— Ｔａｙｌｏｒａｌｇｏｉｔｒｈｍ．Ｅｘｐｅｉｍｅｒｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｉｍ—
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１ — ３６９５．２０１３．０３．０２６
Ｐａｒｔｉｃｌｅｉｌｆｔｅｒａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｒｅｓａｍｐｌｉｎｇ
ＣＨＡＮＧＴｉａｎ・ｑｉｎｇ，ＬＩＹｏｎｇ，Ｌ１ＵＺｈｏｎｇ — ｒｅｎ，ＤＯＮＧＴｉａｎ — ｚｈａｏ
（Ｄｅｐｔ．ｏｆＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇ，ＡｃａｄｅｍｙｏｆＡｒｍｏｒｅｄＦｏｗｅＥｎｇｉｎｅｅｒｉｎｇ，Ｂｅｉｊｉｎｇ１０００７２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｌｏｓｓｏｆｐａｒｔｉｃｌｅｄｉｖｅｒｓｉｔｙｅｘｉｔｉｎｇｉｎｒｅｓａｍｐｌｉｎｇｐｒｏｃｅｓｓｏｆｐａｒｔｉｃｌｅｉｌｆｔｅｒ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｅｄａｐａｒｔｉｃｌｅｉｌｆｔｅｒａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｒｅｓａｍｐｌｉｎｇ．Ｉｔｃｌａｓｓｉｉｅｆｄｔｈｅｐａｔｉｒｃｌｅｓｔｏｄｉｆｆｅｒｅｎｔｇｒｏｕｐｓａｃｃｏｒｄｉｎｇｔｏｐａｒｔｉａｌｒｅｓａｍ—

一种改进的粒子滤波重采样算法研究

的粒子，增加了粒子多样性并且只对大权值粒子进行运算，降低了计算量利于实时系统的硬件实现。仿真故结果证明了该算法的有效性。关键字：粒子滤波；局部重采样；优化组合
中图分类号：Ｔ３１Ｐ９文献标识码：Ａ
Ｒｅｅｒｈｏｐｒｖｅｒｉｌｌｅｅａｐｌｎｇａｇｒｔｓａｃｆｉｍｏｄｐａｔｃｅｆｔｒｒｓｍｉｉｌｏｉｈｍ
ｔｅｐｏｏｅｔｏ．ｈｒｐｓｄｍｅｈｄＫｅｗｏｄｙｒｓ：ｐｒｃｅｆｔｒｎ；ａｔｌｅａｌｇｏｔｚｎｏｉａｉｎａｔｌｌｅｇｐｒｉｓｍｐｉ；ｐｉｉｇｃｍｂｎｔｉｉｉａｒｎｍｉｏ
２１０１年４１．１Ｎｏ．４
ＥＬＣＴＥＲＯＮＩＴＳＴＣＥ
一
种改进的粒子滤波重采样算法研究
金玉柱，李善姬
（延边大学工学院，吉林延吉１３０）３０２摘要：粒子滤波是基于递推的蒙特卡罗模拟方法的总称，可用于任意非线性，非高斯随机系统的状态估计。
ａｙｎｏｉａ，ｎｏｎ—Ｇａｓｉｎｓｔｍ．ＩｏｒｅＯｒｄｅｔｇｎｒｃｎｎｌｎｅｒｕｓａｙｓｅｎｄｒｔｅｕｃｈｅｄｅｅｅａｙ，ｔｅａｐｉｇｌｒｔｓａｏｐｔｄ．ｈｅｒｓｍｌｎａｇｏｈｍｉｄｉｅＢｕｔｔｈｅ
ｃｃｌｔｏｎｉｉｐｉｅ．ＡｎｄｉｓｐｏｔｏＯｉｐｅｅｔｂｈａｄａｅＴｈｅｓｍｕａｉｅｕｌｓｐｒｖｅｔｅｅｅｔｖｎｅｓｏｌａｕａｉｓｓｍｌｆｄｉｔｉｒｐｉｕｓｔｍｌｍｎｙｒｗｒ．ｉｉｌｔｏｎｒｓｔｏｆｃｉｅｓｆｈ

