基于人工智能算法的粒子滤波跟踪算法研究
发布时间：2021-10-19 19:49
伴随着航运技术以及人民生活水平的发展,船舶的海上航行变得越来越重要,为了确保船舶的安全、降低发生事故的概率,对船舶跟踪提出了更高的要求。传统的跟踪算法在非线性非高斯情况下的容易造成跟踪误差。粒子滤波跟踪算法基于蒙特卡罗算法和递推贝叶斯理论,在非线性非高斯状态下的目标跟踪精确度更高。因此有着广泛应用。但是传统粒子滤波算法仍有不足,经过研究可利用人工智能算法对粒子位置及重采样阶段进行优化以提高算法的精确度。本文主要研究和讨论将两种智能算法共同作用于粒子滤波算法的不同阶段,包括作用于重要性采样的粒子群优化算法以提高采样粒子准确性和替代重采样的遗传算法以提高粒子多样性从而提高跟踪精度以及效率,此外再辅以自适应调整,通过自适应对算法中关键参数和门限进行实时调整降低局部寻优情况的出现以保证算法精度,实现对跟踪过程进行实时监控与调节保证跟踪精度。主要工作如下:首先介绍了标准粒子滤波算法以及人工智能算法的基本概念以及原理,同时对贝叶斯估计以及蒙特卡罗算法进行讨论。给出粒子滤波算法、粒子群优化算法以及遗传算法的相关内容,同时分析了自适应方式,为后续工作打下理论基础。其次,利用粒子群优化算法来改进粒子滤波...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图２．１标准粒子滤波算法流程图
?基于人丁智能算法的自适应粒子滤波跟踪算法???Ｉ?开始??＇?１．．．．．．?Ｉ＇?＂?：?１??计篼每个粒子的适应度值一??：１??对每个粒子进行比较判断?一??Ｔ?ｉｉ??＾立子适应度大＃？?、＼是ｗ用此粒子位置适应度值??个体最优值?＾锊换个体琺优倂??厂??＜?用?值??１＿＿＿＿＝ｒ?！??腿公式更新粒ｒ．速度健??Ｊ?—?????ｉ否满足结束条件??Ｉ?（?结束??图２．３粒了群优化算法基本流程图??Ｆｉｇ．?２．３?ｂａｓｉｃ?ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｐａｒｔｉｃｌｅ?ｓｗａｒｍ?ｏｐｔｉｍｉｚａｔｉｏｎ?ａｌｇｏｒｉｔｈｍ??利用粒子群优化算法计算极值效果如图所示??３?（１－ｘ）２?ｅｘｐ（－（ｘ２Ｈｙ＋１?）２）－—－１／３?ｅｘｐ（－（ｘ＋１）２－ｙ２）??ｙ?ｘ??图２．４粒子群优化算法极值计算结果??Ｆｉｇ．?２．４?Ｐａｒｔｉｃｌｅ?Ｓｗａｒｍ?Ｏｐｔｉｍｉｚａｔｉｏｎ?Ａｌｇｏｒｉｔｈｍ?Ｅｘｔｒｅｍｅ?Ｖａｌｕｅ?Ｃａｌｃｕｌａｔｉｏｎ?Ｒｅｓｕｌｔｓ??１６??
?基于人工智能算法的自适应粒子滤波跟踪算法???Ｃ?开始?）??初始化种群??＋?：???？计算适应度值?？??输了体?１?＇??选择操作?ｐ??Ｉ?结束）??交叉操作???５Ｔ?????变异操作?？??图２．５遗传算法流程图??Ｆｉｇ．?２．５?ｇｅｎｅｔｉｃ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??由遗传算法的学习可知，遗传算法通过交叉变异提高低适应度粒子权值，以此减少??被剔除的粒子数，可解决粒子滤波算法因重采样导致大量粒子丢失从而造成的多样性缺??失问题，因此可用遗传算法替代粒子滤波算法重采样阶段。??２．３自适应优化??自适应是指在环境统计特性未知或者变化的情况下对系统进行自动调整，使系统能??够保持“最佳”的状态，其通过对整个算法过程进行实时监控，以保证算法的准确和高??效。当算法出现较为严重的偏差时，通过对算法中函数的参数，条件，顺序等方面进行??自适应的调整使偏差减小或者消失；或者通过自适应算法在不同的时间段或者迭代次数??中对参数等方面进行自适应的变化，来打破整个算法过程中一成不变运算，使算法能够??在不同的阶段适应不用的要求或者内容，从而提高算法的准确度。??它是一个通过调整不断逼近目标的过程，通过某种规则或者准则在算法的不同位置??或者不同阶段对参数进行调整使得算法能够在不同的阶段均能满足某种最优准则。?＿??一般最优化问题的表述如下：??在多个给定的条件下（条件为系统工程要求）：?－??ｇｊ?（ｗ）?＜?０?ｉ?＝?（２．３４）??ｌｊ（ｗ）?＝０?ｊ?＝?ｍ＋ｌ，ｍ?＋?２，．．．ｐ?（２．３５）??求一组设计矢量的最佳值，??
