基于进化编程及粒子群优化的粒子滤波算法设计及实现

发布时间：2019-08-28 20:37

【摘要】：目标跟踪技术在各个领域迅速发展应用,滤波方法是其重要的研究内容之一。在系统状态转移模型和观测模型已知的情况下,可以采用滤波算法对系统的状态进行估计。在实际应用中,系统往往是非线性且非高斯的,对于这样的系统需要非线性滤波算法来解决。 粒子滤波算法是一种有效的非线性滤波算法,本文针对目标跟踪问题,设计了两种改进的粒子滤波算法,对列车运行过程中的位移、速度、加速度等信息进行状态估计,本文的主要工作如下： 首先,介绍了基本粒子滤波算法的数学基础知识、基本原理以及计算流程,总结了粒子滤波算法的缺点及现有的改进算法； 其次,针对进化编程算法搜索精度不够的问题,提出基于改进进化编程的粒子滤波算法,将进化编程中的变异和竞争选择思想引入到粒子滤波算法中,提高粒子样本的多样性,从而解决粒子退化问题； 再次,针对粒子群优化算法可能出现的易陷入局部收敛的问题,提出基于改进粒子群优化的粒子滤波算法,结合粒子群优化算法中的粒子寻优思想,使粒子逐渐向最优解靠拢,提高算法的估计精确度； 最后,以列车运行状态的目标跟踪问题为例,验证了两种改进粒子滤波算法对列车运行状态进行状态估计的有效性。
【图文】：

跟踪的过程。目标跟踪技术包括三个部分：数据关联、状态估计及融合、航迹管理[1】，如图1.1所示。从本质上看，目标跟踪最终可归结为系统状态方程和量测方程描述的目标运动模型的跟踪滤波器设计过程，滤波方法在这部分直接决定着目标跟踪的精确程度，也在很大程度上影响着整个系统的时间复杂度。因此，滤波方法历来是人们研究的重点和难点。i数据关联 丨i状态估计及融合 ！i关联处理—；?跟踪滤波（平滑和预测）显示器? @ ..I I r~l点进录取 i ? 航迹起始 航迹终止I 否： 是来自信息处理器和检 in,器 丨 否I I 航迹? I航迹管理图1.1目标跟踪系统框图Figure 1.1 Framework of target tracking system若目标模型是随机线性高斯系统，可以采用卡尔曼滤波（Kalman niter，KF)算法进行追踪【2]。卡尔曼滤波是一种线性最小方差估计算法，具有递推性质，它是一种线性最优滤波算法，适用于线性高斯系统。对于非线性高斯系统，通常使用扩展卡尔曼滤波（Extended Kalman niter

Figure 2.2 Schematic diagram of particle filterstep 1：初始化粒子和权值。K=0，，懫样xi~;7(X。），根据先验概率密度函数/P(JC。）产生粒子群{x“i = 1,2,-,N),所有粒子的权值为=\IN。
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2015
【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 张赛;刘新学;刘扬;;一种改进的红外图像滤波算法[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

7 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

8 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

9 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

10 陈大力;薛定宇;潘峰;;一种新型的双十字模糊滤波算法[A];2006中国控制与决策学术年会论文集[C];2006年

相关博士学位论文 前10条

1 于m[;一类非理想条件下非线性系统的高斯滤波算法及其应用研究[D];哈尔滨工业大学;2015年

2 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

3 梁军;粒子滤波算法及其应用研究[D];哈尔滨工业大学;2009年

4 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

5 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

6 高怡;运载器组合导航高性能滤波算法研究[D];西北工业大学;2014年

7 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

8 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

9 黄瀛;电力系统继电保护快速滤波算法研究[D];浙江大学;2005年

10 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

相关硕士学位论文 前10条

1 油锡存;步枪射击瞄准位置校正研究[D];昆明理工大学;2015年

2 吕娜娜;基于一致性的分布式粒子滤波算法研究[D];长安大学;2015年

3 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

4 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

5 魏国华;粒子滤波算法研究与实现[D];电子科技大学;2015年

6 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

7 饶子仁;HEVC环内滤波算法优化[D];西安电子科技大学;2014年

8 黄龙;粒子滤波算法及其在指尖跟踪中的应用研究[D];湘潭大学;2015年

9 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

10 付莎;北斗/INS组合导航系统定位中非线性滤波算法研究[D];西北大学;2015年

本文编号：2530371