一种基于改进重采样的粒子滤波算法

ｐｒｏｖｅｄｒｅｓａｍｐｌｉｎｇｉｓｐｒｅｓｅｎｔｅｄ．Ｉｎｏｒｄｅｒｔｏｖｅｒｉｆｙｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅａｌｇｏｒｉｔｈｍ，ｔｗｏｅｘａｍｐｌｅｓｏｎｍａｎｏｅｕｖｒｉｎｇｔａｒｇｅｔｔｒａｃｋｉｎｇａｎｄｔｉｍｅ．ｃｏｎｓｔａｎｔｖａｌｕｅｓｅｓｔｉｍａｔｉｏｎａｒｅｓｉｍｕｌａｔｅｄ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｃａｎｓｏｌｖｅｔｈｅｓａｍｐｌｅｉｍｐｏｖｅｒｉｓｈｍｅｎｔｐｒｏｂｌｅｍ
，
Ａｂｓｔｒａｃｔ
Ａｉｍｉｎｇａｔｔｈｅｓａｍｐｌｅｉｍｐｏｖｅｒｉｓｈｍｅｎｔｐｒｏｂｌｅｍｓｔｈａｔｅｘｉｓｔｓｉｎｔｒａｄｉｔｉｏｎａｌｐａｒｔｉｃｌｅｆｉｌｔｅｒ，ａｐａｒｔｉｃｌｅｉｆｌｔｅｒａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｉｍ—
机动目标跟踪和分时恒值估计两类问题进行了仿真。结果表明，所提出的算法能够解决样本贫化问题，且具有较小的估计误差和较短的运算耗时。关键词