【参考文献】：
期刊论文
[1]基于KLD采样的自适应粒子滤波目标跟踪算法[J]. 徐壮,彭力. 计算机工程. 2019(12)
[2]经典人工智能算法综述[J]. 陶阳明. 软件导刊. 2020(03)
[3]一种基于动量BP算法的似然分布自适应粒子滤波[J]. 张园,赵长胜,李晓明. 小型微型计算机系统. 2019(10)
[4]基于改进粒子滤波跟踪算法的运动视频跟踪[J]. 张忠子. 现代电子技术. 2019(15)
[5]粒子滤波目标跟踪算法综述[J]. 昝孟恩,周航,韩丹,杨刚,许国梁. 计算机工程与应用. 2019(05)
[6]基于混合引导策略的高精度萤火虫优化粒子滤波算法[J]. 毕晓君,胡菘益. 上海交通大学学报. 2019(02)
[7]智能优化粒子滤波算法综述研究[J]. 刘淑波,张园,龚丽. 数字技术与应用. 2019(01)
[8]抗遮挡自适应的粒子滤波算法[J]. 李菊,曹明伟,余烨,夏瑜,周立凡. 系统仿真学报. 2018(09)
[9]粒子滤波理论在单目标跟踪中的应用综述[J]. 刘畅,杨锁昌,汪连栋. 飞航导弹. 2017(10)
[10]粒子滤波检测前跟踪算法的粒子比优化方法研究[J]. 李云坤,陈伟,曹旭东. 航空兵器. 2017(05)
硕士论文
[1]粒子群优化算法的改进和应用研究[D]. 赵毅.沈阳工业大学 2019
[2]雷达多目标跟踪的粒子滤波处理方法的研究[D]. 蔡文慧.大连海事大学 2018
[3]基于自适应粒子群算法的特征选择研究[D]. 李策.南京邮电大学 2017
[4]粒子群优化算法的改进研究[D]. 张洵.渤海大学 2017
[5]基于GA-PSO的粒子滤波算法的研究[D]. 孙丽平.哈尔滨理工大学 2013
[6]目标跟踪的粒子滤波算法研究[D]. 黄建.电子科技大学 2012
[7]自适应滤波算法的研究与应用[D]. 张会先.西安电子科技大学 2012
本文编号：3445500
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图２．１标准粒子滤波算法流程图
?基于人丁智能算法的自适应粒子滤波跟踪算法???Ｉ?开始??＇?１．．．．．．?Ｉ＇?＂?：?１??计篼每个粒子的适应度值一??：１??对每个粒子进行比较判断?一??Ｔ?ｉｉ??＾立子适应度大＃？?、＼是ｗ用此粒子位置适应度值??个体最优值?＾锊换个体琺优倂??厂??＜?用?值??１＿＿＿＿＝ｒ?！??腿公式更新粒ｒ．速度健??Ｊ?—?????ｉ否满足结束条件??Ｉ?（?结束??图２．３粒了群优化算法基本流程图??Ｆｉｇ．?２．３?ｂａｓｉｃ?ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｐａｒｔｉｃｌｅ?ｓｗａｒｍ?ｏｐｔｉｍｉｚａｔｉｏｎ?ａｌｇｏｒｉｔｈｍ??利用粒子群优化算法计算极值效果如图所示??３?（１－ｘ）２?ｅｘｐ（－（ｘ２Ｈｙ＋１?）２）－—－１／３?ｅｘｐ（－（ｘ＋１）２－ｙ２）??ｙ?ｘ??图２．４粒子群优化算法极值计算结果??Ｆｉｇ．?２．４?Ｐａｒｔｉｃｌｅ?Ｓｗａｒｍ?Ｏｐｔｉｍｉｚａｔｉｏｎ?Ａｌｇｏｒｉｔｈｍ?Ｅｘｔｒｅｍｅ?Ｖａｌｕｅ?Ｃａｌｃｕｌａｔｉｏｎ?Ｒｅｓｕｌｔｓ??１６??
