基于目标跟踪的风驱动优化粒子滤波算法研究

发布时间：2018-07-10 07:47

  本文选题：风驱动优化 + 粒子滤波　； 参考：《微电子学与计算机》2017年05期

【摘要】：针对基本粒子滤波在重采样阶段存在粒子退化和粒子匮乏缺点,提出了一种基于风驱动优化的改进粒子滤波算法.算法将风驱动优化(WDO)思想引进粒子滤波,在粒子滤波重采样过程前,首先利用风驱动优化算法进行优化.风驱动优化算法将最新观测值融合到粒子进化公式中,经过风驱动优化后的大部分粒子朝着后验概率分布比较密集的区域运动,分布在最优粒子附近,从而减少了重采样过程中权值高的粒子被舍弃的概率,缓解样本贫化问题.通过非线性目标跟踪模型对改进的粒子滤波算法进行误差值分析,并与基本粒子滤波算法、粒子群优化粒子滤波算法比较.仿真结果证明改进后的粒子滤波算法降低了变量误差,从而提高了粒子滤波的跟踪能力.
[Abstract]:An improved particle filter algorithm based on wind-driven optimization is proposed to overcome the shortcomings of particle degradation and particle scarcity in the resampling phase of elementary particle filter. The idea of wind-driven optimization (WDO) is introduced into particle filter. Before the particle filter resampling process, the wind-driven optimization algorithm is used to optimize. The wind-driven optimization algorithm fuses the latest observations into the particle evolution formula, and most of the particles after wind driven optimization move towards the region where the posterior probability distribution is denser, and distribute near the optimal particle. Thus, the probability of high weight particles being abandoned in the process of resampling is reduced, and the problem of sample dilution is alleviated. The improved particle filter algorithm is analyzed by nonlinear target tracking model, and compared with the basic particle filter algorithm and particle swarm optimization particle filter algorithm. The simulation results show that the improved particle filter algorithm reduces the variable error and improves the tracking ability of particle filter.
【作者单位】： 西南交通大学机械工程学院;华为技术有限公司;
【分类号】：TN713

【相似文献】

相关期刊论文 前10条

1 胡振涛,刘先省;基于测量方差时变的改进强跟踪滤波算法[J];传感器技术;2005年06期

2 莫以为,萧德云;进化粒子滤波算法及其应用[J];控制理论与应用;2005年02期

3 赵梅;张三同;朱刚;;辅助粒子滤波算法及仿真举例[J];北京交通大学学报;2006年02期

4 张琪;胡昌华;乔玉坤;;基于权值选择的粒子滤波算法研究[J];控制与决策;2008年01期

5 汪溢;张毅;赵继承;;工程中常用的4种无序滤波算法[J];现代雷达;2008年12期

6 樊玲;;粒子滤波算法及其仿真[J];科技创新导报;2009年15期

7 邹卫军;薄煜明;陈益;;一种适用于低测量噪声系统的粒子滤波算法[J];信息与控制;2010年01期

8 何佳;;改进的粒子滤波算法在目标跟踪中的应用[J];科技情报开发与经济;2010年13期

9 高林;刘喜梅;顾幸生;;一种新的数据滤波算法[J];青岛理工大学学报;2010年03期

10 崔祥祥;王宏力;宋涛;张忠泉;;一种改进的裂变自举粒子滤波算法[J];桂林电子科技大学学报;2010年04期

相关会议论文 前10条

1 李龙云;彭玉华;;小波变换模极大值域的一种自动滤波算法的实现[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

2 李庆奎;吴星;崔健勇;陈勤勤;;模糊渐消滤波算法[A];中国测绘学会九届四次理事会暨2008年学术年会论文集[C];2008年

3 黄河;;插值粒子滤波算法的研究[A];2006通信理论与技术新进展——第十一届全国青年通信学术会议论文集[C];2006年

4 胡绍林;黄刘生;;非平稳信号的2(?)2型双重中值容错滤波算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

5 尹建君;张建秋;;混合线性/非线性联邦滤波算法及其在组合导航中的应用[A];2007系统仿真技术及其应用学术会议论文集[C];2007年

6 杨秀华;陈涛;王延风;吉桐伯;;光电跟踪目标的非线性滤波算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年

7 秦臻;何顺华;朱号东;;非线性滤波算法在动态导航中的应用[A];江苏省测绘学会2011年学术年会论文集[C];2011年

8 李勇;陈书明;陈胜刚;;一种基于YHFT-Matrix DSP的去块效应滤波算法的向量化实现[A];第十五届计算机工程与工艺年会暨第一届微处理器技术论坛论文集（B辑）[C];2011年

9 周翟和;刘建业;赖际舟;熊剑;;混合粒子滤波算法及其在导航系统中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 宫轶松;归庆明;李保利;张灵敏;;基于均值漂移的粒子滤波算法设计及其在导航数据处理中的应用[A];第二届中国卫星导航学术年会电子文集[C];2011年

相关博士学位论文 前9条

1 李伟;鲁棒自适应滤波算法及在飞行器技术中的应用研究[D];上海交通大学;2014年

2 梁军;粒子滤波算法及其应用研究[D];哈尔滨工业大学;2009年

3 李甫;粒子滤波算法研究及其电路设计[D];西安电子科技大学;2010年

4 朱娟;蒙特卡洛滤波算法在目标跟踪中的应用[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

5 孟晋丽;基于邻域相关性的小波域滤波算法研究[D];西北工业大学;2006年

6 丁家琳;容积卡尔曼滤波算法研究及其在电机状态估计中的应用[D];西南交通大学;2015年

7 洪少华;基于粒子滤波的目标跟踪算法与硬件实现研究[D];浙江大学;2010年

8 姜竹青;自主导航中滤波算法的研究及应用[D];北京邮电大学;2014年

9 徐佳鹤;基于UKF的滤波算法设计分析与应用[D];东北大学;2008年

相关硕士学位论文 前10条

1 张峰瑞;粒子滤波TBD及并行实现技术研究[D];电子科技大学;2014年

2 贾飞飞;非线性滤波算法及其应用研究[D];电子科技大学;2015年

3 魏国华;粒子滤波算法研究与实现[D];电子科技大学;2015年

4 肖婷婷;粒子滤波算法研究及其在无线定位跟踪中的应用[D];电子科技大学;2014年

5 饶子仁;HEVC环内滤波算法优化[D];西安电子科技大学;2014年

6 胡永杰;机载激光雷达点云滤波算法研究[D];东华理工大学;2015年

7 李小婷;目标跟踪中粒子滤波算法的研究[D];太原理工大学;2016年

8 赵光琼;非线性滤波算法及其在深空探测中的应用[D];电子科技大学;2016年

9 冯向文;基于粒子滤波算法的交通流事件重构框架的研究与实现[D];南京航空航天大学;2016年

10 姜艳艳;非线性滤波算法研究及其在组合定位中的应用[D];东北大学;2012年

，

本文编号：2112687