| 基于自适应粒子群优化的代价评估Marginalized粒子滤波 |
| |
| 引用本文： | 胡振涛,魏丹,金勇,胡玉梅.基于自适应粒子群优化的代价评估Marginalized粒子滤波[J].计算机科学,2014,41(6):199-203. |
| |
| 作者姓名： | 胡振涛 魏丹 金勇 胡玉梅 |
| |
| 作者单位： | 河南大学计算机与信息工程学院 开封475004 河南大学图像处理与模式识别研究所 开封475004;河南大学计算机与信息工程学院 开封475004 河南大学图像处理与模式识别研究所 开封475004;河南大学计算机与信息工程学院 开封475004 河南大学图像处理与模式识别研究所 开封475004;河南大学计算机与信息工程学院 开封475004 河南大学图像处理与模式识别研究所 开封475004 |
| |
| 基金项目： | 本文受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(132300410148,8),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 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 非线性滤波 代价评估粒子滤波 粒子群优化 量测不确定 |
| 收稿时间： | 2013/8/23 0:00:00 |
| 修稿时间： | 2013/11/12 0:00:00 |
Cost Reference Marginalized Particle Filter Based on Adaptive Particle Swarm Optimization |
| |
| HU Zhen-tao,WEI Dan,JIN Yong and HU Yu-mei.Cost Reference Marginalized Particle Filter Based on Adaptive Particle Swarm Optimization[J].Computer Science,2014,41(6):199-203. |
| |
| Authors: | HU Zhen-tao WEI Dan JIN Yong and HU Yu-mei |
| |
| Affiliation: | College of Computer and Information Engineering,Henan University,Kaifeng 475004,ChinaInstitute of Image Processing and Pattern Recognition,Henan University,Kaifeng 475004,China;College of Computer and Information Engineering,Henan University,Kaifeng 475004,ChinaInstitute of Image Processing and Pattern Recognition,Henan University,Kaifeng 475004,China;College of Computer and Information Engineering,Henan University,Kaifeng 475004,ChinaInstitute of Image Processing and Pattern Recognition,Henan University,Kaifeng 475004,China;College of Computer and Information Engineering,Henan University,Kaifeng 475004,ChinaInstitute of Image Processing and Pattern Recognition,Henan University,Kaifeng 475004,China |
| |
| Abstract: | |
| |
| Keywords: | Nonlinear filter Marginalized particle filter Particle swarm optimization Measurement uncertainty |
| 本文献已被 CNKI 等数据库收录！ |
|
点击此处可从《计算机科学》下载全文 |
|
