基于“新息误差”的粒子流滤波算法

发布时间：2022-01-19 22:33

　　在粒子滤波（PF）过程中存在粒子权值退化、维度灾难、计算成本高等问题。粒子流滤波通过构造对数同伦函数避免了粒子权值退化问题,但是在求解边值问题时过于依赖观测方程,当噪声较大时效果较差。针对上述问题,提出了一种改进的粒子流滤波算法。首先,该算法在粒子流动的过程中引入了一种"新息误差"结构,使每个粒子的更新相互独立;其次,利用Galerkin有限元法求得边值问题的数值解,从而消除了拟合样本先验可能导致的数值不稳定问题;最后,分别在通用非线性滤波模型和机动目标跟踪模型中对改进的算法进行了性能测试。仿真结果表明,改进的算法可以抑制系统对观测信息的依赖性,在噪声增大的情况下也能得到相对较好的结果,有效改善了滤波精度,而在多维目标跟踪情况下算法的计算效率与滤波精度高于标准粒子滤波。 

【文章来源】：计算机应用. 2020,40(11)北大核心CSCD

【文章页数】：6 页

【部分图文】：

Q为0.1或1时的状态估计均方根误差

由上述仿真实验可以看出，粒子滤波、粒子流滤波、UPF在过程噪声较小、观测信息比较精确时才更有效。原因是PF利用最新的观测信息计算权重，PFF、UPF参考最新的观测信息来优化提议分布。另外利用智能算法、启发式算法与粒子滤波结合也是基于最新的观测，然而多数方案缺乏坚实的理论证明，且以增加计算复杂度为代价。其中与观测相关的项设为b=(Zk-h(xk))，粒子滤波在计算权重时是根据观测方程来计算的涉及eb2项；粒子流在求解f (x，λ)时，得到的弱形式解涉及b2项，且弱形式解为数值解，当噪声变大时得到的解的误差较大；改进的粒子流滤波虽然也利用了最新的观测新息，但是作为新息误差项而引入只涉及b，从而削弱了观测的影响。而且，BVP方程求解也未引入最新观测，一定程度上抑制了系统对观测的依赖性。3.2 机动目标跟踪模型

另外，从表2可以看出，在过程噪声变大的情况下，粒子滤波已经不能较好地反映真实的轨迹，误差已经比较大，而改进的粒子流滤波依然能相对较好地反映真实的轨迹，各状态估计的误差保持在相对较小的范围内，证明本文算法具有较好的鲁棒性。另外粒子滤波在粒子数增大的情况下滤波精度有明显提高，而改进的粒子流滤波在粒子数增加的情况下滤波精度并没有提高，这是由于改进的算法避免了重采样对粒子的舍弃，而粒子数较多时，会导致低似然区域的粒子增加。这也说明了改进的粒子流算法适用于粒子数较少时的高精度快速预测，例如激光雷达、红外目标跟踪等。4结语

【参考文献】：
期刊论文
[1]非线性系统的多扩展目标跟踪算法[J]. 韩玉兰,韩崇昭.  计算机应用. 2019(05)
[2]基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法[J]. 陈志敏,吴盘龙,薄煜明,田梦楚,岳聪,顾福飞.  电子学报. 2018(04)
[3]基于似然分布调整的粒子群优化粒子滤波新方法[J]. 高国栋,林明,许兰.  计算机应用. 2017(04)
[4]粒子滤波理论、方法及其在多目标跟踪中的应用[J]. 李天成,范红旗,孙树栋.  自动化学报. 2015(12)
[5]粒子滤波重采样:同分布原则、一种新方法以及综合对比（英文）[J]. Tian-cheng LI,Gabriel VILLARRUBIA,Shu-dong SUN,Juan M.CORCHADO,Javier BAJO.  Frontiers of Information Technology & Electronic Engineering. 2015(11)



本文编号：3597682