基于KLD采样改进的高斯粒子滤波算法（英文）

发布时间：2022-07-13 12:15

　　为了自适应地调整滤波样本,本文提出了一种基于Kullback-Leibler散度（Kullback-Leible divergence,KLD）-抽样的改进高斯粒子滤波算法（Gaussian particle filter algorithm based on KLD,KLGPF）。在采样过程中,算法通过计算KLD来调整粒子集的大小,使其介于粒子的离散概率密度函数和真实的后验概率密度函数之间。当噪声服从高斯分布,且噪声的统计特性发生突变时,KLGPF具有显著的效果,仿真结果表明,KLGPF在噪声统计量突变时仍能保持良好的估计效果。在相同条件下,KLGPF的运算速度相比基于KLD采样的粒子滤波算法（Particle filter algorithm based on KLD,KLPF）的运算速度提高了28%。 

【文章页数】：8 页

【参考文献】：
期刊论文
[1]基于点云协方差描述子的多机器人目标识别与编队跟踪[J]. 宗群,刘朋浩,董琦,田栢苓.  天津大学学报(自然科学与工程技术版). 2017(11)
[2]一种快速高斯粒子滤波算法[J]. 陈鹏,钱徽,朱淼良.  华中科技大学学报(自然科学版). 2008(S1)



本文编号：3660025