基于权值优选的改进二阶中心差分粒子滤波算法

针对标准粒子滤波算法难以解决的粒子退化问题和样本贫化现象,提出了基于权值优选的改进二阶中心差分粒子滤波算法。该算法主要从以下两方面进行改进:首先采用二阶中心差分滤波方法通过协方差矩阵的平方根来产生重要性密度函数,从而解决粒子退化问题;然后通过重采样方法的利用权值优选的思想来增加粒子集的多样性,有效避免了样本贫化的现象。仿真结果表明:该算法状态估计结果更加接近目标真实的状态估计,平均均方根误差也更低,跟踪效果更佳,同时保持了较高的运算效率。

基于权值优选粒子滤波的雷达目标跟踪

本文详细分析了粒子滤波的特点,给出了基于权值优选的粒子滤波算法,对雷达目标进行了跟踪。仿真结果表明,基于权值优选的粒子滤波算法在N值较小的情况下较标准粒子滤波算法具有更明显的优势。

裂变优选重采样粒子滤波算法

重采样在缓解粒子退化的同时带来了粒子贫化问题,针对这种情况,提出一种裂变优选重采样方法。在需要进行重采样时刻,提取出有效粒子,该时刻有效粒子对应于上一时刻的粒子确定为裂变父代粒子,裂变子代粒子数正比于各有效粒子权值,将子代粒子进行一次滤波迭代,根据该时刻量测值和权值公式计算每个子代粒子的权值,选择权值大的粒子覆盖该时刻的无效粒子。蒙特卡罗仿真表明:与裂变自举粒子滤波、随机重采样粒子滤波相比,滤波精度更高,有效粒子数增加,而且重采样后粒子退化速度变缓。