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｓｍｌｇｎｅｓｓｈｅｅｃａｏｔＧ）ｔｃｏｓｎｒｔ．ｅａａｏａｚｄｂａａｉａｐｉ，ａｄｔｎｕｅｔｅｎｔｇｒｍ（ＡｏｒｓａｄｖｉｅＴｒｔｎｉｒｉｙｓｅｖｒ — ｎｈｇｉｌｉｈａａｈｖｉｉｓｅｅｌｃｌａ
第５卷第９期１２１年ｕｉａｉｎＥｎｉｅｒｎｎｃｔｏｇｎｅｉｇ
Ｖｏ．１Ｎｏ．１５９Ｓｐ．２１ｅ０１
文章编号：０１９Ｘ２１）９０５４１０ —８３（０１０ —０３ —０
Ｌｈｎｊ，ＵＡ— ｎ／Ｓａ－Ｙｉａｉｌ
（ｏｅｅｏｎｉｅｉｇＹｎｉｎｖｒｔ，ａｊ１３０，ｈａＣｌｇｆｇｎｒ，ａｂａＵｉｓｙＶｎｉ３０２Ｃｉ）ｌＥｅｎｎｅｉｎ
Ａｂｔｃ：ｅａｐｎｎｉｐｒｎｍｔｄｔｓｌａｔｌｄｇｄｔｎｉｐｒｃｌｒｇＰ）ａｏｔｍ．ｓａｔＲｓｍｌｇｉａｏｔｔｅｏｏｅｐｒｃｅｒａｉａｉｅｆｔｎ（Ｆｌｒｒｉｓｍａｈｏｖｉｅａｏｎｔｌｉｅｉｇｉｈ
ｈｍｐｅｅａｌａｔｃｅｆｔｏｈｔｅｉｒｖｄｒｓｐｉｇｐｒｉｌｌｒａｇｒｔｍ．Ｓｍｕａｉｎｒｓｌｓｓｏｔａｅｉｒｖｄａｇｒｔｍａｅｔｒｏｍｎｉｅｌｉｉｌｔｅｕｔｈｗｔｔｍｐｅｏｈｈｂｔｏｈｈｏｌｉｓｅ
１引言
粒子滤波器（ａｔｌＦｌｒ利用一些随机样本Ｐｒｃｉｅ）ｉｅｔ（子）表示系统随机变量的后验概率分布，不粒来它
依赖于系统模型或观测方程的线性程度和状态的分
子在重要度更新的时候虽然还要参与计算，是对但整个系统的贡献很小，本上属于无用的粒子，样基这
关键词：标跟踪；目粒子滤波；重采样；遗传算法中图分类号：Ｆ９文献标识码：ｄｉ１．９９ｊｉｎ１０ —８３．０１０．０Ｔ３１Ａｏ：０３６／．ｓ．０１９ｘ２１．９０７ｓ
ＡｎＩｐｏｅｓｍｐｉｇＰａｔｃｅＦｉｅｉｇＡｌｏｉｈｍｒｖｄＲｅａｌｎｒｉｌｌｒｎｇｒｔｍｔ
一
种改进重采样的粒子滤波算法
李善姬，禹爱兰
（延边大学工学院，吉林延吉１３０）３０２
摘
要：粒子滤波算法中重采样是解决粒子退化的一种重要方法，重采样会导致粒子多样性的损但
失。针对这一问题，对基本重采样算法进行了改进。改进算法首先按基本重采样思想找到权值大的粒子进行复制，然后借鉴遗传算法进行交叉和变异操作，中变异由变异尺度因子和粒子集的均值其来实现。利用改进重采样的粒子滤波算法对经典纯方位目标跟踪问题进行了仿真，真结果表明，仿改进算法具有更好的跟踪精度。
ｉｒｖｄ．ｈｍｐｏｇｒｔｍｒｔｆｎｓｗｅｇｔｏｃｐａｇａｔｃｅｃｏｄｎｏｔｅｂｉｉｋｎｆｒ — ｍｐｏｅＴｅｉｍｖａｏｈｆｓｄｉｈｓｔｏｙｌｒｅｐｒｉｌｓａｃｒｉｇｔａｃｔｎｉｇｏｅｄｌｉｉｉｈｓｈ
不仅要浪费大量的计算资源，同时也容易造成跟踪
精度降低甚至可能会丢失目标。粒子重采样是解决
粒子退化的一种重要方法，用的重采样算法有多常
布，克服了以往基于线性高斯滤波方法的缺点，用适于难以进行线性化、以高斯近似处理以及处理后难性能较差的情况。粒子滤波以其突出的优点成为当前非线性估计领域的一个热门研究方向，得到了并广泛的应用ｌ３。在粒子滤波器中，遍存在的一】ＩＪ普个问题是粒子退化问题，即经过几次迭代之后，多很
ｔａｋｎｒｃｓｏｒｃｉｇｐｉｉｎ．ｅ
Ｋｅｒｓ：ａｇｔｔａｋｎｐｒｉｌｌｅｎｒｓｍｐｉｇ；ｅｅｉｇｒｔｍｙｗｏｄｔｒｅｒｃｉｇ；ａｔｅｆｔｒｇ；ａｌｃｉｉｅｎｇｎｔａｏｉｃｌｈ
粒子的权值变得很小甚至接近于零，这些小权值粒
ｔｎｆｃｏｎｅｍｅｆａｔｌｅｓＴｅｐｏｌｍｏｌｓａＢａｉｇ—ｏｌｒｅａｋｎｉｌｔｉｉｔｒｄｔａｏｒｃｅｓｔ．ｏａａｈｎｐｉｈｒｂｅｆａｉｌｅｒｃｓｃｎｎｙｔｇｔｒｃｉｇｉｓｍｕａｅｗｔａｔｓｄｈ
Ｂｔｒｓｍｐｉｇｗｌｌａｅｌｓｆａｔｌｉｒｉ．Ｔｌｅｔｉｐｏｌ，ｔｅｂｓｃｒｓｍｐｉｇａｇｒｈｉｕｅａｌｉｄｔｔｓｏｒｉｅｄｖｓｔｎｌｅｏｈｏｐｃｅｙｏｓｖｓｒｂｅｏｈｍｈａｉａｌｌｏｉｍｅｎｔｓ