?基于人工智能算法的自适应粒子滤波跟踪算法???Ｃ?开始?）??初始化种群??＋?：???？计算适应度值?？??输了体?１?＇??选择操作?ｐ??Ｉ?结束）??交叉操作???５Ｔ?????变异操作?？??图２．５遗传算法流程图??Ｆｉｇ．?２．５?ｇｅｎｅｔｉｃ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??由遗传算法的学习可知，遗传算法通过交叉变异提高低适应度粒子权值，以此减少??被剔除的粒子数，可解决粒子滤波算法因重采样导致大量粒子丢失从而造成的多样性缺??失问题，因此可用遗传算法替代粒子滤波算法重采样阶段。??２．３自适应优化??自适应是指在环境统计特性未知或者变化的情况下对系统进行自动调整，使系统能??够保持“最佳”的状态，其通过对整个算法过程进行实时监控，以保证算法的准确和高??效。当算法出现较为严重的偏差时，通过对算法中函数的参数，条件，顺序等方面进行??自适应的调整使偏差减小或者消失；或者通过自适应算法在不同的时间段或者迭代次数??中对参数等方面进行自适应的变化，来打破整个算法过程中一成不变运算，使算法能够??在不同的阶段适应不用的要求或者内容，从而提高算法的准确度。??它是一个通过调整不断逼近目标的过程，通过某种规则或者准则在算法的不同位置??或者不同阶段对参数进行调整使得算法能够在不同的阶段均能满足某种最优准则。?＿??一般最优化问题的表述如下：??在多个给定的条件下（条件为系统工程要求）：?－??ｇｊ?（ｗ）?＜?０?ｉ?＝?（２．３４）??ｌｊ（ｗ）?＝０?ｊ?＝?ｍ＋ｌ，ｍ?＋?２，．．．ｐ?（２．３５）??求一组设计矢量的最佳值，??
【参考文献】：
期刊论文
[1]基于KLD采样的自适应粒子滤波目标跟踪算法[J]. 徐壮,彭力. 计算机工程. 2019(12)
[2]经典人工智能算法综述[J]. 陶阳明. 软件导刊. 2020(03)
[3]一种基于动量BP算法的似然分布自适应粒子滤波[J]. 张园,赵长胜,李晓明. 小型微型计算机系统. 2019(10)
[4]基于改进粒子滤波跟踪算法的运动视频跟踪[J]. 张忠子. 现代电子技术. 2019(15)
[5]粒子滤波目标跟踪算法综述[J]. 昝孟恩,周航,韩丹,杨刚,许国梁. 计算机工程与应用. 2019(05)
[6]基于混合引导策略的高精度萤火虫优化粒子滤波算法[J]. 毕晓君,胡菘益. 上海交通大学学报. 2019(02)
[7]智能优化粒子滤波算法综述研究[J]. 刘淑波,张园,龚丽. 数字技术与应用. 2019(01)
[8]抗遮挡自适应的粒子滤波算法[J]. 李菊,曹明伟,余烨,夏瑜,周立凡. 系统仿真学报. 2018(09)
[9]粒子滤波理论在单目标跟踪中的应用综述[J]. 刘畅,杨锁昌,汪连栋. 飞航导弹. 2017(10)
[10]粒子滤波检测前跟踪算法的粒子比优化方法研究[J]. 李云坤,陈伟,曹旭东. 航空兵器. 2017(05)
硕士论文
[1]粒子群优化算法的改进和应用研究[D]. 赵毅.沈阳工业大学 2019
[2]雷达多目标跟踪的粒子滤波处理方法的研究[D]. 蔡文慧.大连海事大学 2018
[3]基于自适应粒子群算法的特征选择研究[D]. 李策.南京邮电大学 2017
[4]粒子群优化算法的改进研究[D]. 张洵.渤海大学 2017
[5]基于GA-PSO的粒子滤波算法的研究[D]. 孙丽平.哈尔滨理工大学 2013
[6]目标跟踪的粒子滤波算法研究[D]. 黄建.电子科技大学 2012
[7]自适应滤波算法的研究与应用[D]. 张会先.西安电子科技大学 2012
本文编号：3445500
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3445500.html
