基于GDBA算法目标跟踪的粒子多样性研究

发布时间：2021-08-12 15:17

　　针对传统目标跟踪算法搜索范围小、跟踪精度低的缺点,提出一种基于遗传扰动机制的改进蝙蝠算法（GDBA）,该算法引入了遗传竞争机制,根据优化的优劣情况调整遗传算法的交叉率和变异率,使得种群具有遗传性和变异性,同时扩大了搜索范围,提高了粒子多样性,改善了跟踪精度. 

【文章来源】：兰州理工大学学报. 2020,46(01)北大核心

【文章页数】：5 页

【部分图文】：

GDBA算法的控制流程图

目标跟踪(N=20,Q=10)

目标跟踪的均方误差(N=20,Q=10)

【参考文献】：
期刊论文
[1]基于压缩特征的鱼眼视频目标跟踪算法研究[J]. 李雅倩,贾璐,李海滨,张文明,张岩松.  电子与信息学报. 2018(05)
[2]基于自适应步长的改进蝙蝠算法[J]. 吕石磊,黄永霖,陈海强,李震,王卫星.  控制与决策. 2018(03)
[3]基于自适应遗传算法的粒子滤波器[J]. 杜正聪,邓寻.  成都理工大学学报(自然科学版). 2017(05)
[4]基于Student’st分布的自适应重采样粒子滤波算法[J]. 滕飞,薛磊,李修和.  控制与决策. 2018(02)
[5]基于模型预测控制的智能汽车目标路径跟踪方法研究[J]. 段建民,田晓生,夏天,宋志雪.  汽车技术. 2017(08)
[6]基于连续自适应均值漂移和立体视觉的无人机目标跟踪方法[J]. 张天翼,杨忠,韩家明,宋佳蓉,朱家远.  应用科技. 2018(02)
[7]基于APRBA粒子滤波算法的移动目标跟踪算法[J]. 孟凡琨,巨永锋,温立民,文常保.  控制工程. 2017(06)
[8]点目标和扩展目标联合跟踪算法[J]. 吴俊辰,周峰.  计算机应用研究. 2017(09)
[9]一种改进的粒子滤波目标跟踪算法[J]. 马兆南,裴腾达,张浩.  辽宁工程技术大学学报(自然科学版). 2016(09)
[10]基于SR-CKF的移动机器人动态目标跟踪算法[J]. 李朕阳,郎朗,陈孟元.  电子测量与仪器学报. 2016(08)



本文编号：3338561