|
|||||
|
|
| 基于高斯粒子群优化的RBPF滤波算法 | |
| 引用本文： | 赵增顺,林艳艳,冯翔,王士库,肖同录,李贻斌,侯增广,贾丽. 基于高斯粒子群优化的RBPF滤波算法[J]. 计算机应用研究, 2015, 0(2): 423-426 |
| 作者姓名： | 赵增顺 林艳艳 冯翔 王士库 肖同录 李贻斌 侯增广 贾丽 |
| 作者单位： | 1. 山东大学 控制科学与工程学院，济南250061; 山东科技大学 电子通信与物理学院，山东 青岛266590 2. 山东科技大学 电子通信与物理学院,山东 青岛,266590 3. 山东大学 控制科学与工程学院,济南,250061 4. 中国科学院自动化所 复杂系统管理与控制国家重点实验室,北京,100190 5. 中国联通东营分公司,山东 东营,257000 |
| 基金项目： | 国家自然科学基金资助项目(61175076；61174190)；山东省自然科学基金资助项目(ZR2014FM002)；国家重点实验室开放课题(20120105)；山东科技大学研究生科技创新基金资助项目 |
| 摘 要： | 针对动态系统目标跟踪问题,RBPF算法通过将高维状态空间分解成易于处理的线性子部分与非线性子部分,并采取不同策略进行滤波估计。为了提高RBPF的计算效率,提出将粒子群优化思想融入到RBPF滤波估计中,凭借粒子群算法卓越的全局搜索能力,对于状态空间中非线性部分,通过粒子群算法驱使所有采样粒子向高似然区域(最优适应值区域)移动;对于线性状态部分,依然利用卡尔曼滤波进行处理。通过多组实验仿真结果对比,PSO-RBPF利用较少采样粒子、耗费较少时间即能获得极佳的估计精度。 |
| 关 键 词： | 粒子滤波 RBPF滤波器 高斯粒子群 |
Optimized Rao-Blackwellized particle filter by Gaussian particle swarm |
|
| ZHAO Zeng-shun,LIN Yan-yan,FENG Xiang,WANG Shi-ku,XIAO Tong-lu,LI Yi-bin,HOU Zeng-guang,JIA Li. Optimized Rao-Blackwellized particle filter by Gaussian particle swarm[J]. Application Research of Computers, 2015, 0(2): 423-426 | |
| Authors: | ZHAO Zeng-shun LIN Yan-yan FENG Xiang WANG Shi-ku XIAO Tong-lu LI Yi-bin HOU Zeng-guang JIA Li |
| Affiliation: | ZHAO Zeng-shun;LIN Yan-yan;FENG Xiang;WANG Shi-ku;XIAO Tong-lu;LI Yi-bin;HOU Zeng-guang;JIA Li;School of Control Science & Engineering,Shandong University;College of Electronics Communications & Phisics,Shandong University of Science & Technology;State Key Laboratory of Management & Control for Complex Systems,Institute of Automation,Chinese Academy of Sciences;Dongying Branch Company,China Unicom; |
| Abstract: | |
| Keywords: | particle filter Rao-Blackwellized particle filter (RBPF) Gaussian particle swarm |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |